अध्याय २ · खण्ड III · 14 मिनेट
खोजी र खेलहरू
बाटो खोज्ने त्यही खोजी विचारले चेस, गो, र बाघचाल पनि कसरी खेल्छ — र डीप लर्निङले पुरानो नियम कसरी तोड्यो।
बोर्ड गेम भनेको एउटा असहज मोडसहितको खोजी समस्या हो। प्रत्येक “चाल” ले नयाँ बोर्ड अवस्थामा पुर्याउँछ — मार्ग खोजीमा जस्तै। तर तपाईंले गर्ने हरेक चालपछि अरू कसैले अर्को चाल छान्छ — र त्यो व्यक्ति तपाईंलाई हराउन कोशिस गर्दैछ। अब खोजीमा प्रतिद्वन्द्वी छ।
चेस इन्जिन, बाघचाल सल्भर, र गो-खेल्ने एआई नेभिगेसनभन्दा अवधारणाका रूपमा गाह्रो हुनुको पूरै कारण यही हो। तपाईंले विजयी चाल मात्र खोज्नु पर्दैन। प्रतिद्वन्द्वीले जे गरे पनि जित्ने चाल खोज्नुपर्छ।
उदाहरणका रूपमा बाघचाल
बाघचाल — नेपाली बाघ-र-बाख्रा खेल — उत्तम उदाहरण हो, किनकि यो स्पष्ट सोच्न मिल्ने सानो छ तर सबै कुरा देखाउन पर्याप्त प्रतिद्वन्द्वी छ। चारवटा बाघले बाख्रा कब्जा गर्न खोज्छन्। बीसवटा बाख्राले बाघलाई फसाउन खोज्छन्। हरेक खेलाडीले ५×५ ग्रिडका चोकहरूमा एकपटकमा एक टुक्रा सार्छ।
चाल छान्न बाघ खेलाडीले सोध्नुपर्छ: मैले यो गर्दा बाख्रा खेलाडीले के गर्ला? र त्यसो गर्दा म के गर्छु? र मैले त्यो गर्दा उनीहरूले के गर्लान्? प्रत्येक तह “उनीहरूले अर्को के गर्लान्?” ले एल्गोरिथमले विचार गर्नुपर्ने भविष्यको संख्या दुई-तीन गुणा गर्छ।
केही तह तल जाँदा बाघसँग हजारौं सम्भावित भविष्यको रूख हुन्छ, प्रत्येक तहमा शाखा हुँदै जाने। खोजी एल्गोरिथमको काम त्यो रूख हिँड्नु, हरेक पात मूल्याङ्कन गर्नु (“के यो बाघ जितेर सकिन्छ?”), र मूल्य फिर्ता वर्तमान चालसम्म पुर्याउनु हो।
मिनिम्याक्सको विचार
एल्गोरिथमको नाम मिनिम्याक्स हो। यसको मान्यता क्रूरतापूर्ण रूपमा सरल छ: प्रतिद्वन्द्वी उत्तम चाल खेल्छ। प्रतिद्वन्द्वीको पालो हुँदा, उनीहरूले तपाईंका लागि सबैभन्दा खराब चाल छान्छन्। तपाईंको पालो हुँदा, तपाईंले आफूका लागि उत्तम चाल छान्नुहुन्छ।
प्रत्यक्ष रूपमा, खोजी रूखको प्रत्येक नोडमा:
- तपाईंको पालो छ भने, नोडको मूल्य त्यसका सन्तानहरूको मूल्यमध्ये अधिकतम हो। तपाईंले उत्तम छान्नुहुनेछ।
- प्रतिद्वन्द्वीको पालो छ भने, नोडको मूल्य सन्तानहरूको मूल्यमध्ये न्यूनतम हो। उनीहरूले तपाईंका लागि सबैभन्दा खराब छान्नेछन्।
रूख तल पातसम्म हिँड्नुहोस्, प्रत्येक पातलाई जीत वा हार भनेर चिह्न लगाउनुहोस्, अनि मिन र म्याक्स प्रयोग गरी मूल्य माथि पुर्याउनुहोस्। मूलमा पुग्ने मूल्यले तपाईंलाई ग्यारेन्टी गर्न सक्ने उत्तम परिणाम र कुन सन्तानतर्फ हिँड्ने बताउँछ।
बस। यो नै हो त्यो एल्गोरिथम जसले १९५० देखि २०१७ मा AlphaZero आउँदासम्मका सबै चेस इन्जिन चलाएको थियो।
चेस किन अटाउँदैन
बाघचालको रूख यति सानो छ कि आधुनिक ल्यापटपले पुरै खोजी गरेर एकदम सही खेल्न सक्छ। चेसको होइन। सुरुवात अवस्थाबाट, हरेक पक्षले पाँच चाल खेलिसकेपछि करिब ७ करोड बोर्ड अवस्था छन्। हरेक पक्षले दस चाल खेलिसकेपछि तपाईंको हातमा भएका परमाणुभन्दा बढी अवस्था हुन्छन्। त्यो रूख हिँड्न सकिँदैन।
त्यसैले मिनिम्याक्सलाई दुई चलाखी थपेर पचास वर्ष काम लाग्ने बनाइयो।
