בינה מלאכותית לדמקה סינית

JumpStar הוא מנוע הבינה המלאכותית החזק בעולם לדמקה סינית

עכשיו באייפון דמקה סינית: JumpStar שחק מול הבינה המלאכותית החזקה ביותר בלי חיבור לאינטרנט, פתור חידות יומיות, קבל רמזים ושמור משחקים לצפייה חוזרת. הורדה

איך זה התחיל

בניתי את JumpStar בשביל אמא שלי. הפרויקט התחיל ב־15 במאי 2026 באינדיאנה, כשעזרתי להורים שלי לעבור מהבית שבו גדלנו. בזמן שארזנו את החפצים שלהם, מצאנו את לוח הדמקה הסינית הישן שלנו והתחלנו להיזכר כמה כיף היה לשחק בו יחד כמשפחה.

אחרי שאחי ואני עזבנו לקולג', אמא שלי ניסתה למצוא אפליקציות דמקה סינית לאייפון כדי שתוכל להמשיך לשחק לבד, אבל אף אחת מהן לא הייתה טובה. בהתחשב בהצלחות של AlphaGo ו־Stockfish, חשבתי שבטוח יש הרבה מנועי בינה מלאכותית חזקים בקוד פתוח לדמקה סינית - אבל אין. למרות הפופולריות והאלגנטיות שלה, דמקה סינית זכתה לתשומת לב מועטה באופן מפתיע מקהילת הבינה המלאכותית. הפער הזה הוא מה שהוביל אותי לבנות את JumpStar.

המטרה שלי הייתה לבנות את מנוע הבינה המלאכותית העל־אנושי הראשון לדמקה סינית. שחקן מחשב חזק יאפשר לאמא שלי להמשיך לשחק גם כשאחי ואני לא בסביבה. מנוע בינה מלאכותית על־אנושי אולי אפילו יחשוף דפוסים ואסטרטגיות חדשים ויפים במשחק, שעדיין לא היו מוכרים באופן רחב.

זו גם הסיבה שהפרויקט הפך לציבורי. מנוע פרטי חזק הוא דבר מעניין, אבל קשה לכל אחד אחר להעריך או לשפר אותו. הבנצ'מרק הציבורי לבינה מלאכותית בדמקה סינית הופך את העבודה למשהו שאפשר לבדוק: מערכת חוקים, פרוטוקול, אוסף עמדות, מנועי בסיס, יומני משחק ומודל JumpStar מוגדר בשמו שמערכות אחרות יכולות להתמודד מולו.

היופי של דמקה סינית

דמקה סינית היא מרוץ על פני לוח בצורת כוכב בעל שש קרניים. כל שחקן מתחיל עם קבוצה של עשרה כלים במשולש אחד ומנסה להיות הראשון שמעביר את כל הכלים שלו אל המשולש שממול. אפשר לשחק בשניים, שלושה, ארבעה או שישה שחקנים. יש רק שני סוגי תנועה, צעד וקפיצה, ואין שום אפשרות לאכול כלים, וזו אחת הסיבות שהלוח מרגיש כל כך חי: חוקי תנועה פשוטים יוצרים תנועה מורכבת על הלוח, כשהשחקנים מנסים לבנות שרשראות קפיצה ולחסום את היריבים מלעשות אותו דבר.

למרות השם, דמקה סינית לא נולדה בסין, והיא גם לא באמת דמקה. מקור המשחק מיוחס בדרך כלל ל־Stern-Halma, או Star Halma, עיבוד גרמני של Halma ללוח בצורת כוכב שיצא לאור בשנת 1892. השם האנגלי המוכר הגיע מאוחר יותר דרך שיווק אמריקאי, ומאז הפך המשחק למשחק לוח פופולרי ברחבי העולם.

איך משחקים דמקה סינית

בתור שלך, אתה מזיז אחד מהכלים שלך. כלי יכול לצעוד לחור ריק סמוך, או לקפוץ מעל חור תפוס סמוך אל החור הריק שמאחוריו. אפשר לשרשר קפיצות, כך שמהלך אחד יכול לחצות חלק גדול מהלוח אם המרווחים נכונים. כלים שקפצו מעליהם נשארים על הלוח. הם לא נאכלים.

