26.11.2020

15:10
d

Κατηγορίες

Ierax

TAGS

Queen’s Gambit και ανάλυση δεδομένων

Αν δεν έχετε ακόμη προλάβει να δείτε τη νέα μίνι σειρά του Netflix, Queen’s Gambit, προτείνω να βρείτε γρήγορα χρόνο στο πρόγραμμά σας.   Πρόκειται για μια σειρά με επίκεντρο το σκάκι (spoiler free άρθρο), που όμως καταφέρνει να μιλήσει για θέματα όπως η ισότητα των φύλων, ο ψυχρός πόλεμος, οι ψυχολογικές διαταραχές, ο αλκοολισμός […]
SHARE

Αν δεν έχετε ακόμη προλάβει να δείτε τη νέα μίνι σειρά του Netflix, Queen’s Gambit, προτείνω να βρείτε γρήγορα χρόνο στο πρόγραμμά σας.

 

Πρόκειται για μια σειρά με επίκεντρο το σκάκι (spoiler free άρθρο), που όμως καταφέρνει να μιλήσει για θέματα όπως η ισότητα των φύλων, ο ψυχρός πόλεμος, οι ψυχολογικές διαταραχές, ο αλκοολισμός και άλλα. Εμείς όμως θα σταθούμε στο σκάκι, καθώς εκεί βρίσκεται η συσχέτιση της σειράς με την ανάλυση δεδομένων.

 

Το σκάκι είναι ένα εξαιρετικό παράδειγμα παιχνιδιού που σχετίζεται με την υπολογιστική δύναμη και κυρίως με την τεχνητή νοημοσύνη και το machine learning, καθώς έχει 3 βασικά χαρακτηριστικά:

 

  • Η γεωγραφική του έκταση είναι περιορισμένη και με ξεχωριστές θέσεις (σκακιέρα με 64 θέσεις)
  • Τα πιόνια ακολουθούν αυστηρούς κανόνες μετακίνησης και συμπεριφοράς
  • Οι πιθανές κινήσεις ανά παρτίδα είναι ένας τεράστιος όγκος δεδομένων

 

Συγκεκριμένα, το γεγονός ότι οι υπολογιστές θα μπορούσαν να παίξουν με κανόνες σκακιού πιο εύκολα από ό,τι άλλα παιχνίδια, φάνηκε από την τελική επικράτηση του Deep Blue (super computer της ΙΒΜ) που κατάφερε να νικήσει τον θρυλικό σκακιστή Γιούρι Κασπάροφ.

 

Στη σειρά Queen’s Gambit η πρωταγωνίστρια, Ελίζαμπεθ Χάρμον, δείχνει πως είναι παίκτρια που βασίζεται περισσότερο στο ένστικτό της παρά στον υπολογισμό, όπως κάνει ο βασικός της αντίπαλος Βασίλι Μπόργκοφ (Ρωσικής καταγωγής φυσικά). Και εκεί ξεκινάει η μεγάλη διαφορά μεταξύ ανθρώπου και μηχανής (που θα αποτελέσει και τη διαμάχη μεταξύ Κασπάροφ και ΙΒΜ*).

 

Η μηχανή παίζει σκάκι με πλεονέκτημα την υπολογιστική της δύναμη, καθώς μπορεί να «τρέξει» τεράστιο αριθμό κινήσεων, και έτσι να επιλέξει αυτή με το μεγαλύτερο ποσοστό επιτυχίας. Όσο πιο δυνατός ο επεξεργαστής, τόσο περισσότερες οι κινήσεις ανά δευτερόλεπτο που μπορεί να τρέξει.

 

Από την άλλη, ο άνθρωπος, ενώ έχει μάθει πληθώρα κινήσεων, στρατηγικές και ασκήσεις για τον τρόπο παιχνιδιού, πολλές φορές μπορεί να χρησιμοποιήσει είτε τα λεγόμενα mind games (τακτικές αποπροσανατολισμού του αντιπάλου, όπως γέλιο, μορφασμοί κ.λπ.) ή και να κάνει μπλόφες, έχοντας την ικανότητα να προσαρμόζεται πολύ γρήγορα.

 

Η Χάρμον φαίνεται πως, ενώ χρησιμοποιεί το ένστικτό της, έχει μια έμφυτη ικανότητα να κάνει και αυτή τις δικές της προσομοιώσεις κινήσεων για να βρει την ιδανική.

 

Είναι τελικά αυτός ο συνδυασμός μεταξύ εγκεφαλικής δυνατότητας για πρόβλεψη και κατανόηση των κινήσεων ενός παιχνιδιού, αλλά και ενστίκτου, που κάνει το σκάκι τόσο ξεχωριστό. Αν μετρήσουμε και τις μπλόφες, τις παγίδες αλλά και την άνεση με την οποία μπορούν οι παίκτες να κινούνται ενώ παίζουν, συμπεραίνουμε ότι, ενώ το σκάκι έχει χρησιμοποιηθεί όσο λίγα στο κομμάτι της εκπαίδευσης τεχνητής νοημοσύνης, παραμένει ακόμη ανθρώπινο στον κορμό του.

 

Για μένα το σκάκι είναι ένας τέλειος παραλληλισμός της σχέσης μεταξύ ποσοτικής και ποιοτικής έρευνας. Ο αρμονικός χορός μεταξύ των δεδομένων αλλά και των αιτίων τους. Η καταγραφή των ποσοστών αλλά και η ψυχολογική ανάλυση των καταναλωτών, κάνει την έρευνα αγοράς σχεδόν ακαταμάχητη, όπως και το σκάκι, για όλους εμάς που αγαπάμε και υποστηρίζουμε τη στρατηγική σκέψη.

 

 

*όταν έχασε από τον Deep Blue, ο Κασπάροφ κατηγόρησε την ΙΒΜ πως υπήρχαν πραγματικοί παίκτες που έπαιζαν πίσω από τη μηχανή καθώς οι τελευταίες κινήσεις που έπαιζε ο υπολογιστής δεν ήταν ρομποτικές αλλά με δόλο/ρίσκο (και άρα ανθρώπινες)