يعرف كل لاعب شطرنج أمضى أمسياته في التدرب ضد الروبوتات الرقمية ذلك الشعور المربك بالغربة. تقضي عشرين نقلة في بناء هيكل بيادق متماسك، وتنشر أحصنتك في المربعات المركزية، وتسيطر على الأعمدة المفتوحة بهدوء. ثم فجأة، ومن دون أي داعٍ تكتيكي أو تهديد مباشر، يسلّم المحرك وزيره مقابل بيدق عادي، أو يسحب قلعة نشطة إلى زاوية معزولة بلا معنى. وبعد ثلاث نقلات فقط من ذلك الخطأ الفادح، يعود البرنامج نفسه ليحسب أعقد التكتيكات بدقة خارقة تعجز عنها عقول أبطال العالم.
لا يرجع هذا السلوك المشتت إلى عجز برمجي في قوة الحساب؛ بل تكمن المشكلة في أن المحركات التقليدية تحسب بدوافع الآلات الصرفة ولا تدرك شيئًا عن منطق البشر. وحين يسعى المبرمجون لتكييف محرك جبار ليناسب المبتدئين أو لاعبي الأندية، يلجؤون عادة إلى حلول اصطناعية مشوهة. يفحص البرنامج ملايين المواقف في كل ثانية، ويستخرج المسار الرياضي الأكمل للفوز، ثم يتعمد إقحام أخطاء عشوائية لخفض تصنيفه في الخادم. قد يرضي هذا التلفيق جداول الأرقام، لكنه يفشل كليًا في محاكاة التفكير البشري الطبيعي.
في عام 2020 قرر فريق من باحثي الذكاء الاصطناعي معالجة هذه الفجوة بمنظور مختلف تمامًا. فبدلًا من مطالبة الحاسوب بالفوز بأي ثمن وبأعلى كفاءة حسابية، طرح الباحثون سؤالًا جوهريًا: هل يمكن لشبكة عصبية عميقة أن تتعلم لعب الشطرنج بالطريقة التي يلعب بها البشر في الواقع؟ أثمر هذا البحث مشروع Maia Chess، وهو محرك شطرنج مفتوح المصدر أحدث تحولًا كبيرًا في أسلوب التمارين الرقمية. وإذا كنت ترغب في لعب الشطرنج أونلاين ضد خصم يفهم طبيعة المواقف ويختار نقلات منطقية، فإن فهمك لآلية عمل Maia سيفتح أمامك آفاقًا جديدة لتطوير مستواك الحقيقي.
المعضلة الرياضية في روبوتات الشطرنج التقليدية
لفهم سبب الاختلاف الكبير الذي تشعر به عند مواجهة Maia، يجدر بنا فحص أسلوب عمل المحركات الكلاسيكية مثل Stockfish. تبني هذه المحركات أشجار بحث عميقة للغاية، وتقيّم كل نقلة بمعادلات بالغة الدقة للقيمة المادية والمساحة والنشاط. وهي لا تعرف التردد، ولا ترهبها ضغوط عقارب الساعة، ولا تميل إلى جماليات الخطط المتناسقة؛ إذ تنظر الخوارزمية في عشرات النقلات المستقبلية لتقرير المسار الحسابي الأفضل حتمًا.
وعندما يريد المطورون صنع روبوت بمستوى 1100 أو 1200 أو 1500 نقطة تصنيف Elo، فإنهم يطبقون في العادة أسلوبين أساسيين: تحديد عمق البحث لحرمان المحرك من فحص التفرعات البعيدة، وإدخال الضوضاء العشوائية لإجبار الخوارزمية على اختيار نقلات رديئة من حين لآخر. يفرز هذان الأسلوبان مباريات مصطنعة وخالية من الانسجام. فاللاعب البشري المصنف عند 1200 أو 1500 نقطة لا يلعب مثل أستاذ دولي لخمس عشرة نقلة ثم يلقي بقلعته فجأة لأن مولد الأرقام العشوائية فرض عليه ذلك. في الواقع، يخطئ الإنسان لأسباب ذهنية مفهومة: ضيق الوقت، أو صعوبة الرؤية في المواقف المزدحمة، أو إغفال ربط تكتيكي غير ظاهر، أو الشعور بالإرهاق في نهايات الأدوار.