המטרה היא להעביר את כל הכלים שלך אל המשולש שנמצא ממש מול המשולש ההתחלתי שלך. משחק טוב הוא לא רק לרוץ קדימה. צריך לבנות סולמות שימושיים, להימנע מחסימת הכלים של עצמך, לנצל היטב את המרכז הצפוף, ולהחליט מתי מהלך שנראה איטי עכשיו ייצור מסלול מהיר יותר בהמשך.

למדריך ממוקד, קרא את החוקים המלאים של דמקה סינית. כשתהיה מוכן לשפר את המשחק שלך, המשך אל מדריך האסטרטגיה והטקטיקה של JumpStar.

למה בינה מלאכותית לדמקה סינית מעניינת

משחקי לוח קלאסיים עומדים במרכז הבינה המלאכותית כבר עשרות שנים. Deep Blue של IBM ניצח את אלוף העולם בשחמט גארי קספרוב ב־1997. AlphaGo ניצח את לי סה־דול ב־2016. המשחקים האלה הפכו לציוני דרך כי משחק מחשב חזק שינה את האופן שבו אנשים הבינו אותם.

לדמקה סינית לא הייתה אותה מערכת אקולוגית ציבורית של בינה מלאכותית. בהשוואה לשחמט ולגו, יש הרבה פחות מנועים, בנצ'מרקים, רשימות דירוג, רישומי משחקים ציבוריים או כלי מחקר משותפים. הפער הזה מפתיע, כי למשחק יש בדיוק את סוג המבנה שמערכות בינה מלאכותית אוהבות לחקור: מידע מלא, אין אקראיות, תנאי ניצחון ברור ומספר עצום של עתידים אפשריים.

אפילו עמדת הפתיחה השקטה מסתעפת במהירות. במערכת החוקים של JumpStar לשני שחקנים, ללוח ההתחלתי יש 14 מהלכים ראשונים חוקיים. אחרי שכל צד זז פעם אחת, יש 196 רצפים אפשריים של שני מהלכים. בעומק שלושה, יש 4,760 רצפי מהלכים אפשריים מעמדת הפתיחה. בהמשך המשחק, שרשראות קפיצה ונתיבים צפופים הופכים את הבחירות להרבה פחות מובנות מאליהן ממה שהחוקים מרמזים.

מה זה JumpStar

JumpStar הוא מנוע דמקה סינית שאומן במשחק עצמי, ובנוי על ליבת חוקים וחיפוש קומפקטית ב־C++20, מודל רשת עצבית של policy/value וחיפוש עץ מונטה קרלו. נקודת הביקורת הציבורית החזקה ביותר שלו, JumpStar_60, היא האלופה הנוכחית של בנצ'מרק CCERL-2P10-v2. התוצאה המפתיעה היא היעילות. כל מודלי JumpStar אומנו על MacBook M4, ולא על אשכולות TPU/GPU הגדולים שמזוהים עם מערכות הגו והשחמט פורצות הדרך.

השאיפה היא משחק על־אנושי, אבל הטענה הציבורית ניתנת לבדיקה במכוון: נראה ש־JumpStar הוא על־אנושי או כמעט על־אנושי תחת פרופיל החוקים לשני שחקנים, ו־CCERL קיים כדי שמנועים עתידיים יוכלו לערער על התוצאה הזאת.

המערכת

JumpStar הוא לא רק נקודת ביקורת של מודל. זו מערכת מלאה של מנוע ובנצ'מרק: ייצוג הלוח, חוקים, חיפוש, משחק עצמי, רישומי אימון, כלי שיפוט וראיות ציבוריות.

