JumpStar on maailman vahvin kiinanšakin tekoälymoottori
Tausta
Rakensin JumpStarin äidilleni. Projekti alkoi 15. toukokuuta 2026 Indianassa, kun autoin vanhempiani muuttamaan pois lapsuudenkodistamme. Heidän tavaroitaan pakatessamme löysimme vanhan kiinanšakkilautamme ja aloimme muistella, kuinka hauskaa oli pelata koko perheen kesken.
Kun veljeni ja minä lähdimme opiskelemaan, äitini oli yrittänyt etsiä iPhonelle kiinanšakkisovelluksia voidakseen jatkaa pelaamista yksin, mutta yksikään niistä ei ollut hyvä. AlphaGon ja Stockfishin menestyksen jälkeen ajattelin, että kiinanšakkiin on varmasti olemassa monta vahvaa avoimen lähdekoodin tekoälymoottoria – mutta niitä ei ole. Suosiostaan ja eleganssistaan huolimatta kiinanšakki oli saanut tekoälyyhteisöltä yllättävän vähän huomiota. Juuri tämä aukko sai minut rakentamaan JumpStarin.
Tavoitteeni oli rakentaa ensimmäinen yli-inhimillinen kiinanšakin tekoälymoottori. Vahva tietokonevastustaja antaisi äidilleni mahdollisuuden jatkaa pelaamista silloinkin, kun veljeni ja minä emme olleet lähellä. Yli-inhimillinen tekoälymoottori voisi jopa paljastaa pelistä kauniita uusia kuvioita ja strategioita, jotka eivät vielä olleet laajalti tunnettuja.
Siksi projektista tuli myös julkinen. Vahva yksityinen moottori on kiinnostava, mutta muiden on vaikea arvioida tai parantaa sitä. Julkinen kiinanšakin tekoälyjen vertailutesti tekee työstä tarkastettavaa: siihen kuuluvat sääntökokoelma, protokolla, asemakokoelma, vertailumoottorit, lokit ja nimetty JumpStar-malli, jonka muut järjestelmät voivat haastaa.
Miksi kiinanšakin tekoäly on kiinnostava
Shakilla ja go-pelillä on takanaan vuosikymmenten julkinen tekoälytyö: moottoreita, vertailutestejä, rankinglistoja ja jaettuja pelitallenteita. Kiinanšakilla tätä on hyvin vähän, vaikka se on juuri sellainen peli, jonka tutkimisessa tekoäly on hyvä. Siinä ei ole piilotettua tietoa eikä onnea, ja voittamisen tapa on selkeä.
Peli myös monimutkaistuu nopeasti. JumpStarin kahden pelaajan säännöillä sallittuja ensimmäisiä siirtoja on 14, kaksi ensimmäistä siirtoa voivat mennä 196 tavalla, ja kolmanteen mennessä tapoja on 4 760. Myöhemmin ketjutetut hypyt ja ruuhkaiset kaistat tekevät hyvistä siirroista paljon vaikeampia huomata kuin säännöt antavat ymmärtää.
Mikä JumpStar on
JumpStar on itsepelillä koulutettu kiinanšakkimoottori, joka perustuu kompaktiin C++20-kieliseen sääntö- ja hakuytimeen, neuroverkkopohjaiseen policy/value-malliin ja Monte Carlo -puuhakuun. Sen vahvin julkinen tarkistuspiste, JumpStar_60, on CCERL-2P10-v2-vertailutestin nykyinen mestari. Kaikki JumpStar-mallit koulutettiin MacBook M4:llä eikä suurilla GPU-klustereilla, joita tunnetuimpien shakki- ja go-moottoreiden takana on.
Tavoitteena on yli-inhimillinen peli, ja väite on tarkoitus testata. JumpStar vaikuttaa yli-inhimilliseltä tai lähes sellaiselta kahden pelaajan säännöillä, ja CCERL:n avulla mikä tahansa tuleva moottori voi haastaa sen.
Järjestelmä
JumpStar on kokonainen moottori ja vertailutesti, ei pelkkä koulutettu malli.
