หมากฮอสจีน JumpStar

JumpStar คือเอนจิน AI หมากฮอสจีนที่แข็งแกร่งที่สุดในโลก

จุดเริ่มต้น

ฉันสร้าง JumpStar ให้แม่ โปรเจ็กต์นี้เริ่มต้นเมื่อวันที่ 15 พฤษภาคม 2026 ที่รัฐอินดีแอนา ตอนที่ฉันกำลังช่วยพ่อแม่ย้ายออกจากบ้านที่เราเติบโตมา ระหว่างเก็บของ เราเจอกระดานหมากฮอสจีนเก่า และเริ่มรำลึกถึงความสนุกตอนที่เคยเล่นกันทั้งครอบครัว

หลังจากฉันกับพี่ชายไปเรียนมหาวิทยาลัย แม่พยายามหาแอปหมากฮอสจีนบน iPhone เพื่อจะได้เล่นต่อคนเดียว แต่ไม่มีแอปไหนดีเลย เมื่อดูความสำเร็จของ AlphaGo และ Stockfish ฉันคิดว่าต้องมีเอนจิน AI โอเพนซอร์สที่แข็งแกร่งสำหรับหมากฮอสจีนอยู่มากมายแน่ ๆ แต่กลับไม่มี แม้จะเป็นเกมที่ได้รับความนิยมและสง่างาม หมากฮอสจีนกลับได้รับความสนใจจากวงการ AI น้อยอย่างน่าประหลาดใจ ช่องว่างนี้เองที่ทำให้ฉันสร้าง JumpStar

เป้าหมายของฉันคือสร้างเอนจิน AI หมากฮอสจีนตัวแรกที่เก่งเหนือมนุษย์ คู่ต่อสู้คอมพิวเตอร์ที่แข็งแกร่งจะทำให้แม่เล่นต่อได้แม้ฉันกับพี่ชายจะไม่ได้อยู่ใกล้ ๆ เอนจิน AI ที่เก่งเหนือมนุษย์อาจถึงขั้นค้นพบรูปแบบและกลยุทธ์ใหม่ ๆ อันงดงามของเกมที่ยังไม่เป็นที่รู้จักกันแพร่หลาย

นี่คือเหตุผลที่โปรเจ็กต์นี้เปิดสู่สาธารณะด้วย เอนจินส่วนตัวที่แข็งแกร่งนั้นน่าสนใจ แต่คนอื่นประเมินหรือปรับปรุงได้ยาก เบนช์มาร์ก AI หมากฮอสจีนสาธารณะทำให้งานนี้ตรวจสอบได้ ด้วยชุดกติกา โปรโตคอล ชุดตำแหน่ง ระบบอ้างอิงพื้นฐาน บันทึกเกม และโมเดล JumpStar ที่ระบุชื่อชัดเจนให้ระบบอื่นมาท้าชิงได้

ทำไม AI หมากฮอสจีนจึงน่าสนใจ

หมากรุกและโกะมีงาน AI สาธารณะสะสมมาหลายสิบปี ทั้งเอนจิน เบนช์มาร์ก ตารางเรตติ้ง และบันทึกเกมที่แบ่งปันกัน หมากฮอสจีนแทบไม่มีสิ่งเหล่านี้เลย ทั้งที่เป็นเกมแบบที่ AI ศึกษาได้ดี ไม่มีข้อมูลที่ซ่อนอยู่ ไม่มีโชค และมีวิธีชนะที่ชัดเจน

เกมนี้ยังซับซ้อนขึ้นเร็วมากด้วย ในกติกาสองผู้เล่นของ JumpStar มีตาแรกที่ถูกกติกา 14 ตา สองตาแรกเป็นไปได้ 196 แบบ และพอถึงตาที่สามก็มี 4,760 แบบ ในช่วงหลังของเกม การกระโดดต่อเนื่องและช่องทางที่แออัดทำให้มองเห็นการเดินที่ดีได้ยากกว่าที่กติกาดูเหมือนจะบอกไว้มาก

JumpStar คืออะไร

JumpStar คือเอนจินหมากฮอสจีนที่ฝึกด้วยการเล่นกับตัวเอง สร้างบนแกนกติกาและการค้นหาขนาดกะทัดรัดด้วย C++20 โมเดลนิวรัลแบบ policy/value และการค้นหาแบบต้นไม้มอนติคาร์โล (MCTS) เช็กพอยต์สาธารณะที่แข็งแกร่งที่สุดคือ JumpStar_60 ซึ่งเป็นแชมป์เบนช์มาร์ก CCERL-2P10-v2 ในปัจจุบัน โมเดล JumpStar ทุกตัวฝึกบน MacBook M4 ไม่ใช่บนคลัสเตอร์ GPU ขนาดใหญ่อย่างที่อยู่เบื้องหลังเอนจินหมากรุกและโกะชื่อดัง

