A JumpStar a világ legerősebb csillaghalma AI-motorja
Előzmények
A JumpStart az anyukámnak készítettem. A projekt 2026. május 15-én kezdődött Indianában, amikor segítettem a szüleimnek kiköltözni a gyerekkori otthonunkból. Pakolás közben megtaláltuk a régi csillaghalma-táblánkat, és nosztalgiázni kezdtünk arról, milyen jó volt családostul játszani.
Miután a bátyámmal elmentünk egyetemre, anyukám próbált csillaghalma-alkalmazásokat keresni iPhone-ra, hogy egyedül is játszhasson tovább, de egyik sem volt igazán jó. Az AlphaGo és a Stockfish sikerei után úgy gondoltam, hogy biztosan léteznek erős, nyílt forráskódú AI-motorok a csillaghalmához – de nem léteznek. Népszerűsége és eleganciája ellenére a csillaghalma meglepően kevés figyelmet kapott az AI-közösségtől. Ez a hiány vezetett oda, hogy megépítsem a JumpStart.
A célom az volt, hogy megépítsem az első emberfeletti csillaghalma AI-motort. Egy erős számítógépes ellenfél lehetővé tenné, hogy anyukám akkor is játszhasson, amikor a bátyám és én nem vagyunk a közelben. Egy emberfeletti AI-motor akár olyan gyönyörű új mintázatokat és stratégiákat is felfedezhet a játékban, amelyek még nem széles körben ismertek.
Ezért vált a projekt nyilvánossá is. Egy erős, zárt motor érdekes, de mások nehezen tudják értékelni vagy továbbfejleszteni. A nyilvános csillaghalma AI-benchmark ellenőrizhetővé teszi a munkát: egy szabályrendszer, egy protokoll, egy állásgyűjtemény, referenciamotorok, naplók és egy megnevezett JumpStar-modell, amelyet más rendszerek kihívhatnak.
Miért érdekes a csillaghalma AI?
A sakk és a gó mögött évtizedeknyi nyilvános AI-munka áll: motorok, benchmarkok, értékszámlisták és közös játszmaarchívumok. A csillaghalmának szinte semmi ilyesmi nem jutott, pedig éppen az a fajta játék, amelyet az AI jól tud tanulmányozni. Nincs rejtett információ, nincs szerencse, és egyértelmű, hogyan lehet nyerni.
Ráadásul gyorsan bonyolulttá válik. A JumpStar kétszemélyes szabályai szerint 14 szabályos első lépés van, az első két lépés 196-féleképpen alakulhat, a harmadik után pedig ez a szám már 4760. Később az ugrássorozatok és a zsúfolt sávok miatt a jó lépéseket sokkal nehezebb észrevenni, mint a szabályok alapján gondolnánk.
Mi a JumpStar?
A JumpStar önjátékkal tanított csillaghalma-motor, amely egy kompakt, C++20 nyelvű szabály- és keresőmagra, egy neurális policy/value modellre és Monte Carlo-fakeresésre épül. Legerősebb nyilvános ellenőrzőpontja, a JumpStar_60, a CCERL-2P10-v2 benchmark jelenlegi bajnoka. Minden JumpStar-modellt egy MacBook M4-en tanítottak, nem pedig azokon a nagy GPU-fürtökön, amelyeken a híres sakk- és gómotorok készültek.
A cél az emberfeletti játék, és ezt az állítást próbára lehet tenni: a JumpStar a kétszemélyes szabályok szerint emberfelettinek vagy ahhoz közelinek tűnik, a CCERL pedig lehetővé teszi, hogy bármelyik jövőbeli motor kihívja.
A rendszer
A JumpStar teljes motor és benchmark, nem csupán egy betanított modell.
- Szabályok és keresés. A 121 mezős tábla kompakt modellje szigorú kétszemélyes szabályokkal, az egyszerű lépések és az ugrássorozatok gyors generálásával, valamint mérkőzésfuttatóval. A szabályok szándékosan explicitek, hogy egy motor ne nyerhessen azzal, hogy egy háromszögben táborozik, vagy kihasználja a játékvezető program valamelyik furcsaságát.
