«На 37-м ходу у меня не оставалось иного выхода, кроме как сдаться»
Отрывок из книги Гарри Каспарова «Человек и компьютер» — о том, какой ценой шахматисту далась победа над суперкомпьютером IBM в 1996 году.
В избранное
В избранном
Я не умею проигрывать. Хочу прояснить это с самого начала: я ненавижу проигрывать. Ненавижу проигрывать плохие партии и ненавижу проигрывать хорошие. Я ненавижу проигрывать слабым игрокам и ненавижу проигрывать чемпионам мира.
После каждого проигрыша я провожу бессонные ночи. Бывало, что на церемониях награждения после тяжелого поражения у меня случались вспышки гнева. Я с раздражением обнаружил, что упустил хороший ход в проигранной 20 лет назад партии, которую анализировал для этой книги.
Я ненавижу проигрывать, и не только в шахматах. Терпеть не могу проигрывать в карточные и любые другие игры (именно поэтому я так редко играю в покер).
Неумение проигрывать — черта моего характера, которой я не особенно горжусь, но которой и не стыжусь. Чтобы быть лучшим в любой состязательной сфере деятельности, нужно не столько бояться поражений, сколько ненавидеть их. Радостное возбуждение — замечательное ощущение, и я думаю, что любой успешный спортсмен привыкает к нему в очень юном возрасте. Каждый спортсмен с течением времени находит для себя собственные стимулы. Но, как бы вы ни любили свой спорт, вы должны ненавидеть проигрывать, если хотите оставаться на вершине. Вас это должно задевать, и задевать очень глубоко.
В базе данных можно найти список практически всех серьезных партий, которые я сыграл с 12-летнего возраста, — всего более 2400. Из них я проиграл примерно 170. Если взять только турнирные и матчевые партии за 25 лет моей профессиональной карьеры, начавшейся, когда мне было 17, количество проигрышей уменьшается почти в два раза. Возможно, я не научился проигрывать просто потому, что у меня не было такой возможности. В 1990 году английский гроссмейстер Реймонд Кин написал книгу «Как обыграть Гарри Каспарова», в которой собрал все мои поражения за десять лет. Книга начинается словами: «Обыграть Гарри Каспарова в шахматы значительно сложнее, чем взойти на Эверест или стать миллиардером… Я узнал, что покорить Эверест легче в шесть раз… заработать миллион долларов проще в пять раз…» Возможно, те немногие шахматисты, которым удалось меня победить, задавались вопросом, не следует ли им теперь заняться каким-нибудь другим делом
Но шутки в сторону. То, как я отношусь к проигрышам, понятно из любого рассказа о моем матче с суперкомпьютером Deep Blue компании IBM в 1997 году. Или, если точнее, о матче-реванше.
Я смирился с тем, что почти никто не помнит о моем первом матче с Deep Blue в 1996-м, в котором я одержал победу. Люди забыли, что историческому перелету Чарльза Линдберга через Атлантический океан в 1927 году предшествовала масса неудачных попыток. Если матч 1996 года и вспоминают, то лишь потому, что мой проигрыш одной партии стал первой в истории победой машины над чемпионом мира в игре с классическим контролем времени. До этого я сыграл против машин несколько партий с укороченным контролем времени, и в некоторых из них потерпел поражение. Помимо классических шахмат существуют и «быстрые шахматы», или рапид (где у каждого игрока меньше 60, но больше 10 минут на всю партию), и молниеносная игра, или блиц (где у игрока не более 10 минут — обычно пять, а то и меньше). Есть даже «буллит», когда на всю партию дается лишь одна минута и шахматы фактически превращаются в эквилибристику.
Начиная с 1970-х стало очевидно: чем быстрее игра, тем больше преимущество компьютера перед человеком. Гроссмейстеры могут играть на основе интуиции, но шахматы прежде всего игра, требующая точности. Если у человека нет времени, чтобы провести надлежащие расчеты, тогда как машина способна проанализировать миллионы позиций в секунду, молниеносная игра может быстро превратиться в бойню. Малейшие оплошности и тактические промахи, обычно допускаемые людьми в игре друг с другом при укороченном контроле времени, мгновенно наказываются машинами, никогда не делающими подобных ошибок в ответ.
