Блог | Десять років після AlphaGo: стратегія – сила майбутнього. Частина перша

Частина перша: Гра, що змінила мислення

Березень 2016 року. Сеул. Комп'ютерна програма AlphaGo від DeepMind перемагає Лі Седоля – одного з найвидатніших гравців у го за всю задокументовану історію гри – з рахунком 4:1. Мільйони глядачів спостерігають за цим у прямому ефірі. Але лише ті, хто справді розуміє природу го, усвідомлюють: відбулося щось незворотне. Не просто технологічний рекорд – зламана парадигма. Переосмислено саму природу стратегічного мислення.

Я хочу говорити не про архітектуру нейронних мереж і не про обчислювальну потужність серверів DeepMind. Вважаю за необхідне приділити увагу висновкам – для людей, держави та світу.

Від Сунь-цзи до теорії ігор: стратегія як інваріант цивілізації

Понад 2500 років тому Сунь-цзи сформулював принцип, який не піддається забуттю: справжня перемога здобувається до початку бою. Це не красива метафора – це операційна логіка стратегічного мислення. Той, хто вже програв у просторі можливостей, програє і на полі бою. Фізична сила лише виконує вирок, винесений раніше – в головах.

У XX столітті математики надали цій інтуїції формальну строгість. Джон фон Нейман, а згодом Джон Неш – лауреат Нобелівської премії з економіки – показали: у будь-якій конкурентній взаємодії оптимальний результат визначається не розміром ресурсів, а якістю стратегії. Рівновага Неша – це не просто концепція з підручника. Це опис реальності, в якій живуть люди, армії, держави та корпорації.

Стара максима – отара овець під керівництвом лева переможе зграю левів під керівництвом вівці – не є перебільшенням. Це точна формула співвідношення між якістю стратегії та кількістю ресурсів. Військова історія переповнена підтвердженнями: Фермопіли, Канни, Сталінград. Потужні ресурси без стратегічного інтелекту не просто марнуються – вони стають тягарем.

Твердження, що "стратегія – розкіш у часи, коли є груба сила", – це не помилка, це маніпуляція. Її просувають ті, кому вигідно, щоб маси культивували лише виконавські компетенції, не претендуючи на мислення правителів. Стратегічне мислення завжди було дефіцитним ресурсом – і саме тому воно завжди було ресурсом влади.

Го: знання, що формує правителів

Гра го існує понад чотири тисячі років. І протягом більшої частини цього часу вона була інструментом виховання еліти – у буквальному, а не фігуральному сенсі. Є давня китайська легенда про імператора Яо, який наказав створити цю гру для навчання свого сина. Майбутній правитель мав навчитися бачити не окремі ходи, а цілісну картину. Не реагувати, а передбачати, не вигравати тут і зараз, а будувати позицію, яка дає перевагу в довгій грі. Саме це робить го унікальним заняттям.

Го формує особливий тип мислення – просторовий, багатоходовий, системний. Це мислення, яке дозволяє працювати з невизначеністю, керувати складними процесами і приймати рішення в умовах обмеженої інформації. Не випадково протягом століть го залишалося частиною освіти еліти в Китаї, Японії та Кореї.

Доступ до нього визначався не заборонами, а хитріше – через освіту, середовище і час. Го не було закритим знанням. Але воно ніколи не було і масовим, бо справжній бар'єр – не заборона, а здатність мислити на відповідному рівні.

Го тренує не конкретні навички – воно формує архітектуру мультимодального мислення. Здатність одночасно утримувати в полі зору глобальну картину і локальний конфлікт. Вміння свідомо поступитися тактичною позицією заради стратегічного виграшу. Розуміння, що найнебезпечніший момент – не коли ти слабкий, а коли ти відчуваєш себе переможцем. Ці компетенції виникають лише через систематичну практику, через тисячі партій, де кожна помилка коштує результату.

Сьогодні го доступне для всіх, це і небезпека, і можливість. Небезпека у тому, що більшість не усвідомлює цінності цього інструменту і сприймає його як екзотичне хобі. Можливість – будь-яка держава, яка системно впроваджує го в освіту, отримує асиметричну перевагу: вона виховує покоління, яке мислить інакше – глибше, далекоглядніше, стійкіше до маніпуляцій.

Детальніше про природу цього мислення та місце го в епоху ШІ – у моїй статті "Гра Го: багатовимірність в епоху штучного інтелекту".

Чому комп'ютер переміг у шахах у 1997-му, але не міг у го до 2016-го

Щоб зрозуміти, чому перемога AlphaGo стала подією іншого порядку, ніж перемога шахового комп'ютера, потрібно зупинитися на числах.