เป้าหมายคือการเล่นที่เหนือมนุษย์ และข้อกล่าวอ้างนี้ตั้งใจให้ทดสอบได้ JumpStar ดูเหมือนจะเก่งเหนือมนุษย์หรือใกล้เคียงภายใต้กติกาสองผู้เล่น และ CCERL เปิดให้เอนจินใดก็ได้ในอนาคตมาท้าชิง

ระบบ

JumpStar มีทั้งเอนจินและเบนช์มาร์กครบชุด ไม่ได้มีแค่โมเดลที่ฝึกแล้ว

  • กติกาและการค้นหา โมเดลกระดาน 121 หลุมแบบกะทัดรัด พร้อมกติกาสองผู้เล่นแบบเข้มงวด การสร้างตาเดินที่รวดเร็วสำหรับการเดินหนึ่งช่องและการกระโดดหลายครั้ง และตัวจัดแมตช์ กติกาเขียนไว้ชัดเจนโดยตั้งใจ เพื่อไม่ให้เอนจินชนะด้วยการปักหลักอยู่ในสามเหลี่ยม หรือหาช่องโหว่ของกรรมการ
  • การฝึกด้วยการเล่นกับตัวเอง JumpStar เล่นกับตัวเอง แล้วใช้เกมเหล่านั้นฝึกโมเดล policy/value ที่นำทางการค้นหารอบถัดไป JumpStar_60 เป็นเครือข่ายขนาด 512x4 ที่มีพารามิเตอร์ประมาณ 10.36M ตัว ฝึกด้วยตำแหน่งที่วิเคราะห์ซ้ำแล้ว 1.8M ตำแหน่ง
  • เบนช์มาร์กสาธารณะ หมากฮอสจีนยังไม่มีตารางอันดับเอนจินสาธารณะ ฉันจึงสร้าง CCERL-2P10-v2 ควบคู่ไปกับ JumpStar ซึ่งกำหนดกติกา โปรโตคอลเอนจิน ชุดตำแหน่งเริ่มต้นที่ตายตัว เอนจินอ้างอิงพื้นฐาน และวิธีคำนวณเรตติ้ง พร้อมเผยแพร่บันทึกเกมทุกเกมเพื่อให้ตรวจสอบผลได้

JumpStar เล่นหมากฮอสจีนอย่างไร

JumpStar มักไม่ได้แค่แข่งความเร็ว มันถ่วงคู่ต่อสู้ให้ช้าลง เก็บหมากขวางที่มีประโยชน์ไว้ที่เดิม และสร้างรูปทรงสามเหลี่ยมแน่น ๆ ที่ทำให้กระโดดผ่านกลางกระดานได้ยาก

เพราะหมากไม่เคยถูกกิน รูปทรงเชิงรับจึงอยู่ได้หลายตา มันตัดเส้นทางกระโดด บังคับให้คู่ต่อสู้ต้องอ้อม และซื้อเวลาให้หมากของ JumpStar เองเข้าบ้าน

รูปแบบการเปิดเกมที่ชนะ

การเล่นซ้ำการเปิดเกมที่ชนะ ลำดับการเปิดเกมแปดตา โดยไฮไลต์การกระโดดตาสุดท้ายของผู้เล่น 2 ไว้
# ผู้เล่น ประเภท
รูปทรงสามเหลี่ยมเชิงรับของ JumpStar ตำแหน่งจากเกมจริงที่แสดง JumpStar สร้างรูปทรงกลางกระดานซึ่งทำให้กระโดดผ่านตรงกลางได้ยาก และดันหมากฝ่ายตรงข้ามออกไปด้านนอก
ปิดตรงกลาง JumpStar มักสร้างแนวหน้าคล้ายสามเหลี่ยมที่กะทัดรัดสองแนว ซึ่งทำให้กระโดดผ่านช่องทางกลางได้ลำบาก และดันหมากฝ่ายตรงข้ามไปทางด้านนอก
การกระโดดต่อเนื่องยาวช่วงท้ายเกมของ JumpStar ตำแหน่งจากเกมจริงที่แสดง JumpStar เว้นระยะหมากให้เป็นทางกระโดดต่อเนื่องยาวไปยังปลายทางฝั่งตรงข้าม
ปิดเกมด้วยการกระโดดต่อเนื่อง ต่อมา สัญชาตญาณการเว้นระยะแบบเดียวกันนั้นสร้างบันไดยาวที่พาหมากที่ตามหลังกลับบ้านได้อย่างมีประสิทธิภาพ