После победы над Deep Thought (1989) мой следующий публичный матч с машиной состоялся только через несколько лет. Отчасти это объяснялось тем очевидным фактом, что я не мог позволить себе тратить время впустую: шахматные машины должны были значительно усилиться, чтобы бросить мне настоящий вызов. В 1990-м я выиграл у Анатолия Карпова свой пятый матч за мировую корону, хотя в начале того года пережил трагедию на моей малой родине: мы с семьей и тысячами земляков были вынуждены бежать из Баку, где в преддверии будущего распада СССР начались армянские погромы.
Но я следил за прогрессом машин. На моем персональном компьютере всегда были установлены новейшие программы — я использовал их для анализа, а иногда и играл с ними ради развлечения. Хотя они не показывали сильной игры, такие программы, как Genius и Fritz, уже стали довольно опасными в тактическом плане даже на обычном домашнем компьютере или ноутбуке. В быстрой игре человеку стоило лишь один раз зевнуть — и все было кончено.
Мои пути с Deep Thought пересеклись еще раз весной 1991 года на компьютерной выставке в Ганновере. Состав команды Deep Thought частично сменился в процессе преобразования их детища в крупнейший проект IBM. Но Сюй Фэнсюн и Мюррей Кэмпбелл оставались лидерами команды, и оба приехали в Ганновер. Deep Thought пригласили выступить в самом сильном соревновании из всех, где доводилось играть машинам до того момента. Это был круговой турнир с участием семи немецких игроков — шести гроссмейстеров и одного крепкого международного мастера; их средний рейтинг составлял 2514 пунктов.
Получив доступ к колоссальным ресурсам IBM, Сюй Фэнсюн продолжал совершенствовать машину своей мечты, пытаясь внедрить в нее сверхбольшую интегральную микросхему (СБИС) с тысячами элементов на одном кристалле, но он еще не достиг цели. Тем не менее Deep Thought была сильнейшей машиной в мире, и, судя по ее предыдущим успехам, можно было ожидать, что в Ганновере она будет претендовать на высокое место. Но, как ни странно, она финишировала на 7-м, предпоследнем месте, одержав две победы при одной ничьей и четырех поражениях. Вину за два проигрыша команда возложила на ошибки в дебютной книге (регулярно всплывающая тема), однако в целом игру Deep Thought в Ганновере нельзя было назвать сильной.
Мой друг Фредерик Фридель, который был одним из организаторов этого турнира, предложил мне более интересное испытание. Он показал тексты партий первых пяти туров и предложил угадать, какие из этих партий были сыграны Deep Thought. Это был своеобразный вариант теста Тьюринга — посмотреть, сможет ли компьютер выдать себя за гроссмейстера. Мне удалось правильно указать две партии и еще в одном туре сузить выбор до двух партий, но один раз я ошибся — так что три из пяти компьютерных партий прошли тест Тьюринга. Для меня это было более убедительным показателем прогресса шахматного компьютера, чем результаты турнира. В некоторых партиях Deep Thought следовал привычной модели: ужасная стратегическая игра и неподобающая жадность к материалу, компенсируемые поразительным тактическим мастерством. Но другие партии были похожи на настоящие шахматы, даже если и не дотягивали до уровня чемпиона мира.
Я был заинтересован еще и потому, что не сомневался: вскоре баланс сил изменится и примерно через десять лет компьютеры станут достаточно сильными для того, чтобы победить меня. Но смогут ли они проницательно анализировать человеческую игру? Я потратил много времени на изучение сильных и уязвимых сторон моих соперников, хотя отдавал себе отчет в том, что вижу их сквозь призму собственных предпочтений и слабостей. Машины же предельно объективны. Шахматные программы уже показали свою полезность как вспомогательные инструменты для анализа партий, пусть даже они могли находить только грубые тактические ошибки. Но когда они станут достаточно сильными, думал я, возможно, они будут способны выявлять даже самые незначительные изъяны в моей игре и в игре моих соперников.
