IA pentru Dame chinezești

JumpStar este cel mai puternic motor IA din lume pentru Dame chinezești

Acum pe iPhone Dame chinezești: JumpStar Joacă offline împotriva celei mai puternice IA, rezolvă puzzle-uri zilnice, primește indicii și salvează reluări. Descarcă

Originea

Am construit JumpStar pentru mama mea. Proiectul a început pe 15 mai 2026, în Indiana, când îi ajutam pe părinții mei să se mute din casa în care am crescut. În timp ce le împachetam lucrurile, am găsit vechea noastră tablă de Dame chinezești și ne-am amintit cât de distractiv era să jucăm împreună, în familie.

După ce eu și fratele meu am plecat la facultate, mama încercase să găsească aplicații de Dame chinezești pentru iPhone ca să poată juca în continuare singură, dar niciuna nu era bună. Având în vedere succesele AlphaGo și Stockfish, credeam că există cu siguranță multe motoare IA open source puternice pentru Dame chinezești - dar nu există. În ciuda popularității și eleganței sale, jocul Dame chinezești primise surprinzător de puțină atenție din partea comunității IA. Acest gol m-a determinat să construiesc JumpStar.

Scopul meu a fost să construiesc primul motor IA supraomenesc pentru Dame chinezești. Un adversar computerizat puternic i-ar permite mamei să joace în continuare chiar și atunci când eu și fratele meu nu suntem prin preajmă. Un motor IA supraomenesc ar putea chiar să descopere tipare și strategii noi și frumoase ale jocului, care nu erau încă larg cunoscute.

De aceea proiectul a devenit și public. Un motor privat puternic este interesant, dar e greu pentru altcineva să-l evalueze sau să-l îmbunătățească. Benchmarkul public pentru IA la Dame chinezești transformă munca într-un lucru verificabil: un set de reguli, un protocol, o suită de poziții, referințe de bază, jurnale și un model JumpStar cu nume, pe care alte sisteme îl pot provoca.

Frumusețea jocului Dame chinezești

Dame chinezești este o cursă pe o tablă în formă de stea cu șase colțuri. Fiecare jucător începe cu un grup de zece piese într-un triunghi și încearcă să-și mute primul toate piesele în triunghiul opus. Jocul poate fi jucat de doi, trei, patru sau șase jucători. Există doar două tipuri de mutări, pasul și săritura, și nicio posibilitate de a captura piese, iar acesta este unul dintre motivele pentru care tabla pare atât de vie: reguli simple de mișcare produc un trafic complex, în timp ce jucătorii încearcă să construiască lanțuri de sărituri și să-i împiedice pe adversari să facă la fel.

În ciuda numelui, Dame chinezești nu provine din China și nici nu este cu adevărat un joc de dame. Jocul este de obicei legat de Stern-Halma, sau Halma-stea, o adaptare germană a jocului Halma pe o tablă în formă de stea, publicată în 1892. Numele englezesc cunoscut a apărut mai târziu, prin marketingul american, iar de atunci jocul a devenit popular în întreaga lume.

Cum se joacă Dame chinezești

La tura ta, muți una dintre piesele tale. O piesă poate face un pas într-o gaură liberă vecină sau poate sări peste o gaură ocupată vecină, în gaura liberă de dincolo de ea. Săriturile se pot înlănțui, așa că o singură mutare poate traversa o mare parte din tablă dacă spațierea este potrivită. Piesele peste care se sare rămân pe tablă. Ele nu sunt capturate.

Scopul este să-ți muți toate piesele în triunghiul aflat exact vizavi de triunghiul de pornire. Jocul bun nu înseamnă doar să te grăbești înainte. Trebuie să construiești scări utile, să eviți să-ți blochezi propriile piese, să folosești bine centrul aglomerat și să decizi când o mutare care pare lentă acum va crea mai târziu un traseu mai rapid.

Pentru o referință concentrată, citește regulile complete Dame chinezești. Când ești pregătit să joci mai bine, continuă cu ghidul de strategie și tactică JumpStar.

De ce este interesantă IA pentru Dame chinezești

Jocurile de societate clasice sunt de zeci de ani în centrul cercetării în IA. Deep Blue de la IBM l-a învins pe campionul mondial de șah Garry Kasparov în 1997. AlphaGo l-a învins pe Lee Sedol în 2016. Aceste jocuri au devenit repere pentru că jocul puternic al computerelor a schimbat modul în care oamenii le înțelegeau.

Dame chinezești nu a avut același ecosistem public de IA. În comparație cu șahul și Go, există mult mai puține motoare, benchmarkuri, clasamente, înregistrări publice de partide sau instrumente de cercetare comune. Golul este surprinzător, pentru că jocul are exact tipul de structură pe care sistemelor IA le place să o studieze: informație perfectă, fără elemente aleatorii, o condiție clară de victorie și un număr enorm de viitoruri posibile.