• חוקים וחיפוש. JumpStar משתמש בייצוג קומפקטי בסגנון bitmap של לוח הכוכב בן 121 החורים, חוקים מחמירים לשני שחקנים, יצירת מהלכים חוקיים של צעדים וקפיצות מרובות, נעילת יעד, בדיקות סיום, hashing דטרמיניסטי, בוטים בסיסיים ומריץ משחקים מקורי. מימוש החוקים מפורש במכוון, כי אחרת מנועי דמקה סינית יכולים לנצל מקרי קצה: חנייה במשולשי הבית או היעד, יצירת מחסומים מלאכותיים, או ניצחון בזכות מוזרויות של השופט במקום בזכות משחק טוב יותר. פרופיל החוקים של JumpStar נועד לתגמל מרוץ נקי, גאומטריה חזקה וחיפוש שניתן לשחזר, ולא תרגילים נגד חוקי האנטי־חסימה.
• אימון במשחק עצמי. משחק עצמי וניתוח חוזר מייצרים מצבי לוח, פעולות חוקיות, ספירות ביקורים של MCTS, תוצאות משחקים ומאפייני התקדמות. הרישומים האלה מאמנים מודל policy/value שמנחה את סבב החיפוש הבא. JumpStar_60 הוא MLP מסוג geometry_v1 בגודל 512x4 עם כ־10.36M פרמטרים, שאומן על מערך נתונים מנותח מחדש של 1.8M דוגמאות. העבודה המעשית הייתה להפוך את הלולאה הזאת לקטנה ומהירה מספיק כדי להריץ אותה שוב ושוב על חומרה מקומית.
• בנצ'מרק ציבורי. מכיוון שלדמקה סינית עוד לא היה סולם מנועים ציבורי בוגר, פיתחתי את CCERL-2P10-v2 לצד JumpStar. CCERL מגדיר את מערכת החוקים, פרוטוקול המנוע, אוסף עמדות קפוא, מנועי בסיס, תוצרי גרסאות ושיטת דירוג. הבנצ'מרק משתמש בעמדות מזווגות עם החלפת צדדים ומפרסם יומני משחק, כך שהתוצאות ניתנות לשחזור ולא רק נטענות. המשמעות היא שמנועים עתידיים יכולים להתמודד מול JumpStar תחת אותו שופט, במקום להשוות טענות מעורפלות על חוזק.

איך JumpStar משחק דמקה סינית

אחת התצפיות האיכותניות המעניינות ביותר היא ש־JumpStar לעיתים קרובות לא משחק כמו היוריסטיקת מרוץ פשוטה. במקום זאת, הוא מפתח אסטרטגיות מתוחכמות כמו האטת היריב, שמירה על חוסמים שימושיים ובניית מערכים קומפקטיים דמויי משולש שמגבילים את התנועה דרך מסדרונות חשובים.

קל לפספס את הסגנון הזה אם רואים בדמקה סינית רק מרוץ של התקדמות קדימה. מכיוון שכלים אף פעם לא נאכלים, צורה הגנתית יכולה להשפיע לאורך תורות רבים: היא יכולה למנוע סולם קפיצות, לאלץ את היריב לעקוף עומס, או לקנות מספיק זמן כדי שהכלים של המודל עצמו יממשו את היתרון. לכן ייתכן שחלק מהרעיונות החזקים ביותר של JumpStar עוסקים בשליטה בגאומטריה, ולא רק בהתקדמות מהירה יותר.

לולאת החיפוש והאימון

במבט על, JumpStar פועל לפי הדפוס של AlphaZero: משחק עצמי מייצר יעדי ביקורים של MCTS, היעדים האלה מאמנים מודל policy/value, והמודל החזק יותר מנחה את סבב החיפוש הבא.

self-play -> MCTS visit targets -> policy/value training -> stronger search -> self-play

החוזק המעשי הגיע מכך שהלולאה הזאת נעשתה זולה מספיק כדי להריץ אותה שוב ושוב: עובדי משחק עצמי מקוריים ב־C++, יצירת מהלכים יעילה, הערכת עלים במנות, טרנספוזיציות, שימוש חוזר בתתי־עצים, רישומים קומפקטיים וגרסאות release שכווננו לחומרת Apple מקומית.

חלק גדול מהדחיסה הזאת הגיע מהשימוש ב־Codex עם GPT-5.5 כשותף למימוש ולמחקר. Codex עזר לבחון את בסיס הקוד, לאתר צווארי בקבוק, לשכתב נתיבים חמים, לנתח יומני אימון, לארוז הרצות בנצ'מרק ולקדם כמה ענפי ניסויים במקביל. השיפורים החשובים ביותר היו מעשיים: האצות גדולות במשחק העצמי ובהערכה, הפחתה של כ־98% בצריכת הזיכרון בנתיב האימון כדי שהעבודה תיכנס למחשב המקומי שלי, ומספיק אוטומציה כדי להמשיך לשפר את המנוע בזמן שעבדתי גם במשרה המלאה שלי כמנכ״ל Edia.

