EL AJEDREZ DEL DEEP BLUE DE IBM
CHIPS DE CLASE GRAN MAESTRO
Feng-hsiung Hsu
IBM T.J.
Watson - Research Center
Daniel Márquez Lisboa
Documentalista
y traductor
Este
white paper es una traducción textual de ideas del Ingeniero Fen-hsiung
Hsu.
La mención «Gran Maestro» se corresponde a la siguiente definición:
«El título de Gran Maestro es otorgado por la FIDE a
jugadores de ajedrez que alcanzan determinado nivel de excelencia. Aparte del
título de Campeón Mundial, es el título más importante entre los jugadores de
ajedrez.» - Wikipedia
El
supercomputador Deep Blue de IBM, que le ganó al campeón mundial de ajedrez Garry
Kasparov en 1997, empleó 480 chips personalizados de ajedrez. Este artículo
describe la filosofía de diseño, la arquitectura general y el desempeño de estos
chips de ajedrez, los cuales proveyeron el máximo poder computacional a Deep Blue.
Crear la primera
computadora de ajedrez campeona del mundo pertenece a los desafíos de las máquinas
más antiguas en cuanto a desafíos en informática. Cuando el Campeón Mundial de
Ajedrez Garry Kasparov abandonó en la última partida de un juego a seis contra
el superordenador Deep Blue de IBM el 11 de mayo de 1997, su pérdida marcó un
logro de este objetivo.
La búsqueda de una «máquina
de ajedrez» data a 1769 cuando el Turk —con un jugador humano escondido dentro
— debutó en la corte australiana. El arribo de computadores electrónicos a
fines de 1940 espoleó nuevas investigaciones en programas de ajedrez. Los
tempranos programas enfatizaban el proceso de pensamiento del ajedrez de un
humano. El programa Chess 4.51 a fines de los 70s demostró por
primera vez que enfatizando en el hardware, la velocidad podría ser más
fructífera. Belle2, una máquina con cableado especial de ajedrez de Bell Laboratories, vino a ser el primer programa
nacional maestro en los inicios de 1980. Continuando la misma tendencia, Cray
Blitz3 corría sobre un supercomputador Cray, y Hitech4,
otra máquina de propósito en ajedrez, llegaba al tope de los programas en los
mediados de 1980.
Durante los próximos 10
años, las máquinas de ajedrez se basabarían en un generador de movimiento con
mi diseño5 —ChipTest (1986-1987), Deep Thougth (1988-1991), y Deep
Thouth II (1992-1995)— lugares reclamados como los mejores programas de ajedrez
en el mundo. En 1998, el equipo de Deep Thougth ganó el segundo Fredkin
Intermediate Prize para el nivel Gran Maestro para un rating de 2650 de la
escala de la USFC por sobre 25 juegos consecutivos.
El debut de Deep Blue en
1996, en el primer match Kasparov-Deep Blue en Filadelfia, finalmente eclipsó
al Deep Thought II. La versión de 1996 de Deep Blue usó un nuevo chip de
ajedrez diseñado en el IBM Research a lo largo de tres años. Una importante
revisión de este chip participó en la histórica revancha de 1997 entre Kasparov
y Deep Blue. Este artículo se concentra principalmente en el chip revisado.
Descripción de la tarea y filosofía del diseño
Los buenos programadores
de ajedrez prestan mucha atención a la velocidad de sus programas.
Inicialmente, también enfatizamos la velocidad de búsqueda. Uno de mis
objetivos originales cuando diseñamos Deep Thought, era ver lo que sucedería
cuando una máquina de ajedrez clase-Belle se aceleró, digamos, mil veces más.
Resolver el «problema del
ajedrez informático» implicaba ganar un partido contra el Campeón Mundial de
Ajedrez humano bajo el control del tiempo de regulación. Los juegos tuvieron
que jugarse a menos de tres minutos por jugada. Ambas condiciones —utilizando
el control del tiempo de regulación lenta y ganando un partido— presentaban
problemas.
Bajo controles de tiempo
más rápidos, es mucho más fácil para una computadora vencer a los GM de ajedrez.
Un ordenador primero derrotó a un GM en 1977 en un juego blitz, donde los jugadores tienen cinco minutos cada uno para todo
el juego. Tomó 11 años antes de que una computadora fuese finalmente GM en un
juego de la regulación. Más recientemente, en 1988, el jugador número dos
clasificado, Vishwanathan Anand, perdió contra un programa de PC en blitz y juegos de tiempo corto por una
puntuación de 1,5 a 4,5. Sin embargo, derrotó al mismo programa por una
puntuación de 1,5 a 0,5. Incluso los GM de clase mundial tienen problemas para
evitar errores en juegos rápidos.
La necesidad de vencer al
Campeón del Mundo en un partido, introdujo dificultades adicionales.
Dos ejemplos demuestran el
obstáculo de una computadora en encuentros en un partido contra un equipo bien
preparado con oponente humano. En 1984, Cray Blitz jugó un match de cuatro partidas contra el internacional Maestro David
Levy. A pesar existir fuerzas comparables, Levy explotó con éxito las
debilidades informáticas, típicas de Cray Blitz, y ganó con una puntuación de
4-0. En 1996, Deep Blue lo fue incluso contra Kasparov después de cuatro juegos
en el primer match. Kasparov marcó
profundamente a Deep Blue, y ganó los dos restantes juegos fácilmente.
Aparentemente, la velocidad de cálculo no fue suficiente.
¿Qué fue lo que causó los
problemas para Cray Blitz y Deep Blue en los partidos de 1984 y 1996? Primero,
jugaron con oponentes humanos adaptables. Los humanos aprenden. Las
computadoras también «aprenden», pero no
muy bien. En segundo lugar, Cray Blitz en 1984 y, en un grado mucho menor, Deep
Blue en 1996, tenían serias lagunas en su comprensión del conocimiento del
ajedrez, que un oponente humano podía simplemente explotar.
¿Qué contramedidas
ayudarían? Nuestro equipo podría poner tanto conocimiento de ajedrez como fuese
posible en el chip de ajedrez y reducir el número de graves deficiencias de
conocimientos. Podríamos también, lo más fácil posible, cambiar el
comportamiento de juego de chip de ajedrez. Esto se fusionaría en un solo
mandato: integrar la máxima cantidad posible de software de conocimiento de
ajedrez modificable en el chip de ajedrez. El nivel de integración tenía que
ser el primero; la velocidad sería el segundo.
Las computadoras de
ajedrez que optimizan sus programadores, les dicen que optimicen. A veces, este
imperativo conduce al programa a mostrar un comportamiento extraño no visto en
humanos porque las computadoras de juegos no tienen sentido común. Para
corregir el comportamiento extraño, tienen que incluir conocimientos de ajedrez
no cubiertos en los libros de ajedrez.