วงจรการค้นหาและการฝึก

ในภาพรวม JumpStar ใช้รูปแบบเดียวกับ AlphaZero คือการเล่นกับตัวเองสร้างเป้าหมายจากจำนวนการเยี่ยมชมของ MCTS เป้าหมายเหล่านั้นใช้ฝึกโมเดล policy/value และโมเดลที่แข็งแกร่งขึ้นจะนำทางการค้นหารอบถัดไป

เล่นกับตัวเอง -> เป้าหมายการเยี่ยมชมของ MCTS -> ฝึก policy/value -> การค้นหาที่แข็งแกร่งขึ้น -> เล่นกับตัวเอง

ความแข็งแกร่งในทางปฏิบัติมาจากการทำให้วงจรนั้นต้นทุนต่ำพอจะรันซ้ำได้ ด้วยเวิร์กเกอร์เล่นกับตัวเองที่เขียนด้วย C++ แบบเนทีฟ การสร้างตาเดินที่มีประสิทธิภาพ การประเมินโหนดใบเป็นชุด ทรานสโพซิชัน การใช้ต้นไม้ย่อยซ้ำ บันทึกที่กะทัดรัด และบิลด์รีลีสที่ปรับแต่งสำหรับฮาร์ดแวร์ Apple ในเครื่อง

ส่วนสำคัญของการย่นระยะเวลานั้นมาจากการใช้ Codex ร่วมกับ GPT-5.5 เป็นคู่หูด้านการพัฒนาและการวิจัย Codex ช่วยตรวจโค้ดเบส วิเคราะห์คอขวด เขียนส่วนที่ทำงานหนักใหม่ วิเคราะห์บันทึกการฝึก จัดชุดการรันเบนช์มาร์ก และทำให้การทดลองหลายสายเดินหน้าไปพร้อมกัน ผลที่สำคัญที่สุดเป็นเรื่องเชิงปฏิบัติ ได้แก่ การเล่นกับตัวเองและการประเมินที่เร็วขึ้นมาก การลดหน่วยความจำในขั้นตอนการฝึกลงราว 98% จนงานรันบนเครื่องของฉันได้ และระบบอัตโนมัติมากพอที่จะพัฒนาเอนจินต่อไปได้ ขณะที่ฉันยังทำงานประจำเต็มเวลาในตำแหน่ง CEO ของ Edia

โปรเจ็กต์เดินหน้าเร็วผิดปกติ เพราะวงจรนี้ไม่ได้เป็นแค่การเล่นกับตัวเองของโมเดล แต่ยังเป็นวงจรวิศวกรรมแบบวนซ้ำสำหรับระบบรอบ ๆ ด้วย Codex ทำให้ฉันรันการทดลอง ตรวจดูสาเหตุที่ล้มเหลว ปรับแต่งโค้ด รันเบนช์มาร์กใหม่ สรุปผล และเปลี่ยนคำถามถัดไปให้เป็นแพตช์ที่จับต้องได้ วงจรป้อนกลับนี้ย่นงานที่อาจต้องใช้เวลาหลายเดือนทั้งด้านโครงสร้างพื้นฐาน เครื่องมือ ฟรอนต์เอนด์ เบนช์มาร์ก และการเขียนสรุป ให้เหลือราวหนึ่งสัปดาห์ นับจากวันที่เจอกระดานจนถึงวันเปิดตัวสู่สาธารณะ

การบันทึกการใช้งานของ Codex ในเครื่องช่วยให้เห็นขนาดของการทำงานร่วมกันนี้คร่าว ๆ จากเธรดของโปรเจ็กต์ที่เห็นได้ในฐานข้อมูลสถานะ Codex ในเครื่อง ค่า tokens_used ที่บันทึกไว้รวมประมาณ 559.9M โทเค็น ตัวเลขเหล่านี้รวมบริบท เอาต์พุตของเครื่องมือ ผลของบริบทที่แคชไว้ การนับการให้เหตุผล/เอาต์พุต และเธรดงานที่ซ้อนทับกัน จึงควรมองเป็นตัวชี้วัดกระบวนการ ไม่ใช่การวัดพลังประมวลผลทางวิทยาศาสตร์