הפרויקט התקדם מהר במיוחד כי הלולאה לא הייתה רק משחק עצמי עבור המודל; היא הייתה גם לולאת הנדסה איטרטיבית עבור המערכת שסביבו. Codex איפשר להריץ ניסוי, לבחון את אופן הכישלון, לייעל את הקוד, להריץ שוב את הבנצ'מרק, לסכם את התוצאה ולהפוך את השאלה הבאה לתיקון קוד מוחשי. מחזור המשוב הזה דחס עבודה שאחרת אולי הייתה לוקחת חודשים של תשתית, כלים, ממשק, בנצ'מרק וכתיבה לכשבוע אחד, מגילוי הלוח הראשון ועד ההשקה הציבורית.

הרישום המקומי של Codex נותן תחושה גסה של היקף שיתוף הפעולה הזה. בכל שרשורי הפרויקט שנראים במסד הנתונים המקומי של Codex, הערך הרשום tokens_used הסתכם בכ־559.9M טוקנים. המספרים האלה כוללים הקשר, פלט של כלים, השפעות של הקשר שמור במטמון, רישום של חשיבה ופלט, ושרשורי עבודה חופפים, ולכן יש לקרוא אותם כמדד תהליך ולא כמדידה מדעית של כוח חישוב.

CCERL והבנצ'מרק הציבורי

לדמקה סינית אין סולם מנועים ציבורי בוגר כמו בשחמט ובגו, ולכן קשה להעריך את חוזק המנועים ואת ההתקדמות שלהם. CCERL ממלא את החלל הזה. CCERL הוא הבנצ'מרק הציבורי הראשון להערכת חוזקם של מנועי בינה מלאכותית לדמקה סינית. בהשראת רעיונות דומים משחמט ומגו, CCERL מספק חוקים קבועים, עמדות פתיחה שנבדקו, החלפות צדדים מזווגות, יומני משחק להורדה ומנועי בסיס ציבוריים.

לפי הבנצ'מרקים של CCERL, נראה ש־JumpStar הוא מנוע הבינה המלאכותית הזמין לציבור החזק בעולם לדמקה סינית, בפער גדול.

אני מאמין ש־JumpStar הגיע לחוזק כמעט על־אנושי בדמקה סינית תחת פרופיל החוקים לשני שחקנים, תוך שימוש בכוח חישוב בהיקף של MacBook מקומי. וחשוב מכך, CCERL נותן לכל התורמים העתידיים מטרה: לשנות את JumpStar, לבנות מודל חדש, להעביר מנוע קיים בנאמנות רבה יותר, להוסיף עמדות טובות יותר, או להגיש מתמודד תחת אותו שופט.

עבודה עתידית

JumpStar לא נועד להיות סתם בוט פרטי. הפרויקט מנסה להפוך לארבעה דברים:

• מודל בינה מלאכותית ציבורי וחזק. JumpStar הוא ברישיון פתוח, והאתר הזה חינמי. כל אחד יכול לשחק מול JumpStar או לנסות לשפר אותו בעצמו. JumpStar אומן כולו על MacBook M4. יותר כוח חישוב בוודאי ישפר את הביצועים.
• תשתית בנצ'מרק ציבורית. לשחמט ולגו יש קהילות שבהן אפשר לבדוק מנועים, להשוות ביניהם ולשפר אותם. CCERL מביא את אותה תשתית לדמקה סינית: חוקים ברורים, משחקים שניתן לשחזר, יומני משחק ציבוריים ודרך לאנשים אחרים לבנות מודלים משלהם.
• מחקר של המשחק עצמו. בינה מלאכותית חזקה משנה את מה שאנחנו מסוגלים לראות. אני רוצה להבין איך נראה משחק טוב, איך פתיחות מתפתחות, למה לוחות צפופים מתנהגים כפי שהם מתנהגים, ומה קורה במשחקים של שלושה, ארבעה ושישה שחקנים כשמרכז הלוח הופך לפקק תנועה של אפשרויות.
• גרסאות מרובות משתתפים. המודל לשני שחקנים הוא רק ההתחלה. השאלות הפרועות יותר מתחילות כשהלוח נעשה צפוף יותר: שלושה שחקנים, ארבעה שחקנים, שישה שחקנים, בריתות משתנות, נתיבים חסומים ופתיחות מוזרות שצצות מעצמן. אני רוצה לגלות איך נראה משחק חזק גם שם, וגם על לוחות גדולים בהרבה מהרגיל. המורכבויות והדפוסים שיצוצו יהיו מהפנטים.

אני מקווה ש־JumpStar יעודד יותר אנשים לחשוב על דמקה סינית, לשחק בה, לחקור אותה ולבנות סביבה.