Para hacer frente a la
computadora con las anteriormente desconocidas debilidades que aparecen en un
partido, nosotros creamos los pesos asociados con las posiciones
características ajustables individualmente desde el software. Este enfoque
tiene una ventaja que no necesitaba saber cómo jugar bien ajedrez solo si una
función de posición es importante. Un escape de hardware hatch añadido permitió un circuito externo, como un FPGA
(field-programmable gate array) para reconocer nuevas características
posicionales y modificar operaciones de hardware en los chips de ajedrez. En el
match de 1997, no usamos el escape de hardware, pero cambiamos los pesos para
las características posicionales entre las partidas.
La velocidad, aunque
secundaria, siguió siendo importante. Teóricamente, podríamos aumentar la
velocidad del chip dramáticamente utilizando una mejor tecnología y ejecución
especulativa. El riesgo involucrado con una aplicación más rápida parecía
demasiado en el tiempo limitado que teníamos antes del match de 1997.
Los chips de ajedrez en
CMOS de 0,6 micras buscaron de 2 a 2,5 millones de posiciones de ajedrez por segundo
por chip. Análisis de diseño recientes mostraron que la aceleración a cerca de
30 millones de posiciones por segundo era posible con un procesador de 0,35
micras y un nuevo diseño. Tal chip podría hacer posible derrotar al Campeón del
Mundo de Ajedrez con un ordenador personal de escritorio o, incluso, un ordenador
portátil. Con un procesador de 0,18 micras y con, digamos, cuatro procesadores
de ajedrez por chip, nosotros podríamos construir un chip de ajedrez con mayor
velocidad de cálculo sostenida en el Deep Blue de 1997.
Debido a la arquitectura
del sistema de Deep Blue, no tuvimos que tener chips de ajedrez lo más rápidos
posibles. Basamos el sistema de Deep Blue en un superordenador IBM RS/6000 SP,
que se puede ver como una colección de procesadores IBM o estaciones de trabajo
RS/6000 conectados a través de una red de conmutación de alta velocidad. Cada
procesador en el sistema controlaba hasta 16 chips de ajedrez, distribuidos en
dos tarjetas Micro-Channel con 8 chips de ajedrez en cada tarjeta. Dado que el
superordenador RS/6000 SP podría en teoría tener hasta miles de procesadores,
es que no nos enfrentamos a ninguna limitación seria en cuanto a velocidad del sistema.
El Deep Blue de 1997 fue una máquina de 30 vías con 30 procesadores RS/6000 (y
480 chips de ajedrez). Hay al menos una RS/6000 SP con más de 4.000 procesadores.
Si estuviéramos dispuestos a gastar dinero, podríamos construir una máquina de
ajedrez más de cien veces más rápido que el Deep Blue de 1997, sin recurrir a chips
de ajedrez más rápidos.
Los chips de ajedrez
proporcionaron un enorme poder. En una computadora de uso general, el cálculo
realizado por el chip de ajedrez, para una sola posición, requiere de hasta
40.000 instrucciones generales. De 2 a 2,5 millones de posiciones de ajedrez
por segundo, un chip de ajedrez opera como el equivalente a una construcción de
100 mil millones de dólares por segundo de superordenador. Dado que esta era la
velocidad adecuada, no me gasté mucho en optimizarla.
Arquitectura general
La caja «dentro de una
máquina de ajedrez» describe los principios operativos básicos de un programa
de ajedrez. Lo siguiente es el Deep Blue específico.
Configuración del sistema
La versión de 1997 de Deep
Blue incluía 480 chips de ajedrez. Ya que cada chip podría buscar de 2 a 2,5
millones de posiciones de ajedrez, la velocidad de «garantizar- no-excederse» del
sistema alcanzó alrededor de mil millones de posiciones de ajedrez por segundo
o 40-tera operaciones. Esto supone que, en promedio, cada posición de ajedrez
necesita 40.000 instrucciones generales de proceso. La velocidad sostenida
alcanzó los 200 millones de posiciones de ajedrez por segundo, o alrededor de 8
teraflops. Más trabajo de software podría acelerar el sistema por un factor de
dos a cuatro, pero decidimos aplicar en su lugar al software en el conocimiento
del ajedrez.
La búsqueda se realiza en
paralelo en dos niveles: una distribuida sobre la red de conmutación IBM RS/6000
SP, y la otra en un bus micro-canal dentro de un nodo de estación de trabajo.
Para, digamos, una búsqueda de 12 capas, uno de los nodos de la estación de
trabajo —trabajando como el maestro para el sistema completo— buscaría en los
primeros cuatro stacks en software. (Una capa representa un movimiento por el otro
jugador). Después de cuatro pliegues de la posición del juego actual, el número
de posiciones aumenta unas mil veces. Todos los 30 nodos de las estaciones de
trabajo, incluido el nodo maestro, buscan estas nuevas posiciones en software
para cuatro stacks más. El número de posiciones aumenta otras mil veces. En
este punto, los chips de ajedrez saltan y terminan los últimos cuatro stacks de
la búsqueda de la búsqueda, incluida la búsqueda por quiescencia.
Particionando la búsqueda
en el software (de dos-niveles), la búsqueda de software y la búsqueda de
hardware permiten una gran flexibilidad de diseño, aún manteniendo la velocidad
de búsqueda. El software manejó menos del uno por ciento del total de
posiciones, pero controló alrededor de dos tercios de la profundidad de
búsqueda. La parte de búsqueda del software puede ser arbitrariamente selectiva,
sin ralentizar el sistema.
Las 8 capas de búsqueda de
software realizadas en el RS/6000 SP incluían muchas extensiones de búsqueda
complicadas, que ampliaban la búsqueda a lo largo de las líneas que el
ordenador consideraba forzadoras.
Algunas pruebas
experimentales sugirieron que la fuerza de juego aumentaría significativamente
si las extensiones de búsqueda llegaran hasta la búsqueda de quiescencia.
La implementación de las
extensiones de búsqueda completa del software en el chip de ajedrez parecía una
propuesta demasiado arriesgada, dada la limitación de tiempo de diseño. Durante
el match de 1997, la búsqueda del software se extendió a alrededor de 40 capas
a lo largo de las líneas de forzamiento, aunque la búsqueda no extendida
alcanzó solo alrededor de 12 capas.