- Önjátékos tanítás. A JumpStar önmaga ellen játszik, és ezek a játszmák egy policy/value modellt tanítanak, amely a következő keresési kört irányítja. A
JumpStar_60egy512x4hálózat körülbelül10.36Mparaméterrel, amelyet1.8Mújraelemzett álláson tanítottak. - Nyilvános benchmark. A csillaghalmához nem volt nyilvános motorrangsor, ezért megépítettem a
CCERL-2P10-v2benchmarkot a JumpStarral párhuzamosan. Meghatározza a szabályokat, a motorprotokollt, a kezdőállások rögzített készletét, a referenciamotorokat és az értékszámítás módját, és minden játszma naplóját közzéteszi, hogy az eredmények ellenőrizhetők legyenek.
Hogyan játszik a JumpStar csillaghalmát?
A JumpStar gyakran nem csak versenyt fut. Lelassítja az ellenfelet, a helyükön tartja a hasznos blokkoló bábukat, és tömör háromszög alakzatokat épít, amelyeken át nehéz ugrálni a tábla közepén.
Mivel bábut soha nem ütnek le, egy védekező alakzat sok körön át megmaradhat. Elvághat egy ugrási útvonalat, kerülőre kényszerítheti az ellenfelet, és időt nyerhet ahhoz, hogy a JumpStar saját bábui hazaérjenek.
Győztes megnyitási minta
| # | Játékos | Típus |
|---|
A keresési és tanítási ciklus
Nagy vonalakban a JumpStar az AlphaZero mintáját követi: az önjáték MCTS-látogatási célokat állít elő, ezek egy policy/value modellt tanítanak, és az erősebb modell irányítja a következő keresési kört.
önjáték -> MCTS-látogatási célok -> policy/value tanítás -> erősebb keresés -> önjáték
A gyakorlati erő abból fakadt, hogy ezt a ciklust elég olcsóvá tettem ahhoz, hogy újra és újra lefuttatható legyen: natív C++ önjátékos munkafolyamatok, hatékony lépésgenerálás, kötegelt levélkiértékelés, transzpozíciók, részfák újrahasznosítása, kompakt adatok és helyi Apple-hardverre hangolt kiadási buildek.
Ennek a tömörítésnek nagy része abból adódott, hogy a Codexet GPT-5.5-tel implementációs és kutatási partnerként használtam. A Codex segített átnézni a kódbázist, feltérképezni a szűk keresztmetszeteket, újraírni a kritikus kódrészeket, elemezni a tanítási naplókat, összeállítani a benchmarkfuttatásokat, és egyszerre több kísérleti szálat is mozgásban tartani. A legfontosabb nyereségek gyakorlatiak voltak: jelentős gyorsulás az önjátékban és a kiértékelésben, nagyjából 98%-os memóriacsökkentés a tanítási folyamatban, hogy a munka elférjen a saját gépemen, és elég automatizáció ahhoz, hogy a motort tovább fejleszthessem, miközben teljes munkaidőben vezérigazgatóként vezettem az Ediát.
A projekt szokatlanul gyorsan haladt, mert a ciklus nemcsak a modell önjátéka volt, hanem a körülötte lévő rendszer iteratív mérnöki ciklusa is. A Codex lehetővé tette, hogy lefuttassak egy kísérletet, megvizsgáljam a hiba módját, optimalizáljam a kódot, újrafuttassam a benchmarkot, összefoglaljam az eredményt, és a következő kérdést konkrét javítássá alakítsam. Ez a visszacsatolási ciklus olyan munkát sűrített bele körülbelül egy hétbe – a tábla megtalálásától a nyilvános indulásig –, amely egyébként hónapokig tartó infrastruktúra-, eszköz-, frontend-, benchmark- és szövegírási munkát igényelt volna.
