Ведущие шахматные движки отличаются от гроссмейстеров не только точностью расчётов. Компьютер может долго сохранять на доске запутанную систему взаимных угроз, защит и возможных разменов, в то время как даже лучшие люди начинают упрощать позицию гораздо раньше. К такому выводу пришли авторы исследования, опубликованного в APS Open Science.

Адамо Чериоли, Эдвард Ли и Вито Сервидио проанализировали 1200 партий гроссмейстеров и 1200 матчей между ведущими движками Stockfish и Leela Chess Zero. Данные о компьютерных партиях охватывали официальные турниры 2019–2024 годов. Исследователи также запускали Stockfish с разной глубиной поиска, чтобы проверить, как вычислительные ресурсы влияют на стиль игры.

Для сравнения людей и машин авторы ввели математический показатель «стратегического напряжения». Позицию представляли сетью связей между фигурами и полями. Связь возникала, когда фигура могла взять соперника, защитить другую фигуру ответным ударом или контролировала свободное поле для хода противника. Чем плотнее становилась сеть взаимозависимых угроз, тем выше было напряжение. Ошибка в такой позиции запускает цепочку разменов и резко меняет баланс.

На дебютной стадии показатели людей и машин растут одинаково. Максимальное напряжение обычно появляется между 15-м и 30-м ходами. Гроссмейстеры иногда ненадолго достигают более высокого пика, чем движки. Исследователи объясняют это глубоко изученными дебютными схемами, которые профессионалы заранее запоминают и уверенно разыгрывают при множественных угрозах.

После выхода из стандартной дебютной теории стили расходятся. Люди чаще разменивают фигуры, разрешают конфликты и сокращают количество открытых вариантов. Stockfish и Leela Chess Zero гораздо дольше сохраняют плотную сеть атак, защит и контролируемых полей. Компьютерные партии в среднем содержат больше фигур на завершающих стадиях и показывают более сбалансированное соотношение атакующих и защитных взаимодействий.

Разница проявилась и среди людей. Чем выше рейтинг Эло, тем больше суммарного стратегического напряжения выдерживал игрок. Длинный контроль времени тоже позволял сохранять сложные позиции дольше: классические партии ведущих гроссмейстеров показывали более высокую накопленную нагрузку, чем рапид и блиц. Больше времени — больше возможностей просчитать множественные взаимосвязанные варианты.

Управляемые эксперименты со Stockfish дали аналогичный результат. Увеличение глубины поиска повышало суммарное напряжение, которое движок сохранял в течение партии. Это указывает на роль вычислительной мощности: чем больше вариантов способен просчитать алгоритм, тем меньше необходимость быстро упрощать позицию.

Анализ выявил интересную особенность в решающих партиях. Траектории будущих ничьих и партий с победителем начинали различаться примерно к 15-му ходу, когда стратегическое напряжение ещё росло. Максимальная сложность наступала позже. По мнению авторов, устойчивое преимущество часто формируется во время нарастания сложности, а последующее упрощение — следствие возникшего перевеса, а не причина победы.

Склонность людей к упрощению исследователи связывают с ограничениями рабочей памяти, внимания и психологической нагрузкой. Компьютер не устаёт и способен одновременно отслеживать значительно больше взаимозависимых продолжений. Авторы подчёркивают, что работа не устанавливает прямую связь между высоким стратегическим напряжением и превосходством современных движков. Исследование показывает различие в обращении со сложностью, но не доказывает, что именно этот стиль делает ИИ сильнее.

Шахматы удобны для подобного анализа благодаря полной информации и строгим правилам. Реальные стратегические задачи устроены сложнее: неполные данные, случайные события и действия множества участников ограничивают перенос результатов за пределы игры. Исследователи предлагают использовать разработанную метрику для изучения ситуаций, где алгоритмы удерживают значительно больше конкурирующих вариантов, чем человек, и откладывают решения, которые биологический интеллект предпочёл бы упростить раньше.