Descripción del chip
Cada chip de ajedrez
funciona como una máquina de ajedrez de pleno derecho. Escribir un programa de
ajedrez en silicio ofrece posibilidades de diseño no disponibles en un diseño
basado en software. En particular, requirió reexaminar la complejidad del tiempo
de los algoritmos. Un algoritmo inaceptable en un diseño de software podría
funcionar perfectamente en hardware. El algoritmo podría ser trivialmente paralelizable en hardware sin la penalización
de un área significativa, o el factor de escala de tiempo podría caer desde el
tiempo de ciclo de instrucción a un retardo de compuerta simple.
Voy a explicar algunos
ejemplos de estos algoritmos específicos de hardware a medida que se presenten.
El chip de ajedrez se
divide en cuatro partes: el generador de movimiento, el stack inteligente, la función de evaluación, y el control de
búsqueda. El stack de movimiento inteligente se divide además en otro stack de
movimiento regular, y un detector de repetición. La Figura 1 muestra el
diagrama de bloques del chip de ajedrez, junto con las conexiones entre los
bloques. La foto del molde del chip de ajedrez aparece en la Figura 2.
(Continúa luego del siguiente apartado)
Dentro de una
máquina de ajedrez
Los programas de ajedrez
de hoy y las máquinas de ajedrez, siguen el diseño básico que Claude Shannon6
esbozó en 1949. El artículo de Slate y Atkin sobre Chess 4.51 dio un ejemplo
clásico de los refinamientos desarrollados hasta finales de los setenta, y su
artículo sigue siendo relevante hoy en día. Todos los autómatas modernos son clones
de Chess 4.5 de una forma u otra.
El diseño básico de
Shannon utiliza una búsqueda de minimax para decidir qué movimiento jugar. El
diseño asume la existencia de una función de evaluación que asigna un valor
numérico a una posición de ajedrez. Además, suponga que asigna este valor
numérico desde el punto de vista del jugador de la computadora. La función de
evaluación más simple puede devolver +1 si el equipo gana, 0 si la posición es
un empate y -1 si el equipo pierde. Si tenemos suficiente potencia
computacional, la función de evaluación simple {+1, 0, -1}, en combinación con
la búsqueda minimax, basta para computar el mejor movimiento. Simplemente
buscamos todos los movimientos posibles para ambos lados hasta llegar a
posiciones con resultados conocidos.
Para una posición
con el jugador de la computadora para jugar y con todos los resultados de las
posiciones de los childs conocidos,
el valor de la posición sería simplemente {valores máximos de posiciones de los
childs}. Así que si una de las posiciones de los childs es una victoria (+1) para la computadora, la posición es
también un triunfo (+1) para la computadora. Para una posición con el oponente
de la computadora a jugar, el valor de la posición es min {valores de las
posiciones de los childs}. Si una de
las posiciones de los childs es una
pérdida (-1) para la computadora, la posición es también una pérdida (-1) para
el equipo, ya que el oponente escogería el mejor resultado. Mediante la copia
de seguridad del valor de acuerdo con esta regla minimax, eventualmente se
conocen los valores para todas las posiciones después de los posibles primeros
movimientos del ordenador. La computadora simplemente jugará el movimiento que
lleva al valor máximo de copia de seguridad, para efectivamente «resolver»el juego.
Shannon observó que,
en realidad, el ajedrez era demasiado complicado para resolver de esta manera.
Propuso limitar el número de movimientos desde la posición actual que el
ordenador puede buscar, en lugar de buscar todo el camino hasta posiciones con
resultados conocidos. Este límite podría depender del tiempo y la potencia
computacional disponible. Con este límite artificial, la simple función de
evaluación {+1, 0, -1} ya no funcionó, ya que las posiciones alcanzadas
probablemente no tienen resultados conocidos. Shannon propuso usar una función
de evaluación heurística: respaldar los valores heurísticos con las reglas minimax,
luego elegir el movimiento basado en los valores heurísticos minimaxed. La
función de evaluación heurística para una posición podría basarse en una
estimación de la probabilidad de ganar, dibujar o perder el juego desde esa
posición. Los programas de ajedrez usualmente basan la función de evaluación
aproximadamente en cuánto delante o detrás de la computadora se ha conseguido
en unidades de peones o centésimas de un peón.
El esquema básico de
Shannon se divide naturalmente en tres componentes. Son el generador de
movimiento que genera los movimientos de ajedrez y permite que la búsqueda
avance en el tiempo, la función de evaluación que calcula los valores de las
posiciones futuras y el control de búsqueda que retrocede en el tiempo y
respalda los valores futuros a la posición actual. El chip de ajedrez Deep Blue
agregó un stack de movimientos inteligentes para detectar cuando se repite la
posición de ajedrez.
Gracias a Chess 4.5,
se habían producido varios desarrollos importantes. Dos demostraron ser
particularmente importantes en el diseño de un generador de movimiento de
ajedrez de hardware: la búsqueda de quietud, y el algoritmo de poda alfa-beta.
También llamada búsqueda
de captura en su forma más simple, la búsqueda de quietud extiende la búsqueda
más allá del límite original establecido por el esquema de Shannon. Para una
búsqueda de captura, el lado a mover obtiene la opción de hacer movimientos de
captura para ganar material, así como simplemente aceptar la posición como es.
Si el lado móvil selecciona la opción de captura, el oponente tiene la opción
de hacer sus propias capturas, así como la aceptación de la nueva posición como
es. La búsqueda de captura (Figura A) puede continuar durante muchos
movimientos hasta que un lado se queda sin capturas o hasta que un lado decide
tomar la posición tal cual.
Figura A. La búsqueda de captura se realiza más
allá de la profundidad de búsqueda
normal, hasta que un lado se queda sin
capturas o un lado decide aceptar la posición.
Además de capturar
movimientos, la búsqueda de quiescencia más general puede incluir otros tipos
de movimientos de forzamiento, digamos, comprobando movimientos.
La búsqueda de quiescencia
tiene un gran impacto en el rendimiento de un programa de ajedrez. Una medición7
temprana mostró que un programa con búsqueda de quiescencia coincidía con un
programa sin búsqueda de quietud, pero buscando cuatro capas (dos movimientos
cada una para blanco y negro) más profundas. La búsqueda de quiescencia generalmente
aumenta el número de posiciones buscadas a la misma profundidad sólo de dos a
cuatro veces. Cuatro pliegues más de la búsqueda, por otra parte, aumentan
generalmente el número de posiciones por hasta mil veces. No es de extrañar que
todos los programas modernos de ajedrez usen algún tipo de búsqueda de quiescencia.
Un programa con
búsqueda de quiescencia generalmente gasta al menos la mitad de su tiempo de
cálculo allí. Por lo tanto, la velocidad de cálculo para la búsqueda de quiescencia
resulta fundamental para los ordenadores de ajedrez de alto rendimiento. Todos
los generadores de movimiento de ajedrez de hardware exitosos pueden generar al
menos los movimientos de captura rápidamente. Los chips de ajedrez de Deep Blue
también pueden generar otros movimientos de forzamiento.