- Säännöt ja haku. Kompakti malli 121-reikäisestä laudasta, tiukat kahden pelaajan säännöt, nopea askelten ja monihyppyisten ketjujen generointi sekä otteluajuri. Säännöt ovat tarkoituksella eksplisiittiset, jotta moottori ei voi voittaa leiriytymällä kolmioon tai hyödyntämällä tuomariohjelman erikoisuutta.
- Itsepeliin perustuva koulutus. JumpStar pelaa itseään vastaan, ja näillä peleillä koulutetaan policy/value-malli, joka ohjaa seuraavaa hakukierrosta.
JumpStar_60on512x4-verkko, jossa on noin10.36Mparametria. Se on koulutettu1.8Muudelleenanalysoidulla asemalla. - Julkinen vertailutestaus. Kiinanšakille ei ollut julkista moottorien rankinglistaa, joten rakensin
CCERL-2P10-v2:n JumpStarin rinnalle. Se määrittelee säännöt, moottoriprotokollan, kiinteän joukon aloitusasemia, vertailumoottorit ja luokitusten laskentatavan, ja se julkaisee jokaisen pelilokin, jotta tulokset voi tarkistaa.
Näin JumpStar pelaa kiinanšakkia
JumpStar ei useinkaan vain kiiruhda eteenpäin. Se hidastaa vastustajaa, pitää hyödyllisiä tukkijanappuloita paikallaan ja rakentaa tiiviitä kolmiomuotoja, joiden läpi laudan keskustassa on vaikea hypätä.
Koska nappuloita ei koskaan syödä, puolustava muodostelma voi kestää monta vuoroa. Se voi viedä vastustajalta hyppyreitin, pakottaa sen kiertämään ja ostaa aikaa, jotta JumpStarin omat nappulat ehtivät maaliin.
Voittava avauskuvio
| # | Pelaaja | Tyyppi |
|---|
Haku- ja koulutussilmukka
Yleisellä tasolla JumpStar noudattaa AlphaZero-mallia: itsepeli tuottaa MCTS-käyntitavoitteita, niillä koulutetaan policy/value-malli, ja vahvempi malli ohjaa seuraavaa hakukierrosta.
itsepeli -> MCTS-käyntitavoitteet -> policy/value-koulutus -> vahvempi haku -> itsepeli
Käytännön vahvuus syntyi siitä, että silmukasta tehtiin niin kevyt, että sitä voitiin ajaa yhä uudelleen: natiivit C++-itsepelityöprosessit, tehokas siirtojen generointi, lehtisolmujen eräarviointi, transpositiot, alipuiden uudelleenkäyttö, kompakti aineisto ja paikalliselle Apple-laitteistolle viritetyt julkaisuversiot.
Suuri osa tästä tiivistämisestä syntyi käyttämällä Codexia ja GPT-5.5:tä toteutus- ja tutkimuskumppanina. Codex auttoi tutkimaan koodikantaa, profiloimaan pullonkauloja, kirjoittamaan kriittisiä koodipolkuja uudelleen, analysoimaan koulutuslokeja, paketoimaan vertailuajoja ja pitämään useita kokeilulinjoja käynnissä samanaikaisesti. Tärkeimmät hyödyt olivat käytännöllisiä: suuret nopeutukset itsepelissä ja arvioinnissa, noin 98 %:n muistinsäästö koulutusputkessa, jotta työ mahtui omalle koneelleni, ja tarpeeksi automaatiota moottorin kehittämisen jatkamiseen samalla, kun hoidin päivätyötäni Edian toimitusjohtajana.
Projekti eteni poikkeuksellisen nopeasti, koska silmukka ei ollut vain mallin itsepeliä; se oli myös iteratiivinen insinöörisilmukka sitä ympäröivälle järjestelmälle. Codexin avulla pystyin ajamaan kokeen, tutkimaan, miten se epäonnistui, optimoimaan koodin, ajamaan vertailutestin uudelleen, tiivistämään tuloksen ja muuttamaan seuraavan kysymyksen konkreettiseksi korjaukseksi. Tämä palautesykli tiivisti työn, joka olisi muuten voinut viedä kuukausia infrastruktuurin, työkalujen, käyttöliittymän, vertailutestien ja kirjoittamisen parissa, noin viikkoon siitä, kun lauta löytyi, julkiseen julkaisuun.
