Razlog za takšno razliko se skriva v arhitekturi obeh sistemov. Šahovski algoritem, motor, če hočete, četudi primitiven, je bil namensko zasnovan za izračun možnih potez in ocenjevanje položajev, zato temelji na pregledu različnih variant igre in na upoštevanju preprostih pravil. Čeprav gleda zgolj eno potezo naprej, ostaja zanesljiv pri izvajanju osnovnih šahovskih zakonitosti. Nasprotno pa ChatGPT kot veliki jezikovni model (LLM) deluje na povsem drugih osnovah: njegova naloga je statistično napovedovanje naslednjega besednega znaka glede na besedilne vzorce, ne pa izvajanje formalno pravilnih premikov na šahovnici.
S tem se pokaže širša težava pri pojmu umetne inteligence. Pri njem namreč ne gre za enoten sistem, temveč krovni izraz za množico heterogenih tehnologij – od ekspertnih sistemov in nevronskih mrež do specializiranih algoritmov, kot so šahovski algoritmi. Medtem ko so šahovski programi že desetletja sposobni premagovati velemojstre, LLM-ji blestijo v povsem drugih nalogah: tvorjenju besedila, posnemanju sloga in povezovanju informacij. Pri logično strogih igrah, ki zahtevajo trajno pomnjenje položajev in simbolno natančnost, pa odpovejo.
Ključna omejitev LLM-jev je njihova »stateless« zasnova: lahko ohranijo pogovorni kontekst, ne pa konsistentne stanja igre čez več deset potez. Rezultat so nepravilno premikanje figur (označili so jih kot »halucinacije«, nelegalne poteze in napačne razlage, ki v šahu pomenijo hitro izgubo.
Ta kontrast poudarja, da današnji jezikovni modeli niso univerzalni reševalci problemov, temveč specifična orodja z lastnimi močnimi in šibkimi področji. Lahko obogatijo razumevanje igre, pomagajo pri učenju ali komentiranju potez, ne morejo pa nadomestiti algoritmov, ki zahtevajo strogo logično konsistenco. Primer ChatGPT proti Atariju zato ni zgolj kurioziteta, temveč opozorilo: razumevanje umetne inteligence zahteva natančno razlikovanje med njenimi vrstami in realnimi zmogljivostmi.
Več o celotnem projektu se lahko preberete na tej povezavi.
Vir: LinkedIn, slika je simbolična