El algoritmo de poda
alfa-beta apareció varios años después de la propuesta de Shannon. En realidad,
los jugadores humanos han utilizado el algoritmo alfa-beta o sus variantes
implícitamente para las edades.
El algoritmo
alfa-beta se basa en la observación de que realmente no necesitamos mirar todas
las respuestas de un oponente a nuestros malos movimientos, solo necesitamos
una refutación. Si el mal movimiento pone en peligro a la Reina, solo
necesitamos saber que nuestro oponente puede capturar a la Reina en el
siguiente movimiento. Sin embargo, para determinar una refutación válida,
debemos examinar todas nuestras respuestas a ella. En el ejemplo de la reina
colgada, tendríamos que examinar todas nuestras respuestas a la captura de la
Reina para asegurarnos de que nuestro oponente realmente gane a la Reina sin
una penalización adecuada.
El mismo principio de refutación se aplica a los movimientos negativos
del oponente, que también sólo necesitan una refutación cada uno. Esta idea de refutaciones conduce a un árbol de búsqueda óptimo (ver Figura B).
Figura B. Árbol de búsqueda óptimo.
El árbol de búsqueda crece de arriba abajo y de
izquierda a derecha. Un árbol de búsqueda óptimo ordena los movimientos mejor-primero,
por lo que el primer movimiento buscado para una posición dada es también el
mejor movimiento o al menos un movimiento de refutación para esa posición. En
la figura, la rama más a la izquierda del árbol de búsqueda también representa
la variación principal -la línea hipotética donde ambos lados juegan los mejores
movimientos-. Por lo tanto, debemos examinar todas las respuestas a ellos, no
hay refutación a un mejor movimiento. Por otra parte, todos los movimientos del
hermano a un movimiento de la variación principal son inferiores y tienen por
lo menos una refutación que debemos examinar.
Una línea de refutación muestra el patrón repetido de
un nivel de árbol con una refutación seguida de un nivel de árbol de todas las
respuestas. Este es el patrón de crecimiento característico de un árbol de
búsqueda alfa-beta. El algoritmo permite que una búsqueda del programa de
ajedrez baje aproximadamente el doble de la profundidad alcanzable con una
búsqueda de minimax cuando el orden de movimiento está cerca de la primera
ordenada.
Para un programa que busca cerca de 40 mil millones de
posiciones para cada movimiento -como lo hizo el Deep Blue de 1997- el
algoritmo alfa-beta aumenta la velocidad de búsqueda en hasta 40 mil millones
de veces. Esta aceleración, sin embargo, depende fuertemente de la calidad del
pedido de movimiento. En orden de peor-movimiento inicial, el algoritmo
alfa-beta busca un árbol del mismo tamaño que el árbol de búsqueda minimax.
Obviamente, el generador de movimiento de hardware tendría que proporcionar una
aproximación decente de la primera orden en cualquier sistema de juego de alto
rendimiento de ajedrez.
Otro desarrollo que no se suele citar, pero, según mi
leal saber y entender, descrito por Slate y Atkin, 1 fue una evaluación
perezosa. Chess 4.5 evitó calcular toda la función de evaluación cuando el
balance de material se desvió demasiado del valor esperado. Por ejemplo, si
alguna de las partes ha perdido a una Reina mientras esperamos que la posición
sea pareja, claramente no hay razón para una evaluación completa. La función de
evaluación normal, al menos en el caso de Chess 4.5, no podría llevar la
función de evaluación a un punto cercano al par.
Los chips de ajedrez de Deep Blue usan un esquema de
evaluación perezoso más elaborado, que desactiva esta evaluación perezosa
cuando ocurre una posición inusual. En particular, si el número de piezas en el
tablero cae demasiado bajo, a veces se podría sacar una posición incluso con un
lado encima de una pieza completa. Una búsqueda profunda de la fuerza bruta
tiene un alto porcentaje de posiciones de hoja fuera de balance como una
consecuencia directa de buscar todos los movimientos, que naturalmente incluyen
algunos movimientos escandalosamente malos de cualquier lado. Típicamente, para
una búsqueda de la fuerza bruta de 12 capas, el 60% al 90% de las posiciones
están apagadas cuando hay más de un peón. La evaluación perezosa puede así ser
bastante efectiva.
A la izquierda en la Figura C hay un
árbol para una búsqueda de tres capas desde la posición de apertura. Después de
tres capas, la búsqueda alcanza una posición de hoja, y entra en la región de
búsqueda de quietud. Algunos programas de ajedrez restringen la búsqueda de
quietud a los movimientos de captura solamente. Deep Blue incluye comprobar los
movimientos, y comprobar los movimientos de evasión en su búsqueda de quietud
bajo ciertas condiciones. Esto significó agregar circuitos especiales para
generar tales movimientos rápidamente
Figura C. Algoritmo de búsqueda básico de
un chip de ajedrez:
árbol de búsqueda (izquierda), diagrama de flujo (derecha).
El diagrama de flujo en el lado derecho de la Figura C
da una vista simplificada del procesamiento realizado para cada posición de
ajedrez buscada. Entrando en una posición de ajedrez después de hacer un
movimiento, la máquina de ajedrez procesa dos caminos paralelos: generación de
movimiento y evaluación de decisión.
El camino de la izquierda -el camino de la generación
del movimiento- comprueba primero la legalidad del movimiento más reciente del
oponente comprobando si podemos capturar al Rey del oponente. Si es así, el
último movimiento que el oponente hizo es ilegal, y debemos salir de la
posición y volver a la posición de padre. Si el último movimiento es legal,
comenzamos el proceso de generación de movimiento. Si no podemos encontrar un
movimiento (no existen movimientos legales o, en el caso de búsqueda de
quietud, no existen movimientos de forzamiento adecuados), regresamos a la
posición de padre, posiblemente con cualquier puntuación que proporcione la
función de evaluación. Si tenemos un movimiento, y la función de evaluación
dice que no podemos salir todavía, continuamos la búsqueda al siguiente nivel.
El camino correcto maneja las decisiones de evaluación.
