Исследователи Google DeepMind совместно с Оксфордским университетом и Монреальским институтом Mila представили работу «Generative Chess Puzzles», в рамках которой искусственный интеллект впервые продемонстрировал способность самостоятельно сочинять шахматные задачи, не уступающие по сложности задачам, созданным людьми.

Модели были обучены на 4,4 млн позиций из базы Lichess, представлявших партии, сыгранные пользователями до декабря 2024 года. Каждая позиция кодировалась в нотации FEN, а сеть — авторегрессионный трансформер с 200 млн параметров – училась предсказывать следующую фигуру по контексту. После базового обучения ИИ «придумывал» новые позиции, начиная с первого символа FEN и затем пошагово достраивая положение фигур.

Чтобы избежать механических комбинаций, в модель внедрили обучение с подкреплением. Вознаграждение давалось: за уникальность задачи — на доске должен был быть только один выигрышный ход; за контринтуитивность — задача должна была «сбивать с толку» слабый движок, но решаться сильным (например, Stockfish 15 в «полной» и «урезанной» конфигурациях).

Первоначально RL-модель сталкивалась с проблемой «энтропийного коллапса», то есть она быстро сходилась к повторяющимся шаблонам. Чтобы исправить эту проблему, разработчики добавили фильтры разнообразия по «расстоянию досок» и вариациям ходов.

Новый подход к разработке RL позволил увеличить количество алогичных задач в десять раз по сравнению с существующими наборами данных. В результате, количество алогичных (контринтуитивных) задач составило 2,5%, что превышает показатели существующих наборов данных (2,1%) и лучшей обученной модели Lichess (0,4%).

В отчёте показаны конкретные FEN-примеры. Например, в одной из лучших позиций единственный ход, ведущий к победе, — это неожиданный перевод ладьи на b8, а все «естественные» продолжения ведут к ничьей.

Чтобы оценить художественную ценность партий, команда ввела каталог из более чем 30 «тем» классической шахматной эстетики: от «жертвы ради пата», «двойного шаха» и «арабского мата» до «хода-переключения» (switchback). Оказалось, что сгенерированные ИИ позиции естественно воспроизводят большинство вариаций из шахматных сборников, хотя некоторые ходы, вроде «мата Анастасии» или «крючкового мата», встречаются реже.

Отдельный этап экспериментов включал в себя эволюционный поиск — случайное добавление и удаление фигур с доски с отбором лучших вариантов. Такие позиции выглядели, как произведения сюрреализма — нестандартные, но логичные.

Затем последовало тестирование с участием восьми экспертов Lichess (рейтинг 2000-2400). Им показали 40 позиций из четырёх источников: сборников, созданных специалистами-людьми, Lichess, RL-модели и финального буклета. По средним оценкам лучшие результаты по «творчеству» и «удовольствию от решения» показал именно буклет ИИ (2,48 и 2,56 балла из трёх возможных), опередив даже классические композиции.

Заключительное рецензирование провели международные мастера и гроссмейстеры Амация Авни, Джонатан Левитт и Мэттью Сэдлер. Они назвали подборку «новым шагом в человеко-машинном соавторстве» и «редким примером настоящего творчества в рамках формальных правил».

Авторы подчёркивают, что подход с подкреплением и оценкой контринтуитивности делает генерацию шахматных задач масштабируемой и саморазвивающейся в отличие от ручного отбора Lichess, зависящего от человеческих партий и ограниченных вычислительных ресурсов.

📕 Тематические ссылки:
https://www.securitylab.ru/news/565366.php
https://arxiv.org/pdf/2510.23881