كما أن تقييد عمق البحث يُبقي المحرك معصومًا في الحسابات المباشرة القصيرة. فروبوت بعمق 4 لا يرى تكتيكًا في النقلة الخامسة، لكنه يحسب كل الاحتمالات الأربعة الأولى بدقة آلية مطلقة. أما العقل البشري فيعمل بأسلوب انتقائي: يستبعد فورًا النقلات العبثية، ويركّز طاقته على خطتين أو ثلاث تقترحها الخبرة والشعور التموضعي. إن التدرب ضد هذه الروبوتات المصطنعة يفتقر إلى القيمة التعليمية. فإذا فزت لأن الآلة رمت بوزيرها بلا مقابل، لم تتعلم كيفية استغلال نقاط الضعف الاستراتيجية الحقيقية؛ وإذا استيقظ الروبوت فجأة ليعاقبك بتفريغ إجباري من ثماني نقلات يعجز عنه كبار الهواة، فإنك تشعر بالإحباط فقط.
تدريب الشبكة العصبية: كيف تعلّم Maia من 12 مليون مباراة؟
أدرك الباحثون الذين ابتكرو مشروع Maia (وهم Reid McIlroy-Young وSiddhartha Sen وJon Kleinberg وAshton Anderson) أن تقريب الذكاء الاصطناعي من السلوك البشري يتطلب فلسفة تدريب مغايرة بالكامل[1]. فعوضًا عن الاعتماد على التعلم المعزز عبر لعب النظام ضد نفسه (وهو النهج الذي قاده مشروع AlphaZero لإنتاج مستوى حسابي خارق يتجاوز قدرة أي إنسان)، درّب الفريق محرك Maia بأسلوب التعلم الخاضع للإشراف، معتمدين على مباريات حقيقية خاضها لاعبون بشر على منصة Lichess.
جمع الباحثون قاعدة بيانات ضخمة بلغت 12 مليون مباراة لكل شريحة تصنيف، موزعة على تسع فئات تمتد من 1100 إلى 1900 نقطة Elo. ودُرِّب كل نموذج مستقل في عائلة Maia حصرًا على مباريات تنافس فيها خصمان ينتميان إلى الفئة نفسها من المهارة. استبعد الباحثون الحسابات الآلية المشبوهة، ومباريات الرصاص السريعة للغاية التي تنتهي بسقوط الوقت وهفوات عشوائية في ثانية واحدة، وركزوا على مباريات الشطرنج السريع والكلاسيكي التي يتاح فيها للاعبين وقت للتفكير وبناء خطط واضحة ومدروسة.
ولم تكن الغاية تدريب الشبكة العصبية على استخراج النقلة المثالية للفوز، بل تحقيق هدف تنبؤي دقيق: بالنظر إلى موقف نشأ في مباراة واقعية بين لاعبين من تصنيف محدد، ما النقلة الحقيقية التي لعبها اللاعب البشري بالفعل على الرقعة؟ وبدراسة 12 مليون مباراة في كل تصنيف، استوعبت Maia الأولويات التموضعية، والأفكار التلقائية، ونقاط الضعف التكتيكية الشائعة للاعبين في تلك الشريحة. فنموذج 1500 لا يحسب كأستاذ كبير ثم يتعمد الخطأ؛ بل ينظر إلى الرقعة بعيني لاعب في هذا المستوى وحدوده الفكرية.