Эта идея так и не получила развития, отчасти из-за ограниченного потенциального рынка для таких программ. Всего несколько сотен шахматистов в мире достаточно регулярно играют с одними и теми же соперниками, чтобы им требовалась специальная подготовка. В конечном итоге в программу ChessBase были добавлены некоторые полезные функции, такие как автоматическое формирование профилей игроков, включая их любимые дебюты и избранные партии. Но эти функции скорее позволяли сэкономить время, чем были настоящими аналитическими инструментами. Они не были достаточно продвинутыми для того, чтобы указать на особенности, присущие данному шахматисту: например, «часто делает ошибки, когда его король находится под шахом» или «любит разменивать ферзей, играя черными». Кроме того, мысль о возможности подвергнуться такому глубокому анализу вызывала дискомфорт у некоторых игроков, хотя все их партии находились в открытом доступе. Я же был не против узнать, что машина скажет обо мне и моих партиях.
Меня также интересовало, что нового может привнести основанный на базовых данных компьютерный анализ человеческого поведения в такой области, как психология, и в частности, процесс принятия решений. Понятно, что вряд ли кто-то захочет добровольно передавать третьей стороне все свои тексты, электронные письма, сообщения в социальных медиа, историю поисковых запросов, историю покупок и все остальные составляющие цифрового следа, который мы создаем почти ежечасно. Но различные приложения и сервисы, хорошо это или плохо, уже имеют доступ ко всей подобной информации, и я уверен, что достаточное количество данных и грамотные аналитические инструменты позволили бы выявлять множество интересных корреляций, возможно, даже диагностировать такие вещи, как депрессия или ранние признаки деменции.
У Facebook есть средство для предотвращения самоубийств: пользователи могут отметить публикации, в которых высказываются мысли о суициде, и автору поста может быть предложена помощь. Фитнес-трекеры отслеживают все показатели работы вашего организма — от режима сна и сердечного ритма до количества сожженных калорий. Компании Google, Facebook и Amazon, вероятно, знают о вас больше, чем вы сами, но люди зачастую начинают нервничать, когда результаты анализа этих данных оказываются обнародованы, особенно если в публикации раскрывается неприятная правда.
Естественно, каждый раз, когда появляется доступ к таким персональным данным, возникает бесчисленное множество вопросов, связанных с защитой конфиденциальности, и достижение компромиссов в этой области будет оставаться одним из главных полей сражений в ходе революции ИИ. Я хотел бы узнать, что скажет машина о моей игре в шахматы, моем психическом и физическом здоровье, но хотел бы я, чтобы об этом узнал кто-то еще? Возможно, вы не станете возражать, если о вашем психическом и физическом здоровье узнают члены вашей семьи и лечащий врач, но как насчет вашего работодателя или страховой компании? В некоторых компаниях обзор социальных медиа уже стал стандартной процедурой процесса найма. Антидискриминационные законы в США запрещают спрашивать у кандидатов на рабочее место об их возрасте, поле, расе и состоянии здоровья, но алгоритмы анализа соцсетей могут выяснить это за доли секунды и, кроме того, сделать очень точные предположения о сексуальных предпочтениях, политических взглядах и уровне дохода.
История показывает, что стремление к комфорту в конечном итоге побеждает абстрактное желание конфиденциальности.
Нам нравится делиться личной информацией в социальных сетях. Мы любим, когда алгоритмы Netflix и Amazon рекомендуют нам книги и музыку. Мы не откажемся от GPS-навигаторов, даже если их использование означает, что десятки частных компаний знают о вашем местонахождении практически в любой момент времени — и к этой информации могут получить доступ государственные органы и суды. Когда Gmail запустила сервис рекламных объявлений, основанный на сканировании содержания электронных писем, это вызвало всплеск общественного негодования, но он продолжался недолго. Это всего лишь алгоритм, к тому же от рекламы все равно никуда не деться — так не лучше ли видеть рекламные объявления, которые могут вас заинтересовать?