Chiar și poziția liniștită de deschidere se ramifică rapid. În setul de reguli pentru doi jucători al lui JumpStar, tabla de pornire are 14 mutări inițiale legale. După ce fiecare parte a mutat o dată, există 196 de secvențe posibile de două semimutări. La adâncimea trei, există 4.760 de secvențe posibile de mutări din poziția inițială. Mai târziu în partidă, săriturile în lanț și culoarele aglomerate fac alegerile mult mai puțin evidente decât sugerează regulile.

Ce este JumpStar

JumpStar este un motor de Dame chinezești antrenat prin self-play, construit pe un nucleu compact de reguli și căutare în C++20, un model neuronal de politică/valoare și căutare Monte Carlo în arbore. Cel mai puternic checkpoint public al său, JumpStar_60, este actualul campion al benchmarkului CCERL-2P10-v2. Rezultatul surprinzător este eficiența. Toate modelele JumpStar au fost antrenate pe un MacBook M4, nu pe marile clustere TPU/GPU asociate cu sistemele de referință pentru Go și șah.

Ambiția este jocul supraomenesc, dar afirmația publică este în mod deliberat testabilă: JumpStar pare să fie supraomenesc sau aproape supraomenesc în profilul de reguli pentru doi jucători, iar CCERL există pentru ca motoarele viitoare să poată contesta acest rezultat.

Sistemul

JumpStar nu este doar un checkpoint de model. Este un motor complet și o întreagă infrastructură de benchmark: reprezentarea tablei, reguli, căutare, self-play, înregistrări de antrenare, instrumente de arbitraj și dovezi publice.

• Reguli și căutare. JumpStar folosește o reprezentare compactă, de tip bitmap, a tablei-stea cu 121 de găuri, reguli stricte pentru doi jucători, generarea legală a pașilor și a mutărilor cu mai multe sărituri, blocarea țintei, verificări ale stărilor finale, hashing determinist, boți de referință și un program nativ de rulare a meciurilor. Implementarea regulilor este în mod deliberat explicită, pentru că altfel motoarele de Dame chinezești pot exploata cazuri-limită: staționarea în triunghiurile de casă sau de țintă, crearea de blocaje artificiale sau câștigarea prin ciudățenii ale arbitrului, în loc de un joc mai bun. Profilul de reguli al lui JumpStar este gândit să recompenseze cursa curată, geometria puternică și căutarea reproductibilă, nu trucurile anti-blocare.
• Antrenare prin self-play. Self-play-ul și reanaliza generează stări ale tablei, acțiuni legale, numărul de vizite MCTS, rezultatele partidelor și caracteristici de progres. Aceste înregistrări antrenează un model de politică/valoare care ghidează următoarea rundă de căutare. JumpStar_60 este un MLP geometry_v1, 512x4, cu aproximativ 10.36M de parametri, antrenat pe un set de date reanalizat de 1.8M de exemple. Munca practică a constat în a face această buclă suficient de mică și de rapidă încât să poată rula în mod repetat pe hardware local.
• Benchmarking public. Pentru că Dame chinezești nu avea deja un clasament public matur al motoarelor, am dezvoltat CCERL-2P10-v2 în paralel cu JumpStar. CCERL definește setul de reguli, protocolul motoarelor, suita fixă de poziții, motoarele de referință, artefactele de lansare și metodologia de rating. Benchmarkul folosește poziții pereche, cu schimbarea părților, și publică jurnalele, astfel încât rezultatele să fie reproductibile, nu doar afirmate. Asta înseamnă că motoarele viitoare pot provoca JumpStar sub același arbitru, în loc să compare afirmații vagi despre putere.

Cum joacă JumpStar Dame chinezești

Una dintre cele mai interesante observații calitative este că JumpStar adesea nu joacă precum o simplă euristică de cursă. În schimb, dezvoltă strategii sofisticate, cum ar fi încetinirea adversarului, păstrarea unor piese de blocaj utile și construirea unor formații compacte, asemănătoare unor triunghiuri, care restricționează traficul prin culoarele importante.

Acest stil scapă ușor din vedere dacă Dame chinezești este privit doar ca o cursă de avansare. Pentru că piesele nu sunt niciodată capturate, o formă defensivă poate conta multe ture: poate bloca o scară de sărituri, îl poate forța pe adversar să ocolească aglomerația sau poate câștiga suficient timp pentru ca propriile piese ale modelului să-și finalizeze avantajul. Unele dintre cele mai puternice idei ale lui JumpStar ar putea așadar să țină de controlul geometriei, nu doar de avansarea mai rapidă.

Bucla de căutare și antrenare

La nivel general, JumpStar urmează modelul AlphaZero: self-play-ul produce ținte de vizite MCTS, aceste ținte antrenează un model de politică/valoare, iar modelul mai puternic ghidează următoarea rundă de căutare.

self-play -> ținte de vizite MCTS -> antrenare politică/valoare -> căutare mai puternică -> self-play

Puterea practică a venit din faptul că bucla a devenit suficient de ieftină pentru a rula în mod repetat: procese native de self-play în C++, generare eficientă a mutărilor, evaluare în loturi a frunzelor, transpoziții, reutilizarea subarborilor, înregistrări compacte și versiuni de lansare optimizate pentru hardware-ul Apple local.