Al entrar en la posición, primero verificamos si se trata de una posición de
hoja (generalmente comprobando si hemos alcanzado suficiente profundidad de
búsqueda). Si no, no necesitamos hacer la función de evaluación, y nos
fusionamos con la ruta de generación de movimiento. Si hemos alcanzado una
posición de la hoja, hacemos una evaluación rápida, lo que da una estimación
rápida y sucia de la puntuación de posición. Si nos gusta esta estimación, la
tomamos y salimos de la posición (con una terminación temprana de la ruta de
generación de movimiento). Si esta estimación se ve muy mal para nosotros, nos
fusionamos con el camino de generación de movimiento, con la esperanza de
encontrar algún movimiento forzoso que gane algo para nosotros. Si esta
estimación no parece ni buena ni mala, calculamos la evaluación lenta para
encontrar la evaluación completa de la posición. Si la evaluación completa nos
satisface, podemos cortar la búsqueda y volver a la posición de padre. De lo
contrario, si el generador de movimiento dice que existe un movimiento forzoso
adecuado que podría ganar algo para nosotros, buscamos hacia adelante.
(Continúa)
El tiempo de ciclo del chip está entre 40 y 50
nanosegundos en un límite de manejo de potencia de tres micrones de 0,6 micras
del micro canal para una placa de ocho chips. El chip incluye aproximadamente
1,5 millones de transistores, y el dado mide 1,4 cm '1,4 cm.
Figura 1. Diagrama de bloques del chip de ajedrez.
Figura 2. Foto del chip de ajedrez.
Generador de movimientos
El generador de
movimiento, una matriz 8x8 de lógica combinacional, aparece en la foto de
matriz como el bloque en la parte superior derecha. Una máquina finitistate cableada controla la
generación de movimiento. El generador de movimiento es más complicado que el
generador de movimiento utilizado en Deep Thought,5,8, 9 que no
puede generar la comprobación o el control de la evasión se mueve directamente.
El nuevo generador de movimiento puede generar captura, comprobación y
comprobación de movimientos de evasión directamente. El generador de movimiento
utilizado en los chips de ajedrez para el Deep Blue de 1997 también podría
generar movimientos de ataque. Esta adición de 1997 apoya la poda del hardware
de movimientos irrelevantes del ajedrez en las últimas capas de posiciones
inmediatamente antes de la búsqueda de la quiescencia. El algoritmo básico de
generación de movimiento es el mismo que en el generador de movimiento de la Belle10.
La matriz lógica combinatoria es efectivamente un
tablero de ajedrez de silicio. Cada célula de la matriz tiene cuatro
componentes principales: un transmisor de detección de víctimas, un transmisor
de detección de atacantes, un receptor y un árbitro distribuido. Cada celda
contiene un registro de piezas de cuatro bits que registra el tipo y el color
de la pieza en el cuadrado correspondiente del tablero de ajedrez.
Figura 3. El transmisor hallazgo-víctima. WTM:
blanco para
moverse, OP: operación, DIR mux: dirección multiplexor.
Cuando está activado, el
transmisor de víctima de búsqueda (ver Figura 3) irradia señales de ataque
apropiadas para la pieza residente. Si el cuadrado está vacante, las señales de
ataque entrantes de una pieza de ataque en forma de rayo (un Alfil, una Torre,
o una Reina) pasan a través de la celda. Los cuadrados de tercer nivel tienen
circuitos adicionales para manejar los movimientos de Peón de dos cuadrados. Al
comienzo de una secuencia típica de generación de movimiento, se ejecuta un
ciclo de búsqueda-víctima, y todas las piezas del lado móvil irradian señales
de ataque.
Las señales de ataque
radiadas llegan entonces al receptor en la Figura 4, y se realiza una votación
para encontrar a la víctima más valorada. Aunque el receptor tiene varias
operaciones, por ahora, asumen que determina si alguna pieza de color opuesto
ataca la pieza residente. En caso afirmativo, el receptor establece una señal
de prioridad basada en el tipo de pieza. Puesto que queremos encontrar
víctimas, la prioridad se eleva para las piezas de mayor valor, con la Reina
como más alta, luego la Torre, el Alfil, el Caballo, el Peón y la casilla
vacía, en orden descendente. El Rey no puede convertirse en una víctima, ya que
entonces la posición es ilegal.
Las señales de prioridad
de todos los escaques van luego al árbitro distribuido, o a la red de arbitraje
de la Figura 4, para encontrar la víctima de mayor valor a capturar. Para las
víctimas con la misma prioridad de pieza, la prioridad cuadrada adicional rompe
el empate.
Los receptores de todas
las casillas detectan entonces si una señal de ataque inverso entrante coincide
con el tipo de pieza residente. Si la pieza residente es un atacante apropiado,
el sistema establece una señal de prioridad. Puesto que queremos utilizar
primero al atacante con el valor más bajo, la prioridad toma orden inverso, con
el peón teniendo la prioridad más alta. Las señales de prioridad pasan a través
de la red de arbitraje y, con la víctima y el atacante computados, tenemos el
movimiento.
Usted puede haber notado que el generador de
movimiento, como se describe, calcula todos los movimientos implícitamente, a
pesar de que genera solo un movimiento. En software, consideraríamos esto
inaceptable. Una implementación de hardware calcula todos los movimientos en
paralelo y no incurre en ninguna penalización de tiempo.
Esta discusión se sostiene
para el primer movimiento generado de una nueva posición. Generar los otros
movimientos desde una posición parcialmente buscada requiere enmascarar los
movimientos buscados.
Figura 5. El transmisor de encontrar-atacante.
El generador de movimiento
de Deep Blue soporta otros modos de generación de movimiento. Al generar los
movimientos de control, activa todos los transmisores de hallar-víctima, así
como el transmisor del hallar-atacante del rey contrario. Cuando ambos
conjuntos de señales coinciden en la misma casilla, tenemos una casilla en la
cual hay una pieza que puede chequear al Rey. Cuando las señales de rayos se
alinean correctamente en un cuadrado con una pieza que pertenece al lado móvil,
la pieza puede dar controles descubiertos cuando se mueve. Un modo especial de
generación de movimiento genera movimientos de evasión de cheques. Otro modo
genera movimientos utilizados en la poda de movimiento del hardware.
Figura 6. Evaluación rápida.
Este último modo costaría
demasiado en una implementación de software pura. El generador de movimiento
también detecta piezas colgadas y mide la fuerza de los jaques. Podemos
habilitar extensiones de búsqueda de hardware simples en el primer nivel de
búsqueda de quietud, y las utilizamos en la versión de Deep Blue de 1997. El
generador de movimiento tiene alrededor de 52.400 puertas.
Figura 7. Tabla de colocación de piezas. Attk =
atacante
Función de evaluación
La función de evaluación
completa contiene alrededor de 66.000 puertas, sin incluir las RAM y las ROM.
