(SeaPRwire) –   Model bahasa besar (LLMs) tidak pandai bermain catur.

Namun, sebagai Juara Catur Kebangsaan tiga kali dan Juara Catur Wanita AS dua kali, saya suka bermain melawan mereka. Bukan kerana mereka mendorong saya untuk bermain dengan terbaik, tetapi kerana apa yang mereka dedahkan tentang sifat manusia. 

Bermain catur dengan LLMs telah mengajar saya betapa uniknya kreativiti dan kepelbagaian manusia, betapa mudah manusia terdedah kepada pujian dan sikoferi, serta bagaimana AI mula membentuk tingkah laku manusia. 

LLMs tidak sepatutnya pandai bermain catur sama sekali. Lagipun, mereka direka untuk meramalkan apa yang paling mungkin berlaku seterusnya dan untuk memuji kita. Algoritma catur berkuasa AI tidak cuba menindas anda; mereka cuba memastikan anda terus bermain. Tetapi dalam permainan catur mereka yang buruk dengan cara yang menarik, kita boleh belajar pelajaran di luar meja atau token. 

Program AI catur supermanusia, dari yang mengalahkan Garry Kasparov 30 tahun lalu hingga “AlphaZero” milik DeepMind, boleh konsisten mengalahkan mana-mana pemain manusia. Tetapi kebanyakan manusia tidak bermain dengan komputer catur teratas lagi kerana kekalahan anda adalah kesimpulan yang sudah pasti. Dihancurkan berulang kali hanya boleh mengajar anda sedikit. Sebaliknya, bereksperimen dengan LLMs boleh menjadi menggembirakan. 

Apabila saya pertama kali mencabar ChatGPT4 untuk permainan catur, ia bermain dengan baik, tetapi saya masih mendapat kedudukan hebat selepas 15 langkah dan memenangi kuda. Ketika kelebihan saya semakin bertambah, ia mengalami halusinasi kepingan khayalan untuk mengambil kembali ratu saya. Dalam erti kata lain, ia menipu! Pada mulanya, ini tidak masuk akal. Bukankah LLMs siap pakai lebih dikenali kerana sikoferi daripada mencuri? 

Jadi saya mula bermain langkah-langkah terburuk yang saya boleh fikirkan melawan ChatGPT. Ia melanggar peraturan sekali lagi, tetapi kali ini memihak kepada saya. Kepingan khayalan menggantikan kepingan yang saya telah buat kesilapan. Sama ada saya bermain lebih baik atau lebih buruk daripada ChatGPT, ia akhirnya membuat saya berada pada tahap yang sama dengannya. Ia tidak selalu menipu, tetapi ia selalu membuat cerita. Apabila manusia membuat cerita, kita cuba mengisi jurang ingatan atau impian kita dengan urutan yang paling logik. ChatGPT melakukan perkara yang sama. 

Saya mendapati halusinasi LLM lebih berkemungkinan berlaku apabila cuba melaksanakan “langkah panjang”, yang merentasi seluruh papan. Ini mencerminkan bagaimana LLM bergelut dengan perbualan panjang.  

Apabila Google mengadakan turnamen untuk LLMs teratas, 42 daripada 47 permainan menggunakan Sicilian Defense, juga digemari oleh Bobby Fischer, dan watak fiksyen Beth Harmon dari Queen’s Gambit. Mengapa begitu banyak cinta kepada Sicilian? Kerana ia adalah pembukaan yang paling popular. Penyelidikan DeepMind baru-baru ini menunjukkan kesan yang sama apabila mereka cuba mencipta kedudukan catur yang kreatif, menarik dari segi estetika, dan bertentangan dengan intuisi. Para penyelidik mendapati AI sering “ runtuh” pada dirinya sendiri, mengulangi tema dan corak yang sama yang mereka anggap “cantik.”   

Dalam kes program keindahan catur DeepMind, penyelidik dapat mengurangkan ini dengan pengaturcaraan eksplisit untuk lebih banyak kepelbagaian. Tetapi walaupun dengan data latihan yang luas, output probabilistik, dan penapis kepelbagaian, tidak mudah untuk meniru variasi dan julat pemikiran manusia.   