Codexin paikallinen käyttökirjanpito antaa karkean kuvan yhteistyön mittakaavasta. Paikallisessa Codex-tilatietokannassa näkyvissä projektiketjuissa kirjattu tokens_used oli yhteensä noin 559.9M tokenia. Luvut sisältävät kontekstin, työkalujen tulosteet, välimuistiin tallennetun kontekstin vaikutukset, päättelyn ja tulosteen kirjanpidon sekä päällekkäiset työketjut, joten niitä tulee pitää prosessimittarina eikä tieteellisenä laskentatehon mittauksena.
CCERL ja julkinen vertailutesti
Kiinanšakilla ei ole shakin ja go-pelin kaltaista kypsää julkista moottorien rankinglistaa, minkä vuoksi moottorien vahvuutta ja kehitystä on vaikea arvioida. CCERL täyttää tämän aukon. CCERL on ensimmäinen julkinen vertailutesti kiinanšakin tekoälymoottorien vahvuuden arvioimiseen. Shakin ja go-pelin vastaavien käsitteiden pohjalta CCERL tarjoaa kiinteät säännöt, tarkastetut aloitusasemat, parittaiset puolten vaihdot, ladattavat pelilokit ja julkiset vertailumoottorit.
CCERL-vertailutestien perusteella JumpStar vaikuttaa olevan selvällä erolla maailman vahvin julkisesti saatavilla oleva kiinanšakin tekoälymoottori.
Uskon, että JumpStar on saavuttanut lähes yli-inhimillisen tason kiinanšakissa kahden pelaajan sääntöprofiilissa käyttäen MacBook-luokan paikallista laskentatehoa. Vielä tärkeämpää on, että CCERL antaa kaikille tuleville kehittäjille tavoitteen: muokkaa JumpStaria, rakenna uusi malli, siirrä olemassa oleva moottori uskollisemmin, lisää parempia asemia tai lähetä haastaja saman tuomarin arvioitavaksi.
Tuleva työ
JumpStarin ei ole tarkoitus olla pelkkä yksityinen botti. Projekti pyrkii olemaan neljä asiaa:
- Vahva julkinen tekoälymalli. JumpStarilla on avoin lisenssi, ja tämä verkkosivusto on ilmainen. Kuka tahansa voi pelata JumpStaria vastaan tai yrittää parantaa sitä itse. JumpStar koulutettiin kokonaan MacBook M4:llä. Lisälaskentateho parantaa suorituskykyä varmasti.
- Julkinen vertailutestien infrastruktuuri. Shakilla ja go-pelillä on yhteisöjä, joissa moottoreita voidaan testata, vertailla ja parantaa. CCERL tuo saman infrastruktuurin kiinanšakkiin: selkeät säännöt, toistettavat ottelut, julkiset lokit ja mahdollisuuden muille rakentaa omia mallejaan.
- Itse pelin tutkimus. Vahva tekoäly muuttaa sitä, mitä pystymme näkemään. Haluan ymmärtää, miltä hyvä peli näyttää, miten avaukset kehittyvät, miksi täydet laudat käyttäytyvät niin kuin käyttäytyvät ja mitä tapahtuu kolmen, neljän ja kuuden pelaajan peleissä, kun laudan keskustasta tulee mahdollisuuksien liikenneruuhka.
- Moninpelimuunnelmat. Kahden pelaajan malli on vasta alkua. Villeimmät kysymykset alkavat, kun lauta täyttyy: kolme pelaajaa, neljä pelaajaa, kuusi pelaajaa, vaihtuvat liittoumat, tukitut reitit ja oudot, itsestään syntyvät avaukset. Haluan selvittää, miltä vahva peli näyttää myös niissä ja laudoilla, jotka ovat paljon vakiokokoa suurempia. Esiin nousevat monimutkaisuudet ja kuviot tulevat olemaan lumoavia.
Toivon, että JumpStar innostaa yhä useampia ajattelemaan kiinanšakkia, pelaamaan sitä, tutkimaan sitä ja rakentamaan sen ympärille.