A Codex helyi felhasználási nyilvántartása durva képet ad az együttműködés léptékéről. A helyi Codex-állapotadatbázisban látható projektszálakban a rögzített tokens_used összesen körülbelül 559.9M token volt. Ezek a számok tartalmazzák a kontextust, az eszközkimeneteket, a gyorsítótárazott kontextus hatásait, az érvelési és kimeneti elszámolást, valamint az egymást átfedő munkaszálakat, ezért folyamatmutatóként, nem pedig a számítási kapacitás tudományos méréseként érdemes értelmezni őket.
A CCERL és a nyilvános benchmark
A csillaghalmának nincs a sakkéhoz és a góéhoz hasonló, kiforrott nyilvános motorrangsora, ami megnehezíti a motorok erejének és fejlődésének értékelését. A CCERL ezt a hiányt pótolja. A CCERL az első nyilvános benchmark a csillaghalma AI-motorok erejének mérésére. A sakkból és a góból ismert hasonló koncepciókra építve a CCERL rögzített szabályokat, ellenőrzött kezdőállásokat, párosított oldalcseréket, letölthető játszmanaplókat és nyilvános referenciamotorokat kínál.
A CCERL-benchmarkok alapján a JumpStar nagy előnnyel a világ legerősebb nyilvánosan elérhető csillaghalma AI-motorjának tűnik.
Úgy vélem, hogy a JumpStar a kétszemélyes szabályprofilban közel emberfeletti csillaghalma-erőt ért el, mindössze MacBook-méretű helyi számítási kapacitással. Ennél is fontosabb, hogy a CCERL minden jövőbeli közreműködő számára célt kínál: módosítsa a JumpStart, építsen új modellt, portoljon egy meglévő motort hűségesebben, adjon hozzá jobb állásokat, vagy nevezzen be egy kihívót ugyanazon játékvezető mellett.
Jövőbeli munka
A JumpStar nem csupán egy zárt botnak készült. A projekt négy dologgá szeretne válni:
- Erős, nyilvános AI-modell. A JumpStar nyílt licencű, és ez a weboldal ingyenes. Bárki játszhat a JumpStar ellen, vagy megpróbálhatja maga továbbfejleszteni. A JumpStart teljes egészében egy MacBook M4-en tanították. Több számítási kapacitás biztosan javítaná a teljesítményét.
- Nyilvános benchmark-infrastruktúra. A sakknak és a gónak vannak olyan közösségei, ahol a motorokat tesztelni, összehasonlítani és fejleszteni lehet. A CCERL ugyanezt az infrastruktúrát hozza el a csillaghalmának: egyértelmű szabályokat, reprodukálható mérkőzéseket, nyilvános naplókat és utat mások számára saját modelljeik megépítéséhez.
- Magának a játéknak a kutatása. Az erős AI megváltoztatja, mit vagyunk képesek látni. Szeretném megérteni, hogyan néz ki a jó játék, hogyan fejlődnek a megnyitások, miért viselkednek úgy a zsúfolt táblák, ahogy viselkednek, és mi történik a három-, négy- és hatszemélyes játszmákban, amikor a tábla közepe a lehetőségek forgalmi dugójává válik.
- Többszemélyes változatok. A kétszemélyes modell csak a kezdet. A legizgalmasabb kérdések akkor kezdődnek, amikor a tábla zsúfoltabbá válik: három játékos, négy játékos, hat játékos, változó szövetségek, elzárt utak és furcsa, maguktól kialakuló megnyitások. Szeretném kideríteni, hogyan néz ki ott is az erős játék, és a szokásosnál jóval nagyobb táblákon is. Az így felbukkanó összetettség és mintázatok lenyűgözőek lesznek.
Remélem, hogy a JumpStar többeket arra ösztönöz, hogy foglalkozzanak a csillaghalmával: játsszák, tanulmányozzák, és építsenek köré.