دقة تنبؤ النقلات: تفوق صريح على Stockfish
تتجلى الفجوة الكبيرة بين تدريب الخوارزمية على الفوز وتدريبها على محاكاة البشر عند اختبار دقة توقع النقلات. ففي الدراسة المنشورة عام 2020، قاس الباحثون معدل نجاح المحركات المختلفة في تخمين النقلة التي اختارها إنسان في مباريات حقيقية. أظهرت المحركات التقليدية عجزًا واضحًا في هذا الاختبار. فحتى مع تقليل عمق البحث، لم تتجاوز دقة تنبؤ Stockfish لنقلات البشر نسبة 40%، واستقرت غالبًا حول 38%. وكلما مُنح المحرك عمقًا أكبر في الحساب، تراجعت دقة تنبؤه بقرارات البشر؛ إذ كانت الحسابات المعقدة تقوده إلى تفرعات غامضة لا تخطر على بال اللاعبين الهواة.
في المقابل، تجاوزت نماذج Maia حاجز 50% من الدقة بثبات في جميع المستويات المدروسة. وفي فئات المهارة المتوسطة، تنبأ Maia بالنقلة البشرية الدقيقة بنسبة راوحت بين 52% و54%. وحتى في فئة المبتدئين عند تصنيف 1100 نقطة Elo، سجل المحرك دقة بلغت 48%.
يبرهن هذا التفوق التنبؤي على أن قرارات البشر في الشطرنج ليست فوضوية أو خبط عشواء؛ بل تتبع أنماطًا عقلية منتظمة ترتكز على إدراك الأشكال، وتأمين الملك، وتناغم القطع، ومعرفة تفريعات الافتتاح. وبما أن Maia تدرّب على قرارات واقعية لا على معادلات مجردة، فإن خياراته تطابق ما يراه لاعب الشطرنج البشري ويفكر فيه.
ولا يقتصر المحرك على توقع النقلات السليمة، بل يتنبأ أيضًا بالأخطاء التي يقع فيها البشر بانتظام. فإذا كان هناك تكتيك خادع يغري أغلب لاعبي مستوى 1200 ولكنه خاطئ تموضعيًا، فإن Maia غالبًا ما يختاره، مما يجعله خصمًا مثاليًا للتمارين الجادة في النوادي.
المنطق الاستراتيجي والأخطاء التكتيكية الواقعية
حين تتأمل المواقف التي يحللها نموذج بشري أو تطبق هذه الأفكار عمليًا عند لعب الشطرنج أونلاين، تجد المعركة فوق الرقعة مألوفة ومنطقية منذ اللحظات الأولى. ففي مرحلة الافتتاح ومطلع وسط الدور، ينشر محرك Maia قطعه وفق خطط متوازنة ومفهومة. خذ على سبيل المثال الافتتاح الإيطالي الشهير. فبدلًا من البحث عن مناورات هامشية معقدة تتطلب حساب عشرين نقلة بدقة خارقة للحفاظ على التوازن، يحرّك Maia قطعه الخفيفة بانسجام نحو المركز، ويؤمّن الملك بالتبييت، ويجهز تقدم البيادق المنتظم.
في هذه المواقف، يفكر أي لاعب نادٍ بصورة تلقائية في ربط الحصان في f6 أو تعزيز السيطرة على مربع d4. ويختار Maia نقلات تخدم هذه الأهداف التلقائية، متجنبًا دفع بيادق الأجنحة في اندفاعات غير مبررة ما لم تفرض طبيعة الموقف ذلك صراحة. وتبرز هذه الواقعية بوضوح في المواقف التكتيكية الحادة. فاللاعبون الهواة يسقطون باستمرار في أفخاخ هندسية كلاسيكية مثل تكتيكات الشوكة والربط والسيخ في الشطرنج، أو يغفلون فتح نافذة أمان للملك مما يعرضهم لكارثة كش مات الصف الخلفي في الشطرنج. وإذا فوّت Maia فرصة تكتيكية، فإن لخطئه سببًا بشريًا واضحًا: كأن تكون القطعة محجوبة بجدار بيادق، أو الموقف مكتظًا بالتهديدات المتزامنة، أو النقلة المطلوبة نقلة هادئة غير بديهية.