11 травня 1997 року спеціалізована шахова машина IBM Deep Blue перемогла чинного чемпіона світу Гаррі Каспарова з рахунком 3½:2½ – уперше в матчі з класичним контролем часу. Це була технічна сенсація. Але шахова машина вирішувала задачу, яка принципово піддається обчисленню: кількість можливих шахових партій оцінюється приблизно у 10 до 120-го ступеня. Грандіозне число, але скінчене й обхідне для достатньо потужного процесора методом перебору й відсікання.

У го – інша математика. Кількість можливих позицій на дошці 19×19 перевищує 10 до 170-го ступеня. Це настільки більше, ніж у шахах, що жоден комп'ютер не здатний був вирішити го методом прямого перебору. Саме тому Deep Blue – найбільш потужна шахова машина свого часу була принципово непридатна для го: її методи працювали в шахах, але в го сила пам'яті й швидкість обчислень нічого не первинні.

За чотири тисячі років існування гри не було зіграно жодної партії, що повторила б іншу – ні за розвитком, ні за фінальною позицією. Кожна партія в го є унікальною. Це не перебільшення для краси: це математична неминучість. Тому шахова логіка "вивчи бібліотеку дебютів і прорахуй кінцівку" тут не працює.

Саме тому го з давніх часів притягувало перспективних людей – не тільки тих, хто добре запам'ятовує, а тих, хто вміє творити. Шахи винагороджують глибоку пам'ять і точний розрахунок. Го вимагає принципово іншого: здатності в умовах нескінченної невизначеності формувати нові рішення, бачити потенційні точки зростання сили там, де ще немає нічого. Го – це гра не про відтворення, а про творення.

Хід 78: коли програш стає зброєю

У четвертій партії матчу, коли рахунок вже був 3:0 на користь AlphaGo, Лі Седоль зробив хід, який назавжди увійде в скарбницю стратегічного мистецтва. Хід 78 – камінь, поставлений у місце, яке з точки зору стандартної теорії го виглядало як груба помилка. Усі системи оцінки позиції показували: цей хід ослаблює власну позицію. Програма сприйняла його як відступ, як прояв слабкості – і відповіла за логікою "сильний продовжує тиснути", але саме це і було пасткою. AlphaGo, навчена на мільйонах "раціональних" партій, не мала в своїй моделі категорії навмисної помилки як стратегічного інструменту. Лі Седоль не грав проти програми – він грав проти її уявлення про реальність і виграв четверту партію. Єдину у своїй кар'єрі проти AlphaGo.

Тут є деталь, яка надає цій історії майже літературну симетрію. У другій партії того самого матчу AlphaGo зіграв хід 37 – настільки неочікуваний, що комп'ютерні аналітики оцінювали ймовірність такого ходу від будь-якого людського гравця у 1 до 10 000. Машина вразила людство ходом, якого жоден людський розум не передбачив. Через дві партії Лі Седоль відповів симетрично: його хід 78 мав рівно ту саму ймовірність – 1 до 10 000. DeepMind підтвердив: AlphaGo не вважав такий хід можливим з боку людини. Машина вчила людей мислити інакше – і людина засвоїла урок, обернувши його проти вчителя. Це не лише красива деталь. Це фундаментальний принцип: найсильніша зброя проти будь-якої системи – вийти за межі її уявлення про можливе.

Це і є мистецтво 36 стратагем у дії. Десята стратагема – "приховати меч за посмішкою". Двадцять сьома – "прикинутися безумцем, не втрачаючи розсудливості". Зброєю стає те, що противник не здатен розпізнати як зброю. Перемога матеріалізується не там, де противник будує оборону, а саме там, куди він не дивився, бо вважав це місцем чужої слабкості.

Ті, хто мислить категоріями грубої сили – хто захоплює активи, заливає бетоном фортеці, концентрує ресурси там, де вже й так сильно – принципово не здатні зрозуміти цю логіку. Вони бачать лише поточну позицію. Стратег бачить позицію через двадцять ходів і знає: майбутня сила росте з місць, які зараз здаються порожніми.

Тому справжній стратег – завжди більш цінний як союзник, ніж як противник. Він не руйнує чужу силу, він будує власну. Він не забирає – він створює простір, де з'являється нова цінність. З таким партнером вигідніше дружити, ніж воювати: він бачить можливості там, де інші бачать лише загрози, і перетворює складні ситуації на нові точки зростання.

Закінчення – у другій частині.