Конечно, это не означает, что мы должны покорно сдаться Большому Брату. Будучи уроженцем страны, послужившей прообразом антиутопического мира в романе Джорджа Оруэлла »1984», я особенно чувствителен к любым посягательствам на свободу личности. Слежение может быть инструментом как обеспечения безопасности, так и репрессий, особенно при современном уровне технологий. Все замечательные коммуникационные технологии, от которых мы зависим сегодня, сами по себе не являются ни добром, ни злом. Но глупо надеяться на то, что интернет, как утверждают некоторые, принесет свободу всем и каждому. Современные диктатуры и другие подобные режимы прекрасно знают, как ограничить эту свободу и использовать эти новые мощные инструменты в своих целях. Я рад, что защитники свободы личности и конфиденциальности не дремлют, особенно в связи с усилением полномочий государства. Я просто думаю, что они ведут заведомо проигрышную борьбу, поскольку технологии будут продолжать развиваться, а подавляющее большинство людей, интересы которых они пытаются отстаивать, не станут защищать себя сами. Мало кто читает заявления о конфиденциальности, игнорируя их так же, как предостережения об опасности трансжиров и кукурузного сиропа. Мы хотим быть здоровыми, но не можем отказаться от жаренных в масле пончиков. Самым большим препятствием в деле защиты конфиденциальности всегда будет человеческая природа.
Технологии, основанные на доступе к нашим персональным данным, будут предлагать все больше преимуществ, перед которыми мы едва ли сможем устоять. Цифровые помощники, Echo от Amazon и Home от Google, улавливают каждое слово и звук в доме и передают их для анализа в облако — и однако люди покупают эти устройства миллионами. Полезность всегда берет верх над иными соображениями. Еще более инвазивные технологии, такие как микросенсоры в сантехнических системах, в продуктах питания и даже внутри наших тел, поначалу будут внедряться в странах с нестрогим законодательством в области защиты конфиденциальности, особенно в развивающемся мире. Но когда будут получены первые результаты, показывающие экономическую выгоду и пользу для здоровья, шлюзы откроются и такие технологии заполонят весь мир.
Наша жизнь постепенно преобразуется в данные. Тенденция будет ускоряться по мере появления все более продвинутых инструментов, и мы будет принимать ее либо добровольно, в обмен на комфорт и полезность, либо вынужденно — вследствие ужесточающихся требований безопасности. Это направление развития не изменить, поэтому особое значение приобретает наблюдение за наблюдателями. Объемы производимых нами данных будут только расти и использоваться в основном в наших интересах, но мы должны контролировать, куда они попадают и как используются.
Конфиденциальность уходит в прошлое, но ей на смену должна прийти прозрачность.
В то время как основное внимание было сосредоточено на компьютерах с массивно-параллельной обработкой, специализированным аппаратным обеспечением и заказными микропроцессорами, революция происходила и в области шахматных программ для ПК. Благодаря тому, что растущее сообщество программистов получило возможность делиться идеями через интернет, а также ввиду появления все более мощных процессоров от Intel и AMD, персональные компьютеры с операционными сис темами MS-DOS и Windows постепенно наращивали свою шахматную силу. К 1992 году они затмили большинство популярных моделей электронных шахмат — так называли встроенные в электронные доски специальные шахматные компьютеры, которые производились компаниями Saitek и Fidelity и носили такие звучные названия, как Mephisto и даже Kasparov Advanced Trainer.
В конце 1980-х годов к некоторым моделям прилагалось послание от моего имени, гласившее: «Хотелось бы, чтобы игра с шахматным компьютером «Каспаров» доставила вам удовольствие и помогла усовершенствовать свое мастерство, — и кто знает, может быть, однажды мы встретимся с вами за шахматной доской!» Моя спортивная карьера оказалась достаточно долгой для того, чтобы это пожелание сбылось, и на различных шахматных мероприятиях ко мне часто подходили юные шахматисты с просьбой оставить автограф на их шахматном компьютере «Каспаров».
Для молодых читателей, которые не помнят те времена, скажу, что возможности персональных компьютеров в начале 1990-х годов были весьма скромными. Даже если вы приобретали компьютер самой последней модели за колоссальную цену $5000, очень скоро вам приходилось докупать к нему оперативную память, более емкий жесткий диск и более мощный процессор. Мало какая программа потребляет больше вычислительной мощности, чем шахматный движок. Он с легкостью использует все 100% производительности процессора и все его ядра, сколько бы их ни было — четыре, десять или 20.