En la foto de la figura 2, todos los sub-bloques a la derecha del generador de
movimiento pertenecen a la función de evaluación. Los sub-bloques inferiores
proporcionan una evaluación rápida. Los sub-bloques superiores, la matriz de
evaluación sistólica, las RAM de evaluación alineada y la lógica de posvaluación
en fila, calculan una evaluación lenta.
La evaluación rápida, que
calcula en un solo ciclo, contiene todos los términos de evaluación importantes
fácilmente calculados con valores altos. La evaluación lenta escanea el tablero
de ajedrez de una columna (archivo) a la vez sistólica. La evaluación lenta
tiene una latencia de tres ciclos por columna y toma once ciclos para computar,
dadas las ocho columnas del tablero de ajedrez. La partición de la función de
evaluación en una evaluación rápida y lenta resultó necesaria para adaptar el
diseño a un solo chip. Afortunadamente, rara vez se necesita una evaluación
lenta.
La evaluación rápida
contiene cuatro partes, como se muestra en la Figura 6: la tabla de colocación
de piezas, la matriz de Rey y Peón, la lógica de fin de juego, las ROM, y el
control de fase de juego. La tabla de colocación de piezas calcula la
evaluación incremental de una posición basada en los valores promedio de las
piezas en sus casillas residentes. La tabla de colocación de piezas usa
realmente tres RAM, como se muestra en la Figura 7. El bloque de control de
fase de juego contiene un registro de recuento de piezas que cuenta el número
de piezas de cada tipo que queda en el tablero para cada jugador. Para cada
tipo de pieza, el sistema también mantiene un registro XORed de ubicación de
piezas. El registro de posición de pieza contiene la ubicación exacta de una
pieza de un tipo particular si solo queda una pieza del tipo correcto. El
registro de recuento de piezas controla las RAM de control de fase de juego.
Las RAM de control de fase
de juego producen varios valores de control. Uno de los valores de control es
simplemente un bono o penalización, que se agregará a la evaluación basada en
el material que queda en el tablero. Las combinaciones de piezas buenas
obtienen un ligero incremento en la evaluación. Los otros valores de control
son multiplicadores dependientes de la fase de juego para otros pesos de
evaluación. El valor de control de fase de juego más importante, la relevancia seguridad-del-Rey, le dice al chip de ajedrez
la importancia de la seguridad del Rey. Otro valor de control de fase de juego
indica al chip de ajedrez cómo ajustar la penalización para la estructura de
peón mala y la bonificación para los peones pasados.
La matriz de Rey y Peón detecta
principalmente la condición de «peón-puede-correr», donde el Rey ya no puede
ponerse al día con el peón pasado del oponente. Esto significa que el Peón
pasado efectivamente se convierte en una Reina si no queda otra pieza,
suponiendo que ningún otro Peón puede ganar la carrera de peones. La matriz de Rey
y Peón reconoce otras características de fin de juego, incluyendo algunas
condiciones especiales de Torre-versus-peones-pasados, y la presencia de peones
pasados ampliamente separados que pueden adelantarse al Rey.
La lógica de fin-de-juego y el bloque de ROMs
reconocen principalmente las condiciones inusuales de fin-de-juego que conducen
a las terminaciones en empates. Este bloque contiene lógica aleatoria para
detectar ciertas terminaciones simples que son muy probables. Este bloque
también reconoce algunos dibujos simples de la fortaleza. La Figura 8 muestra
la interfaz ROM de fin de juego para las cuatro ROMs de final de juego. El ROM
más grande es el Rey-y-Peón contra el ROM del Rey, que dice si la posición
representa una victoria para el lado del Peón.
Figura 8. ROM de la interface fin-de-juego.
La evaluación lenta
constituye el elemento más complicado en el chip, ocupando cerca de la mitad de
su núcleo. A profundidades muy poco profundas, aproximadamente la mitad de las
posiciones buscadas requieren una evaluación lenta, pero a profundidades de búsqueda
realistas, el porcentaje cae a alrededor del 15 por ciento. Como se muestra en
la Figura 9, la evaluación lenta tiene una tubería de tres etapas, comenzando
con una matriz sistólica de 8x1 que se ejecuta durante ocho ciclos, un ciclo
por archivo. A continuación se encuentran las RAMs síncronas de 40 más,
seguidas de un árbol de adición que acumula los resultados. El controlador
puede detener la secuencia de evaluación lenta sobre la marcha para reducir el
consumo de energía.
Figura 9. El flujo principal de evaluación
lenta.
La evaluación lenta
calcula los valores para los conceptos del ajedrez, tales como control de
casilla, clavadas, rayos X, seguridad del Rey, estructura de empeño, peones
pasados, control de rayos, puestos avanzados, Peón mayoritario, Torre en la 7ma
línea, bloqueo, restricción, desarrollo, y así sucesivamente. Esta función de
evaluación del ajedrez probablemente es más complicada que cualquier cosa
descrita en la literatura de ajedrez de computadoras. Por ejemplo, mire la
evaluación de seguridad del Rey: antes del castillo del Rey (la estructura de
piezas defensivas a su alrededor), el sistema calcula tres evaluaciones de
seguridad para este: una para el enroque del lado del Rey, otra para el enroque
del lado de la reina, y el valor base para permanecer en el centro. Cada una de
estas evaluaciones de seguridad del Rey toman en cuenta los tipos de piezas que
atacan, la solidez del refugio del Rey, la presencia de peones atacantes, el
complejo de colores a su alrededor, la casilla, el control de rayos alrededor
del Rey, etc. La evaluación de seguridad final del monarca es una combinación
lineal ponderada de las tres evaluaciones de su seguridad. Los pesos utilizados
en la combinación lineal se basan en lo fácil que es evaluar el castillo, así
como la clasificación de seguridad relativa de los tres destinos para el Rey.
El stack
de movimiento inteligente
Es stack de movimientos inteligentes no existe en la versión anterior
del chip de ajedrez. El chip antiguo contiene un stack de movimiento regular, pero no el detector de repetición. El
detector de repetición contiene un amortiguador circular de 32 entradas de las
últimas 32 capas de movimientos. Usando un algoritmo de memoria de hardware de
dirección de contenido 8, el detector de repetición mantiene el número de
piezas desplazadas en cada una de las últimas 32 posiciones con respecto a la
posición actual del tablero. Cuando el número de piezas desplazadas es igual a
cero, tenemos una posición repetida.
El detector de repetición
detecta realmente más que una simple repetición. Si hay solo una pieza
desplazada, también detecta si hay un movimiento que podría llevar a la
repetición, o cerca de la repetición. Si el movimiento es legal, el equipo al que
lo toca mover puede al menos reclamar un empate.