O parte importantă din această comprimare a venit din folosirea Codex cu GPT-5.5 ca partener de implementare și cercetare. Codex a ajutat la inspectarea codului, profilarea blocajelor de performanță, rescrierea porțiunilor critice, analiza jurnalelor de antrenare, împachetarea rulărilor de benchmark și menținerea simultană a mai multor fire de experimente. Cele mai importante câștiguri au fost practice: accelerări mari ale self-play-ului și evaluării, reduceri ale memoriei de aproximativ 98% în etapa de antrenare, astfel încât munca să încapă pe calculatorul meu local, și suficientă automatizare pentru a continua să îmbunătățesc motorul în timp ce îmi făceam și treaba de zi cu zi, conducând Edia ca CEO.

Proiectul a avansat neobișnuit de repede pentru că bucla nu era doar self-play pentru model; era și o buclă iterativă de inginerie pentru sistemul din jurul lui. Codex a făcut posibil să rulez un experiment, să inspectez modul de eșec, să optimizez codul, să rulez din nou benchmarkul, să rezum rezultatul și să transform următoarea întrebare într-un patch concret. Acest ciclu de feedback a comprimat o muncă ce altfel ar fi putut dura luni de infrastructură, instrumente, frontend, benchmark și redactare în aproximativ o săptămână, de la redescoperirea tablei până la lansarea publică.

Contabilizarea locală din Codex oferă o idee aproximativă despre amploarea acestei colaborări. În firele de lucru ale proiectului vizibile în baza de date locală de stare Codex, valorile tokens_used înregistrate au totalizat aproximativ 559.9M de tokeni. Aceste cifre includ contextul, rezultatele instrumentelor, efectele contextului din cache, contabilizarea raționamentului și a ieșirilor, precum și fire de lucru suprapuse, așa că ar trebui citite ca o măsură a procesului, nu ca o măsurare științifică a puterii de calcul.

CCERL și benchmarkul public

Dame chinezești nu are un clasament public matur al motoarelor, ca șahul și Go, ceea ce face dificilă evaluarea puterii și a progresului motoarelor. CCERL umple acest gol. CCERL este primul benchmark public pentru evaluarea puterii motoarelor IA de Dame chinezești. Pornind de la concepte similare din șah și Go, CCERL oferă reguli fixe, poziții de pornire auditate, schimbări de părți pereche, jurnale de partide descărcabile și referințe publice de bază.

Pe baza benchmarkurilor CCERL, JumpStar pare să fie, la mare distanță, cel mai puternic motor IA disponibil public din lume pentru Dame chinezești.

Cred că JumpStar a atins o putere aproape supraomenească la Dame chinezești în profilul de reguli pentru doi jucători, folosind puterea de calcul a unui MacBook local. Mai important, CCERL le oferă tuturor contribuitorilor viitori o țintă: să modifice JumpStar, să construiască un model nou, să porteze mai fidel un motor existent, să adauge poziții mai bune sau să trimită un rival sub același arbitru.

Planuri de viitor

JumpStar nu este gândit să fie doar un bot privat. Proiectul încearcă să devină patru lucruri:

• Un model IA public și puternic. JumpStar are licență deschisă, iar acest site este gratuit. Oricine poate juca împotriva lui JumpStar sau poate încerca să-l îmbunătățească. JumpStar a fost antrenat în întregime pe un MacBook M4. Mai multă putere de calcul îi va îmbunătăți cu siguranță performanța.
• Infrastructură publică de benchmark. Șahul și Go au comunități în care motoarele pot fi testate, comparate și îmbunătățite. CCERL aduce aceeași infrastructură la Dame chinezești: reguli clare, meciuri reproductibile, jurnale publice și o cale prin care alți oameni își pot construi propriile modele.
• Cercetare asupra jocului în sine. O IA puternică schimbă ceea ce putem vedea. Vreau să înțeleg cum arată jocul bun, cum evoluează deschiderile, de ce tablele aglomerate se comportă așa cum se comportă și ce se întâmplă în partidele cu trei, patru și șase jucători, când mijlocul tablei devine un ambuteiaj de posibilități.
• Variante cu mai mulți jucători. Modelul pentru doi jucători este doar începutul. Întrebările cu adevărat fascinante încep când tabla devine mai aglomerată: trei jucători, patru jucători, șase jucători, alianțe schimbătoare, drumuri blocate și deschideri ciudate, apărute de la sine. Vreau să aflu cum arată jocul puternic și acolo, precum și pe table mult mai mari decât cea standard. Complexitatea și tiparele care vor apărea vor fi hipnotizante.

Sper ca JumpStar să încurajeze mai mulți oameni să se gândească la Dame chinezești, să joace, să studieze jocul și să construiască în jurul lui.