गहिराइ सीमा। अन्तिमसम्म नहिँड्ने। १० वा १२ चाल अघि सम्म हिँड्ने, अनि मूल्याङ्कन कार्यले बोर्ड अवस्था स्कोर गर्ने — टुक्राको सन्तुलन, टुक्राको सक्रियता, राजाको सुरक्षा, प्यादाको संरचना। मूल्याङ्कन भनेको “खेल यहीँ रोकियो भने को जित्दैछ” भन्ने इन्जिनको अनुमान हो। मिनिम्याक्स मूल्यहरू ती अनुमानबाट माथि बग्छन्।
अल्फा-बेटा प्रुनिङ। रूख हिँड्दा, हालसम्मको उत्तम चाल दुवै पक्षका लागि ट्र्याक गर्नुहोस्। कुनै हाँगा त्यो खेलाडीका लागि स्पष्ट खराब छ भने — उनीहरू कहिल्यै नजाने — त्यो हाँगा सम्पूर्ण रूपमा छोड्नुहोस्। यो एउटै चलाखीले रूखको आकार हजारौं गुणाले घटाउन सक्छ, जवाफ नबदली।
यी दुई विचार, छिटो कम्प्युटरसँग मिलेर, १९९७ मा डीप ब्लूले कास्पारोभलाई हराउने कारण बने। डीप ब्लूमा मेसिन लर्निङ थिएन। यो मिनिम्याक्स, अल्फा-बेटा, र हाते-ट्यून गरिएको मूल्याङ्कन कार्य थियो — हार्डवेयरले टर्बोचार्ज गरिएको।
गो ले परम्परा कसरी तोड्यो
गो चेसभन्दा ठूलो छ। बोर्ड १९×१९ छ। हरेक चालमा करिब २५० वैध चाल हुन्छन् (चेसमा ३५), र खेल २०० चालसम्म जान्छ (चेसमा ८०)। तपाईंको कम्प्युटर जति छिटो भए पनि गो मा अल्फा-बेटासहित मिनिम्याक्सले ग्र्यान्डमास्टर स्तरमा पुर्याउँदैन।
२०१६ को सफलता डीपमाइन्डको AlphaGo थियो। AlphaGo ले तीन विचार मिलायो: सिकाइएको मूल्याङ्कन कार्य (लाखौं खेलमा तालिम पाएको न्यूरल नेटवर्क), सिकाइएको चाल-सुझाव कार्य (अर्को नेटवर्क), र मोन्टे कार्लो ट्री सर्च — एक प्रकारको अनियमित खोजी जसले व्यवस्थित होइन तथ्याङ्कीय रूपमा आशाजनक हाँगा अन्वेषण गर्छ।
महत्त्वपूर्ण कुरा, मूल्याङ्कन कार्य हाते-ट्यून गरिएको थिएन। नेटवर्कले लाखौं स्व-खेलबाट सिक्यो कि बलियो अवस्था कस्तो देखिन्छ — यस्ता ढाँचा जुन मानवले हातले लेख्न सक्दैनथ्यो।
एक वर्षपछि, AlphaZero ले मानव खेल-डाटा बिना नै, केही घण्टामा शून्यबाट चेस, गो, र शोगी सिक्यो। यसले उत्तम शास्त्रीय चेस इन्जिन — Stockfish — लाई अनौठा र सुन्दर भनिने चालहरू खेलेर हरायो। AlphaZero ले मिनिम्याक्स प्रयोग गरेन। यसले सिकाइएको खोजी प्रयोग गर्यो।
खेल खेल्ने एआई बाँकी पाठ्यक्रमसँग यहीँ जोडिन्छ: खोजी-स्थान शास्त्रीय एल्गोरिथमका लागि ठूलो हुँदा मेसिन लर्निङले खोजीको गाइडका रूपमा कब्जा गर्छ।
२०२६ मा यसको अर्थ के?
शास्त्रीय खोजी अप्रचलित होइन। मार्ग खोजी, रुटिन, लजिस्टिक्स, र साना खेलका लागि यो अझै सही उपकरण हो — छिटो, व्याख्या गर्न सजिलो, डिबग गर्न सजिलो। उदाहरणबाट संरचना सिक्न मिल्ने धेरै ठूला अवस्था-स्थानका लागि डीप लर्निङले कब्जा गरेको छ।
पाठ यो होइन कि एउटाले अर्कोलाई प्रतिस्थापन गर्छ। पाठ यो हो कि सही एल्गोरिथम समस्यामा निर्भर हुन्छ। पोखराको कुडा ट्रक मार्ग अप्टिमाइज गर्ने नगरपालिकाले A* तिर हात बढाउनुपर्छ, ट्रान्सफर्मरतिर होइन। गो इन्जिन बनाउने टोलीले AlphaZero परिवारतिर हात बढाउनुपर्छ। कुन कहाँ हो थाहा पाउनु एआई साक्षरताको साक्षरता भाग हो।
आफ्नो बुझाइ जाँच्नुहोस्
छोटो जाँच
—दुई-खेलाडी खेलमा मिनिम्याक्स एल्गोरिथमले के मान्छ?
अब के?
हामी यहीँ शास्त्रीय एआई बन्द गर्छौं। अध्याय ३ बेग्लै दृष्टिकोणमा जान्छ: सम्भाव्यता र बेजको नियम — अनिश्चितताबीच प्रणालीलाई तर्क गर्न दिने गणित। यो अबबाट हामी भेट्ने लगभग हरेक मेसिन लर्निङ विधिको आधार हो।