За 15 минут работы шахматного движка мой старый ноутбук нагревался так, что его можно было использовать как тостер. Даже сегодня сверхмощные машины превращаются в медленных черепах, когда шахматный движок задействует для поиска все доступные ресурсы процессора.
Шахматные программы для ПК работают гораздо медленнее, чем программы на специализированном аппаратном обеспечении, такие как Deep Blue, что объясняется рядом причин. Однако это компенсируется тем, что они гораздо умнее и используют оптимизированные методы программирования, позволяющие добиться намного большей глубины поиска, чем при обычном исчерпывающем поиске. Они по-прежнему основаны на стратегии типа А — на грубой силе, но за многие годы стали значительно искуснее. Использование компьютеров многоцелевого назначения расширило возможности для креативного программирования и адаптации ПО; к тому же коммерческие шахматные программы постоянно повышали точность своих оценок, зачастую с помощью гроссмейстеров. В то же время шахматные микропроцессоры Deep Thought, хотя и имели настраиваемые аппаратные контроллеры, были фактически высечены из камня, пусть даже этим камнем был кремний.
Скорость работы аппаратного обеспечения во многом зависит от простоты принципиальной схемы. Как написала команда Deep Thought / Deep Blue в 1990 году о своей машине, «принесение в жертву некоторых шахматных знаний в оценочной функции рассматривается как оправданное, если это позволяет существенно упростить схемы». Они также признали, что «на данный момент оценочные функции в лучших коммерческих шахматных программах работают гораздо более эффективно, чем в программах, применяющихся в научных целях». Звучит неутешительно, но на самом деле это давало ученым основания надеяться на значительное улучшение в случае, если они сумеют создать следующее поколение шахматных микросхем и усовершенствовать оценочную функцию Deep Thought.
В 1992 году я сыграл длинный неофициальный блиц-матч с одной из программ нового поколения. Создавшая ее немецкая фирма ChessBase насмешливо окрестила свое детище Fritz, и это название практически стало синонимом шахматных движков для ПК. Разработчиком был голландец Франс Морш — автор программ для настольных электронных шахмат, таких как Mephisto и прочих, — привыкший втискивать максимально оптимизированный код в очень ограниченные ресурсы. Он также внедрил несколько методов усиления поиска, которые повысили силу шахматных машин, несмотря на то, что увеличение глубины обычно замедляло их работу.
Одно из этих усовершенствований заслуживает, чтобы ненадолго на нем остановиться, поскольку оно представляет собой интересный пример того, как можно сделать машину умнее с помощью методик, не имеющих ничего общего с работой человеческого разума. Речь идет о так называемой эвристике нулевого хода — методе, заставляющем программу предположить, будто одна из сторон пропускает ход. То есть программа должна прийти к выводу, что один игрок сделал два хода подряд. Если позиция этого игрока не улучшается даже после двух ходов подряд, можно допустить, что первый ход является пустышкой и может быть отсечен от дерева поиска, что сокращает его длину и делает поиск по оставшимся вариантам более эффективным. Эвристика нулевого хода была использована в некоторых самых ранних шахматных программах, в том числе в советской «Каиссе». Это элегантный и немного парадоксальный подход — повышать эффективность алгоритмов, основанных на принципе исчерпывающего поиска, за счет ограничения поиска.
Люди тоже используют при планировании разные эвристические подходы. Например, стратегическое мышление требует от нас определения долгосрочных целей и промежуточных этапов без учета того, как на наши действия может отреагировать оппонент. Я могу посмотреть на позицию на доске и подумать: «Было бы хорошо, если бы мне удалось поставить слона сюда, пешку сюда, а затем подключить к атаке ферзя». Здесь нет никаких расчетов, лишь своего рода список стратегических пожеланий. Только после этого я начинаю думать, возможно ли это на самом деле и что в ответ может предпринять соперник.