El detector de repetición
implementado tiene una complejidad temporal de O (n), cuando n es la
profundidad del buffer circular de repetición. El software por lo general
implementa la detección de repetición probando una tabla hash, lo que da una complejidad de tiempo de O(1). La gran
diferencia aquí es que la constante de tiempo para el detector de repetición de
hardware es igual al retardo de puerta en lugar del tiempo de ciclo de
instrucción. Además, los detectores normales de repetición de software no
pueden decirnos que una posición está a punto de repetirse. El detector de
repetición utiliza cerca de 20.000 puertas.
Control de búsqueda
El control de búsqueda no
implementa realmente el algoritmo regular de búsqueda alfa-beta.11
En su lugar, implementa una búsqueda de alfa-beta del algoritmo de ventana
mínima.12 Esto elimina la necesidad de un stack de valores. Una
búsqueda alfa-beta regular mantiene dos variables temporales, a y b, en un
stack de valores. La búsqueda de ventana mínima, relativamente nueva, solo
puede decirnos si la posición buscada es mejor o peor que un valor de prueba
único. En la búsqueda normal de alfa-beta, para los movimientos no es lo mejor,
solo necesitamos saber si son mejores o peores (refutados entonces) que el
mejor movimiento actual, precisamente la misma función proporcionada por la
búsqueda mínima de ventanas. Por supuesto, cuando el nuevo movimiento es mejor
que el mejor movimiento actual, es posible que tengamos que investigar el nuevo
movimiento. Podemos usar una búsqueda de alfa-beta regular o repetir la
búsqueda de ventana mínima varias veces, elevando el valor de la prueba
ligeramente cada vez. La búsqueda basada en la eficiencia, basada en ventanas
mínimas, parece ser aproximadamente la misma que la búsqueda normal de
alfa-beta.
El control de búsqueda
contiene una ruta de datos de 16 bits y tres máquinas de estado que controlan
secciones de la ruta de datos. Dos de las máquinas de estado también controlan
indirectamente el generador de movimiento. La ruta de datos utiliza múltiples
sumadores / sustractores en cascada para calcular los indicadores condicionales
que el algoritmo de búsqueda necesita en tan pocos ciclos como sea posible.
Una función de control de
búsqueda inusual, un filtro digital de paso bajo, estima la función de
evaluación lenta. La última evaluación lenta observada sirve como entrada al
filtro de paso bajo. Este filtro nos da el componente de baja frecuencia de la
función de evaluación lenta a medida que avanza la búsqueda. Puesto que la
función de evaluación lenta no cambia drásticamente para posiciones
estrechamente relacionadas, su componente de baja frecuencia ofrece una
estimación decente. Sin esta estimación, tendríamos que ampliar la ventana
utilizada para determinar si se debe calcular la función de evaluación lenta.
En consecuencia, la velocidad de búsqueda sufriría.
A nivel de sistema, el
chip aparece como un dispositivo de 2 bits con un espacio de direcciones de 17
bits. Escribir en algunas de las direcciones inicia una búsqueda desde la
posición actual en el chip, generalmente para cuatro o cinco capas más allá de
la profundidad de búsqueda del software. Esto libera el procesador host para
realizar las tareas domésticas o iniciar una búsqueda en otro chip.
Desempeño
Hemos utilizado los chips
de ajedrez en varias configuraciones del sistema, desde un solo chip hasta
múltiples chips que se ejecutan en una sola estación de trabajo (Deep Blue Jr.)
y finalmente en Deep Blue. Los juegos más tempranos, a principios de 1997,
usaron un único chip que funcionaba a una velocidad de reloj del 70% y una
eficiencia de una décima a la quinta como resultado de un error de hardware.
Esto redujo el chip de 7% a 14% de su velocidad regular, o aproximadamente la
misma velocidad de búsqueda que el programa de ajedrez comercial más rápido en
un PC Pentium Pro 180 MHz. Dos de los principales programas comerciales, que se
ejecutan en el Pentium Pro PC, sirvieron como oponentes en las primeras
sesiones de depuración de fichas. De los diez juegos jugados, el programa de un
solo chip los ganó todos. Esto da alrededor de un nivel de confianza del 95%
que un solo chip, incluso a velocidad reducida, era por lo menos 200 puntos más
fuerte que los programas de ajedrez comerciales en juegos de máquina contra
máquina.
Jugamos otros treinta
juegos con la versión single-chip o Deep Blue Jr. contra los programas
comerciales de ajedrez. De los cuarenta juegos totales, el chip de ajedrez
perdió dos puntos y anotó el 95 por ciento contra los programas de PC. Esto
sitúa el rendimiento de 300 a 500 puntos de clasificación por encima de los
programas de PC, dependiendo de la fórmula de clasificación utilizada. Esta
calificación no tiene nada que ver con la fuerza de juego real, ya que el
examen superficial mostró serias debilidades de posición en los programas
comerciales que los sistemas de chess-chip explotaron repetidamente.
Los juegos más
interesantes enfrentaron a Deep Blue Jr. contra los Grandes Maestros que
trabajaban en el proyecto. Las calificaciones promedio de los estos Grandes
Maestros estaban en los 2500, altos puntajes en la escala internacional. Deep
Blue Jr. anotó mejor que una relación de tres a uno contra ellos, lo que lo
situó en más de 2700, o entre los diez mejores jugadores en el mundo.
La versión de 1997 de Deep
Blue sólo jugó seis partidos, todos contra Kasparov. Deep Blue ganó el partido
por la puntuación de 3,5 a 2,5. Kasparov estaba clasificado alrededor de 2815,
lo que colocó el rendimiento de Deep Blue en alrededor de 2875. Sin embargo, no
pudimos tomar esta clasificación demasiado en serio debido a la pequeña muestra
de tamaño.
. . .
Estoy formando una
start-up independiente para crear un nuevo chip de ajedrez para los
consumidores. Este nuevo chip podría hacer posible que una máquina de
escritorio derrotara al Campeón del Mundo en un partido formal ya en el año
2000. Más adelante, las habilidades usadas para crear a Deep Blue podrían ser
usadas para conquistar otros juegos. Uno de los principales candidatos es el
juego japonés de shogi, que tiene
mayor complejidad computacional, pero también características similares. El
difícil juego de Go, o Wei-chi, sin embargo, podría estar aún
más allá del alcance de una computadora en un futuro próximo.
Agradecimientos
Doy las gracias a Murray
S. Campbell y Arthur J. Hoane por
su ayuda en la ejecución de la simulación de chips. El gran maestro Joel
Benjamin proporcionó información útil sobre las maneras de mejorar la función
de evaluación del chip de ajedrez.