Untuk menjelaskan, LLMs dan AI secara lebih luas bukanlah satu-satunya teknologi yang bergelut untuk menangkap kepelbagaian pengalaman manusia. Ambil dinamik algoritmik, pemenang-menang-semua dalam media sosial, di mana menyesuaikan diri dengan apa yang pengguna purata mahukan memberi anda lebih banyak klik, perhatian, dan wang. Untuk mengelakkan terjatuh ke dalam tarikan suara mono dan monokultur, kita mesti mencari kepelbagaian dalam sumber, petunjuk, dan input kita. Seperti yang ditulis oleh Haruki Murakami: “Jika anda hanya membaca buku yang dibaca oleh semua orang lain, anda hanya boleh berfikir apa yang orang lain fikir.”      

Seperti enjin catur, LLMs hanya akan menjadi lebih baik, dan kita perlu bersedia untuk masa depan itu. Catur telah bergelut untuk mengekalkan permainan adil walaupun terdapat AI supermanusia selama beberapa dekad. Peranti elektronik telah lama dilarang dalam pertandingan catur, tetapi itu tidak menghalang penipuan daripada mengganggu bidang ini. 

Dalam mungkin skandal penipuan catur yang paling terkenal pernah berlaku, Magnus Carlsen yang berada di kedudukan teratas kalah kepada Grandmaster Hans Niemann yang ketika itu berumur 19 tahun pada tahun 2022. Carlsen keluar dari turnamen, dan didedahkan bahawa Hans telah menipu dalam permainan dalam talian sebelum ini. Walaupun tidak pernah ada bukti yang menunjukkan Hans menipu melawan Magnus, teori-teori yang pelik menjadi viral, seperti yang mencadangkan manik dubur digunakan untuk menyelenggarakan langkah melalui AI. Sejak itu, siaran acara langsung telah menambah kelewatan masa dan meningkatkan pengawasan. Walaupun langkah-langkah ini, tuduhan penipuan dan skandal masih biasa berlaku. Sesetengahnya sah. Yang lain kurang bukti, diboost oleh algoritma media sosial yang menggemari drama—dan meningkat kerana ketakutan terhadap penipuan berasaskan AI. 

Apa yang ini ajarkan kepada kita adalah bahawa membina alat pengesanan penipuan yang lebih canggih akan tidak mencukupi dalam masa depan yang dipacu oleh AI. Sebaliknya, kita perlu membina kepercayaan dan integriti di seluruh komuniti kita. Ini adalah sesuatu yang AI tidak boleh lakukan untuk kita. 

Ia juga mengajar kita bahawa kita tidak boleh naif tentang kerumitan masa depan kita yang dipacu oleh AI. Sebaliknya, kita perlu mencari cara positif untuk menggunakan AI. 

Pemain catur telah menjadi pakar dalam menala penggunaan AI untuk latihan dan persediaan, di mana kita mengkaji permainan kita sendiri dan permainan lawan. Titik terbaik adalah untuk mengembangkan dan menyempurnakan senarai langkah yang mungkin, tetapi tidak terlalu banyak sehingga kita berhenti berfikir untuk diri sendiri. Saya suka kaedah sandwich. Saya bermula dengan otak saya sendiri (roti), kemudian saya melihat apa yang AI katakan tentang situasi itu (ikan tuna), dan kemudian saya kembali berfikir tentang pengalaman yang diperoleh menggunakan otak saya sendiri. 

LLMs mempunyai dua sisi: mereka boleh membuat kita lebih tajam dan pintar, atau mereka boleh membuat kita lebih lembut dan lebih purata, hanya boleh berfikir apabila kita mempunyai komputer di dekat. Apabila bermain catur melawan LLMs, kita boleh melihat dengan lebih jelas beberapa kekuatan dan batasan mereka sebagai jurulatih atau rakan confidante, jadi kita tahu bila untuk berkata, “Selamat malam Gemini.”