Программисты, работавшие над шахматными программами типа Б с выборочным поиском, хотели научить машины именно такому стратегическому целеполаганию. Вместо того чтобы просматривать только дерево доступных вариантов, программа типа Б также изучала и оценивала гипотетические позиции. Если эти позиции получали высокую оценку, повышалась стоимость их элементов при поиске. Во многих случаях качество оценки улучшалось, но поиск становился таким медленным, что страдали результаты, — серьезный недостаток, характерный для всех программ типа Б.
Более успешным оказался другой метод, который также позволяет машинам анализировать гипотетические позиции за пределами дерева вариантов. В случае применения метода Монте-Карло машина берет все доступные позиции и с каждой разыгрывает большое количество случайных партий, определяя количество возможных побед, ничьих и проигрышей. Таким образом для каждого следующего хода выбирается наиболее удачная позиция. Играть «миллионы партий в рамках одной» оказалось не очень эффективной тактикой в шахматах, но в го и других играх, где точная оценка невероятно трудна для машин, метод Монте-Карло дает хорошие результаты. Он не требует больших знаний или эвристических правил; машина просто отслеживает цифры и ходы — и выбирает лучшие.
Это обилие интересных идей, призванных повысить эффективность интеллектуальных машин, показывает, почему попытки понять, как работает человеческий разум, и проникнуть в тайны мышления были отброшены. Что важнее — процесс или результат? Люди всегда хотят результатов, будь то в инвестировании, сфере безопасности или шахматах. Такое отношение, сокрушались многие программисты, способствовало созданию сильных шахматных машин, но ничего не дало науке и прогрессу в области ИИ. Шахматная машина, которая думает как человек, но проигрывает чемпиону мира, не сделает сенсации. Когда же шахматная машина побеждает чемпиона мира, никого не волнует, как она думает.
И это наконец-то случилось. В мае 1994 года в Мюнхене я проиграл программе Fritz 3 в блицтурнире, организованном при поддержке корпорации Intel Europe. Intel оказала существенную помощь Профессиональной шахматной ассоциации (ПША), созданной годом ранее мной и моим коллегой, претендентом на мировую корону Найджелом Шортом. В турнире участвовали сильнейшие шахматисты мира и программа Fritz 3, работавшая на новом процессоре Pentium.
Целью организаторов было помочь шахматам обрести еще бОльшую популярность и потенциальных спонсоров, о чем я мечтал с тех пор, как увидел, насколько широкую известность получил мой матч с Deep Thought в 1989 году.
С предшественником Fritz я уже сталкивался в товарищеском блиц-матче в Кельне в декабре 1992-го. Я сыграл 37 партий против любимого детища Фредерика Фриделя и, более того, детально проанализировал действия программы, указав, когда та сделала особенно хороший ход и когда играла откровенно слабо. Хотя программа еще не стала диким зверем, но она уже и не была безобидным домашним питомцем. Я проиграл девять партий при двух ничьих и 26 победах.
Но в Мюнхене произошла совсем другая история. Это был серьезный турнир, несмотря на формат блиц, и я не сомневался в победе независимо от того, будет ли в нем участвовать машина или нет. После медленного старта я выиграл восемь партий подряд, но программа Fritz 3 следовала за мной по пятам, и наконец настал наш черед встретиться за доской. Я агрессивно разыграл дебютную стадию и всего после десятка ходов имел подавляющую позицию. Однако затем начал разворачиваться сценарий, который станет типичным для партий между людьми и машинами в течение следующего десятилетия. Я сделал один неточный ход, и машина контратаковала. Раздраженный своим промахом, я решил пожертвовать материал, отдав ладью на слона, чтобы удержать инициативу. Позиция была примерно равной, но в блице я не мог положиться на точность расчетов, чтобы воспользоваться своими возможностями. Несмотря на обоюдные ошибки ближе к концу партии, когда машина дала мне шанс свести партию к ничьей, а я его упустил, Fritz 3 сумела добиться победы.