إن دراسة مثل هذه المباريات تمنحك فهمًا عميقًا؛ لأن التفوق فيها يأتي ثمرة خطة استراتيجية سليمة، أو ضغط منظم في الوسط، أو تفوق في نهاية الدور، لا مجرد استغلال لخلل برمجي مفاجئ. وحتى في نهايات الأدوار، يلعب المحرك كإنسان حقيقي. فالمحركات القديمة تلجأ في المواقف الخاسرة إلى تضحيات غريبة لتأخير المات بنقلة واحدة وفق جداول ناليموف، بينما يقاتل Maia بإصرار وينشّط ملكه ويسعى لصنع بيدق سالك يعقد مهمة الفوز على الخصم.
مسار التطور: من النماذج الأولى إلى Maia-3
أثبتت أبحاث عام 2020 إمكانية التنبؤ بنقلات البشر، لكن التصميم الأول واجه عقبات عملية. فقد تطلب كل تصنيف Elo شبكة عصبية منفصلة: نماذج 1100 و1200 و1500 و1900 كانت شبكات معزولة لا تستطيع محاكاة التطور المتصل لمستوى اللاعب بمرور الوقت. ولتجاوز هذا القصور، قدم الباحثون في عام 2024 بنية Maia-2 الموحدة المبنية على آليات الانتباه في نماذج المحولات (Transformers). ومن خلال تزويد النموذج برقم التصنيف كمدخل مباشر، استطاعت شبكة عصبية واحدة تغطية التدرج الكامل للمهارة البشرية وضبط احتمالات النقلات بمرونة تامة.
ثم جاء الإنجاز الأحدث في عام 2025 حين أطلق مختبر العلوم الاجتماعية الحاسوبية (CSSLab) في جامعة تورنتو نموذج Maia-3 79M. يضم هذا النموذج محولًا يحتوي على 79 مليون معامل (parameter) دُرّب على مجموعات ضخمة من النقلات البشرية. ويلتقط Maia-3 بدقة رفيعة مفاهيم اللعب الوقائي، والتحولات الحذرة في النهايات، والدفاع التموضعي، مع الحفاظ على روح المحاكاة البشرية الصادقة. يوزع مشروع Maia-3 بموجب رخصة جنو أفيرو العمومية الإصدار 3.0 (AGPL 3.0)، مما يضمن بقاء أبحاثه وتقنياته مفتوحة للمجتمع العلمي والشطرنجي العالمي.
كيف تفيد أبحاث النقلات البشرية في التدريب العملي؟
تحمل الأبحاث العلمية وراء مشروع Maia درسًا جوهريًا لكل لاعب يسعى إلى تطوير مستواه: إن الاستعداد لمواجهة لاعبين حقيقيين يتطلب فهم النقلات التي يلعبها البشر فعلًا على الرقعة، لا مجرد حفظ تفريعات حاسوبية تمتد لعشرين نقلة ولا تحدث أبدًا في مباريات الأندية.
فعندما يعتمد اللاعب في تحليله حصريًا على تقييمات المحركات الخارقة، فإنه يقع غالبًا في فخ حفظ سلاسل إجبارية معقدة دون استيعاب فكرتها الاستراتيجية. وما إن يخرج الخصم في النقلة السادسة بنقلة بشرية طبيعية غير مثالية، حتى يجد اللاعب نفسه بلا خطة واضحة. ولذلك فإن الجمع بين خوض المباريات التطبيقية ومتابعة دروس الشطرنج المنهجية يساعد على ترسيخ المبادئ الأساسية كتنسيق القطع، والسيطرة على الوسط، واكتشاف الأنماط التكتيكية المتكررة.