Feng-hsiung Hsu es investigador en el
IBM T.J. Watson Research Center. Sus actuales intereses técnicos incluyen
sistemas paralelos, arquitecturas de propósito especial, circuitos VLSI,
sistemas reprogramables, algoritmos de hardware, shogi de computadora y «cosas más simples que
una máquina de ajedrez». Hsu recibió su doctorado en ciencias de la computación
de la Carnegie Mellon University en 1989 y su licenciatura en ingeniería
eléctrica de la Universidad Nacional de Taiwán en 1980.
Los lectores pueden
ponerse en contacto con Hsu en IBM T.J. Watson Research Centre, MS 27: 233, PO
Box 218, Yorktown Heights, NY 10598; e-mail fhh@watson.ibm.com, o en fhh@cs.cmu.edu.
Referencias
|
1.
|
D.J. Slate and L.R. Atkin, “Chess 4.5–the Northwestern University
Chess Program,” Chess Skill in Man and Machine, P.W. Frey, ed.,
Springer-Verlag, 1977, pp. 82–118.
|
7.
|
J.J. Gillogly, Performance Analysis of the Technology Chess Program,
PhD thesis, Carnegie Mellon Univ., 1978.
|
|
2.
|
J.H. Gondon and Ken Thompson Belle, Chess Skill in Man and Machine,
2nd. ed., P.W. Frey, ed., Springer-Verlag, 1983, pp. 201–210.
|
8.
|
F.-h. Hsu, Large-Scale Parallelization of Alpha-Beta Search: An
Algorithmic and Architectural Study, PhD thesis, Carnegie Mellon Univ.,
Computer Science Dept., Feb. 1990.
|
|
3.
|
R.M. Hyatt, “Parallel Chess on the Cray xmp/48,” Int’l Computer Chess
Assoc. J., 1985,
pp. 90–99.
|
9.
|
F. Hsu et al., “Deep Thought,” Computers, Chess, and Cognition, T.A.
Marsland and J.Schaeffer, eds., Springer-Verlag, 1990, pp. 55–78.
|
|
4.
|
C. Ebeling, All the Right Moves: A VLSI Architecture for Chess, PhD
thesis, Carnegie Mellon Univ., Computer Sci. Dept., Pittsburgh, Apr. 1986.
|
10.
|
J.H. Condon and K. Thompson, “Belle Chess
Hardware,” Advances in Computer Chess 3, Pergamon Press, Oxford,
England, 1982, pp. 45–54.
|
|
5.
|
F.-h. Hsu, “A Two Million Moves/sec CMOS Single-Chip Chess Move
Generator,” 1987 ISSCC Digest Technical Papers, Feb. 1987, p. 278.
|
11.
|
D.E. Knuth and R.W. Moore, “An Analysis of Alpha-Beta Pruning,”
Artificial Intelligence,
Vol.
6, 1975, pp. 293–326.
|
|
6.
|
C.E. Shannon, “Programming a Computer for Playing Chess,”
Philosophical Magazine, Vol. 41, 1950, pp. 256–275.
|
12.
|
J. Pearl, Heuristics: Intelligent Search Strategies for Computer
Problem Solving, Addison-Wesley, Reading, Mass., 1984.
|
FIN
DEL DOCUMENTO ORIGINAL
Notas del documentalista
A continuación, una serie de reseñas acerca de la
serie de super computadoras modelos «Deep» de IBM, sus creadores y su equipo.
Nota
biográfica
Feng-Hsiung
Hsu
es un científico informático y el autor del libro Detrás de Deep Blue:
Construyendo la computadora que derrotó al campeón del ajedrez del mundo. Su
trabajo condujo a la creación de la computadora del ajedrez del pensamiento
profundo, que condujo al primer juego de ajedrez que jugaba el ordenador para
derrotar a los Grandmasters en juego del torneo y el primer alcanzar una
calificación certificada del nivel de Grandmaster.
Hsu
fue el arquitecto y el diseñador principal de la computadora de ajedrez Deep
Blue de IBM. Recibió el Premio Mephisto de 1990 por su tesis doctoral y también
el Premio Grace Murray Hopper de ACM de 1991 por sus contribuciones en
arquitectura y algoritmos para máquinas de ajedrez.
El equipo
·
Deep Blue. Dos torres de aluminio azul oscuro de 1,96 metros
de alto, 0,8 de ancho, 1,0 de profundidad, y 0,7 toneladas de peso cada una,
vencieron al Campeón del Mundo, creadas y dirigidas por este equipo.
·
Feng-Hsiung Hsu. Creativo de hardware
que es considerado en Estados Unidos por una suerte de gurú del ramo. A
mediados de 1999 abandonó IBM y le compró los derechos del chip de ajedrez.
·
Murray Campbell. Se ocupaba de los
aspectos críticos de la función numérica, es decir, de asignar valores
numéricos a factores tales como la estructura de peones o la movilidad
circunstancial de las piezas, con base en los cuales DB hace una evaluación
general de la posición.
·
Joe Hoane. Especialista en multiprocesadores, era el
encargado de optimizar y sincronizar el trabajo de los 256 procesadores.
·
Jerry Brody. Vivía en el laboratorio, y responde por los problemas
cotidianos que se presentasen en el hardware. Era el médico de cabecera de Deep
Blue.
·
Chung-Jen Tan. Experto en el diseño de máquinas para sistemas
paralelos altamente escalares y jefe del equipo.
·
Joel Benjamin. Como ninguno de los anteriores es un jugador
aceptable de ajedrez, contrataron al Gran Maestro FIDE Joel Benjamin, joven
ajedrecista neoyorquino, que hizo las veces de sparring de Deep Blue, señalando
sus falencias y colaborando en el difícil asunto de la evaluación de las
posiciones. En la única partida que jugaron en un torneo en el pasado, Benjamin
y Kasparov hicieron tablas.
El
equipo responsable de Deep Blue posa en mayo de 1997. Desde la izquierda:
Chung-Jen Tan, Jerry Brody, Joel Benjamin, Murray Campbell, Joseph Hoane y
Fen-hsiung Hsu (sentado). No se conoce si la foto es anterior o posterior al match, pero esa es la sala donde se efectuó
el encuentro.
La humanidad en
problemas.
La investigación realizada el documentalista en 2007 acerca del match de mayo
de 1997. Fue publicada por NetGate Magazine en tres volúmenes consecutivos con
una tirada de cinco mil ejemplares.
Game
over: Kasparov and the machine. Fue la película en
tono dramático que inspiró al documentalista de este documento (quien siguió al
match en vivo) a iniciar la investigación del caso. No se pudo comprobar hasta
ahora, pero puede suponerse que existieron maniobras oscuras de IBM que
desestabilizaron a Garry Kasparov en el encuentro.