CCERL และเบนช์มาร์กสาธารณะ

หมากฮอสจีนไม่มีตารางอันดับเอนจินสาธารณะที่เติบโตเต็มที่อย่างหมากรุกและโกะ จึงประเมินความแข็งแกร่งและพัฒนาการของเอนจินได้ยาก CCERL เข้ามาเติมช่องว่างนั้น CCERL คือเบนช์มาร์กสาธารณะแห่งแรกสำหรับประเมินความแข็งแกร่งของเอนจิน AI หมากฮอสจีน โดยอิงแนวคิดคล้ายกับของหมากรุกและโกะ CCERL มีกติกาที่ตายตัว ตำแหน่งเริ่มต้นที่ผ่านการตรวจสอบ การจับคู่สลับฝั่ง บันทึกเกมที่ดาวน์โหลดได้ และระบบอ้างอิงพื้นฐานสาธารณะ

จากผลเบนช์มาร์กของ CCERL ดูเหมือนว่า JumpStar จะเป็นเอนจิน AI หมากฮอสจีนที่เปิดให้ใช้สาธารณะซึ่งแข็งแกร่งที่สุดในโลกอย่างทิ้งห่าง

ฉันเชื่อว่า JumpStar มีความแข็งแกร่งในหมากฮอสจีนใกล้ระดับเหนือมนุษย์แล้วภายใต้กติกาแบบสองผู้เล่น โดยใช้พลังประมวลผลระดับ MacBook ในเครื่อง ที่สำคัญกว่านั้น CCERL มอบเป้าหมายให้ผู้ร่วมพัฒนาทุกคนในอนาคต ไม่ว่าจะปรับแต่ง JumpStar สร้างโมเดลใหม่ พอร์ตเอนจินที่มีอยู่ให้ตรงต้นฉบับยิ่งขึ้น เพิ่มตำแหน่งที่ดีกว่า หรือส่งผู้ท้าชิงเข้ามาภายใต้กรรมการเดียวกัน

งานในอนาคต

JumpStar ไม่ได้ตั้งใจเป็นแค่บอตส่วนตัว โปรเจ็กต์นี้พยายามจะเป็นสี่สิ่ง:

  • โมเดล AI สาธารณะที่แข็งแกร่ง JumpStar ใช้สัญญาอนุญาตแบบเปิด และเว็บไซต์นี้ใช้ฟรี ใครก็เล่นกับ JumpStar หรือลองพัฒนาด้วยตัวเองได้ JumpStar ฝึกบน MacBook M4 ทั้งหมด พลังประมวลผลที่มากขึ้นย่อมช่วยให้เก่งขึ้นแน่นอน
  • โครงสร้างพื้นฐานเบนช์มาร์กสาธารณะ หมากรุกและโกะมีชุมชนที่เอนจินถูกทดสอบ เปรียบเทียบ และพัฒนาได้ CCERL นำโครงสร้างพื้นฐานแบบเดียวกันมาสู่หมากฮอสจีน ได้แก่ กติกาที่ชัดเจน แมตช์ที่ทำซ้ำได้ บันทึกเกมสาธารณะ และเส้นทางให้คนอื่นสร้างโมเดลของตัวเอง
  • การวิจัยตัวเกมเอง AI ที่แข็งแกร่งเปลี่ยนสิ่งที่เรามองเห็น ฉันอยากเข้าใจว่าการเล่นที่ดีเป็นอย่างไร การเปิดเกมพัฒนาไปอย่างไร ทำไมกระดานที่แออัดจึงเป็นอย่างที่เป็น และเกิดอะไรขึ้นในเกมสาม สี่ และหกคน เมื่อกลางกระดานกลายเป็นจุดรถติดของความเป็นไปได้
  • รูปแบบหลายผู้เล่น โมเดลสองผู้เล่นเป็นเพียงจุดเริ่มต้น คำถามที่ท้าทายยิ่งกว่าเริ่มขึ้นเมื่อกระดานแออัดขึ้น ทั้งสามคน สี่คน หกคน พันธมิตรที่เปลี่ยนไปมา เส้นทางที่ถูกปิด และการเปิดเกมแปลก ๆ ที่เกิดขึ้นเอง ฉันอยากรู้ว่าการเล่นที่แข็งแกร่งในสถานการณ์เหล่านั้นเป็นอย่างไร รวมถึงบนกระดานที่ใหญ่กว่ามาตรฐานมาก ความซับซ้อนและรูปแบบที่จะปรากฏออกมาคงน่าตะลึง

ฉันหวังว่า JumpStar จะชวนให้ผู้คนหันมาคิดถึงหมากฮอสจีน เล่น ศึกษา และสร้างสิ่งต่าง ๆ รอบเกมนี้มากขึ้น