Хотя мы играли блиц и каждому давалось по пять минут, это была первая победа машины над чемпионом мира по шахматам в официальном соревновании. По значимости ту партию можно было сравнить пусть не с высадкой человека на Луну, но как минимум с запуском небольшой ракеты. Мы c Fritz 3 оказались на вершине турнирной таблицы, что для машины являлось впечатляющим результатом. Мне это было на руку, поскольку давало возможность встретиться с ней в матче за первое место и отыграться. На этот раз мне удалось сосредоточиться и полностью разгромить машину, одержав три победы при двух ничьих. В одной ничейной партии я тоже фактически победил, но мне не хватило времени, чтобы выиграть позицию с ферзем против ладьи.
Но спустя несколько месяцев фортуна повернулась ко мне спиной, когда на очередном турнире, организованном Intel под эгидой ПША в Лондоне, я встретился с другой шахматной программой для ПК — Genius, разработанной Ричардом Лэнгом. Участники играли в быстрые шахматы на выбывание, и каждая сторона имела четверть часа на партию. Мне выпало играть с Genius уже в первом раунде, что, конечно же, привлекло большое внимание. Хотя это все еще не были классические длинные шахматы, ставки поднялись высоко. Игрок, проигравший мини-матч из двух партий, выбывал из турнира, который входил в серию Гран-при, — поэтому имело значение каждое очко.
В 1-й партии, играя белыми, я получил отличную позицию, но зевнул один ход, позволив машине добиться уравнения. Тогда я совершил еще один смертный грех в партии против компьютера: начал играть слишком напористо. Вместо того чтобы сделать простую ничью и перейти к следующей партии, я попытался развить инициативу в пресном эндшпиле «ферзь и конь против ферзя и коня», но почти сразу об этом пожалел. Совершив ряд удивительных маневров ферзем, Genius ослабил положение моего короля так, что в итоге я проиграл пешку, а затем и партию. Такой резкий оборот событий стал для меня полной неожиданностью; вы можете увидеть мой шок, посмотрев на YouTube видео с этого турнира.
Несмотря на осечку, я был уверен, что одержу победу черными во 2-й партии, а затем выиграю тай-брейк и продолжу участие в турнире. Мне удалось получить очень хорошую позицию и выиграть пешку, снова в эндшпиле «ферзь и конь против ферзя и коня». Но Genius снова совершил целую череду невероятных маневров ферзем и застопорил мою проходную пешку. Я сидел, обхватив голову руками, но был вынужден смириться с ничьей и выбыл из соревнования. Это был сильный официальный турнир, хотя и по быстрым шахматам, и временами машина демонстрировала отличную игру. Все еще не высадка на Луну, но уже выход на околоземную орбиту.
Обе мои партии с Genius, особенно 2-я, отражали уникальную природу компьютерных шахмат. Самые большие проблемы у шахматистов возникают с визуализацией ходов коней, поскольку те ходят буквой «Г» — в отличие от других фигур, двигающихся по прямой. Но компьютеры ничего не визуализируют и управляют каждой фигурой с одинаковым мастерством. Кажется, Бент Ларсен — первый гроссмейстер, проигравший машине, — сказал: если убрать из шахмат коней, то рейтинг компьютеров тут же упадет на пару сотен пунктов. Это преувеличение, но в нем есть немалая доля истины. То же самое касается и ферзя, самой сильной фигуры: на открытой, не загроможденной пешками доске ферзь может достичь практически любого поля за один-два хода. Это резко повышает уровень сложности, с чем компьютеры справляются гораздо лучше людей. Столкнуться с компьютером в открытой позиции типа «ферзь + конь» — ужасный сон под стать романам Стивена Кинга.
На протяжении всей шахматной истории даже самые великие игроки избегали такой сверхсложной тактической игры, но с 1993 года она стала обычным делом для компьютеров. Играя с людьми, вы знаете, что ваш соперник сталкивается в ходе партии примерно с такими же проблемами, что и вы. Практически всегда я чувствовал, что умею рассчитывать варианты лучше любого другого шахматиста, за исключением «индийского чудотворца» Виши Ананда, заслуженно славившегося своей быстрой реакцией. В целом же я знал, что если не могу просчитать до конца последствия своего хода, то и сопернику это вряд ли удастся. Но примерный баланс сил исчезает, когда вы играете против мощной машины. Она играет не просто хорошо — она играет иначе.