إن التركيز على ردود الأفعال البشرية الواقعية أثناء التدريب يمنحك ثقة كبيرة في اختبار أفكارك الهجومية، وتطبيق خطط الضغط الطويل في جناح الوزير، وتحويل التفوق البسيط في نهاية الدور إلى فوز متقن حين تجلس خلف رقعة شطرنج خشبية حقيقية. فالمهم في التحضير العملي ليس معرفة النقلة التي يختارها حاسوب خارق بعد حساب ملايين التفريعات المعقدة، بل معرفة النقلة التي يميل إليها منافسك البشري تحت ضغط الوقت، وكيف تبني موقفًا متماسكًا يعاقب الأخطاء التموضعية الطبيعية خطوة بعد خطوة دون التورط في تعقيدات عشوائية غير ضرورية.
أسئلة شائعة عن Maia
هل محرك Maia أقوى أم أضعف من Stockfish؟
محرك Maia أضعف قصدًا من Stockfish في قوة الحساب المطلقة. يسعى Stockfish إلى بلوغ الكمال الرياضي وسيهزم Maia في أي مواجهة مباشرة؛ أما هدف Maia فليس الفوز الخارق، بل التعبير الصادق عن طريقة تفكير البشر وقراراتهم عند مستويات تصنيف محددة.
هل يرتكب Maia أخطاء تكتيكية فادحة؟
نعم؛ فبما أن النماذج دُرِّبت على مباريات لاعبين حقيقيين من تصنيف 1100 فما فوق، فإن نماذج المستويات الأدنى تقع في الأخطاء التكتيكية والسهو التموضعي الذي يتكرر باستمرار في مواجهات الهواة.
هل يستعين Maia بمكتبات افتتاحيات أو جداول نهايات؟
على خلاف البرامج التقليدية التي تعتمد على حفظ ملايين النقلات في مكتبات جاهزة وجداول حسابية معقدة، يستخرج Maia نقلاته مباشرة عبر شبكته العصبية المدربة، معبرًا عن الخبرة التلقائية للاعبي الشطرنج.
هل يناسب Maia الاستعداد لبطولات الشطرنج الرسمية؟
نعم، وهو الخيار الأنسب لهذا الهدف تحديدًا. فنظرًا لأن Maia يلعب بأسلوب بشري طبيعي ويقع في أخطاء مألوفة، فإن التمرن معه يدرّب اللاعب على النقلات والردود التي سيواجهها فعلًا أمام منافسيه فوق الرقعة الحقيقية.
كيف يساعد Maia في تحسين الرؤية التكتيكية؟
عندما تواجه محركًا يتخذ قرارات بشرية واقعية، تصبح قادرًا على ملاحظة كيفية نشوء التهديدات التكتيكية عبر مسار المباراة بصورة تدريجية. فبدلًا من أن تفاجأ بضربات صاعقة مستحيلة الحساب، تدرك كيف يستغل الخصم تراكم الأخطاء البسيطة وضعف المربعات، مما يعلمك التفكير الوقائي وحماية قطعك بصورة مستمرة.
المصادر
- McIlroy-Young, R., Sen, S., Kleinberg, J., & Anderson, A. (2020). Aligning Superhuman AI with Human Behavior: Chess as a Model System. Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, 1677–1687.
- Tang, Z., Jiao, D., McIlroy-Young, R., Kleinberg, J., Sen, S., & Anderson, A. (2024). Maia-2: A Unified Model for Human-AI Alignment in Chess. arXiv preprint arXiv:2409.20553.
- CSSLab, University of Toronto. (2025). Maia-3 79M: Transformer model trained on human chess moves.
- Boardgammon. “Chess Moment: Play rated chess online.”
- Boardgammon. “Chess lessons and fundamentals.”
- Boardgammon. “Chess Moment: Play chess online.”
وجدتَ خطأً أو عبارة ركيكة؟ راسلنا