Кроме того, вас все время преследует тревожное ощущение, что машина может видеть нечто такое, чего вы не можете себе даже представить. Когда на доске сложная позиция, вы напряжены и опасаетесь коварного удара со стороны машины. Поэтому вы дважды и трижды перепроверяете свои расчеты, вместо того чтобы положиться на интуицию, как поступили бы, играя против человека. Все эти дополнительные расчеты отнимают массу времени и делают игру предельно изнурительной в физическом и психологическом плане.
Когда вы всю жизнь играете в шахматы, у вас обязательно формируются определенные привычки, но их приходится нарушать, если вы играете против машины. Хотя я не был от этого в восторге, я хотел доказать, что могу преодолеть все препятствия и подтвердить свой титул сильнейшего шахматиста мира не только среди людей, но и среди машин.
Программы для ПК делали впечатляющие успехи, но я не упускал из виду и Deep Thought. В феврале 1993 года я еще раз пересекся с командой IBM в Копенгагене, где машина бросила вызов датской сборной, включая Бента Ларсена. IBM горела желанием проверить свое новое детище в деле. Маркетологи IBM решили переименовать Deep Thought II и дали машине название Nordic Deep Blue, вероятно, чтобы отличить ее от следующей версии, которая уже находилась в разработке и по завершении должна была бросить вызов мне как чемпиону мира. Но я думаю, что не будет большой путаницы, если с этого момента я буду называть ее просто Deep Blue.
Как бы она ни называлась, привезенная в Данию машина не произвела на меня впечатления. Мы использовали ее для анализа одной из моих партий перед аудиторией, желающей узнать, какие предложения та может сделать. Данные компьютером оценки позиций были откровенно плохи, он стабильно недооценивал мои шансы на атаку и нескоро понимал, что предложенные им усиления не сработали. Однако он умело сыграл против Ларсена и других датчан, набрав почти 2600 пунктов, и тем самым дал мне понять, что его значительный прогресс не за горами. Создатели проекта Сюй Фэнсюн и Мюррей Кэмпбелл включили в команду программиста Джо Хоана, к тому же теперь они могли полагаться на огромные материальные и человеческие ресурсы самой IBM. Вскоре команду Deep Blue перевели в главный исследовательский центр IBM в городе Йорктаун-Хайтс (штат Нью-Йорк). Надо сказать, что в ту пору компания переживала самый трудный период за всю свою 80-летнюю историю: ее акции упали до минимума из-за не очень успешных попыток угнаться за множеством новых шустрых конкурентов. Но новый генеральный директор Лу Герстнер отказался от плана по расчленению IBM на отдельные компании, что положило бы конец шахматному проекту.
В мае 1995 года мне удалось отомстить программе Genius в матче по быстрым шахматам, транслировавшемся по телеканалу German TV в Кельне. Конечно, глупо говорить о мести компьютерной программе, которой все равно, что делать — играть в шахматы или считать песчинки в пустыне, —, но мне нравилось так думать. Первая партия должна была закончиться вничью, но Genius совершил традиционную ошибку шахматных машин, проявив чрезмерную жадность. Программа съела мою отдаленную пешку и позволила мне развить решающую атаку на ее короля. Во 2-й партии я сделал спокойную ничью, без кульбитов. В интервью я признался, что дома тренировался с одной из версий этой программы, чтобы как можно лучше подготовиться к матчу.
В конце года я сыграл еще один мини-матч, на этот раз с программой Fritz 4 в Лондоне. Честно признаться, появление все новых версий программ с возрастающими порядковыми номерами было немного пугающим. Возможно, мне следовало настоять на том, чтобы после моего успеха в шестом матче на первенство мира меня называли «Каспаров 6.0». К тому же это было бы не так далеко от реальности: в 1993 году американский софтверный гигант Electronic Arts выпустил шахматную программу для ПК под названием «Гамбит Каспарова». У нее был сильный движок, красочная графика, и периодически на
© vc.ru
