Vi har fått en inbjudan från en doktorand, Camille Souvain, på det franska företaget NukkAI om att delta i en enkät angående olika spel- och budstilar för att förbättra ett bridgespelande program. Det handlar om att svara på 50 budproblem och sen några påståenden om huruvida man tycker allt är partnerns fel etc för att sen få kunna jämföra sina bud med 5 internationellt skickliga och erfarna spelare inkl Mikael Rimstedt.

Budsystemet är 5533 och beskrivet på en halvsida och enkäten är på engelska (eller franska). De tänker sig att bridgespelare har personligheter som kan beskrivas som en kombination av känslomässiga, aggressiva, erfarna, disciplinerade och kreativa och om man känner till den kan man förstå sin partner och/eller motståndare (lite) bättre.

Bakgrunden är att NukkAI genomförde ett test nyligen där man lät deras nyutvecklade bridgespelarprogram Nook spela mot ett annat bridgedatorprogram WBridge5 och sen jämföra Nooks spelförarprestationer med 8 skickliga mänskliga spelares prestationer mot samma program med samma givar men sinsemellan olika så människornas prestationer kunde/skulle inte jämföras med varandra. Enbart kontraktet 3 NT studerades och då efter budgivningen 1 NT - 2 NT, 3NT så det var händer i gränszonen för att göra det lite mer utslagsgivande men också väldigt begränsad Bridge med tveksamt försvarsspel.

80 givar spelades av varje människa under 2 dagars tid och resultatet blev att Nook vann mot alla och med ett övertygande slutresultat (6136-5238 imp) där Anna Gulevich var närmast vinst men också orsakade debatt då hon är från Ryssland.

Var står forskningen om Bridge-spelande idag?

Eftersom jag själv forskade om det var jag och hälsade på företaget i Paris 2019 och de var ca 10 personer i en lite större villa som satt och jobbade i olika rum och vi lagade gemensam lunch i köket, mycket trevligt! De har hållt på i fyra år och tekniken är AI-baserad i en kombination av självlärande nätverk och logik. Det finns också några andra grupperingar i världen som sysslar med Bridge. Min lilla insats var att försöka få datorn att uppfinna ett effektivt budsystem ca år 2001 via en teknik som heter Förstärkt (Reinforcement) inlärning, tanken var att om man provade ett bud för en viss handtyp och det visade sig bra fortsatte man med det men om det var dåligt provade man något annat – inte så framgångsrikt då systemet datorn kom fram till då var att öppna med sämsta färgen om du har dåliga kort och passa på partnerns bud utom hopp som var krav, öppna med bästa färgen med bra kort och passa med ca 9-11 balans.
Vi använde då dataprogrammet GIB av AI-professor Matt Ginsberg men rättigheterna såldes sedan till Bill Gates coach Fred Gitelman på BBO så vi kunde/fick inte använda det mer och jag la mödan på att utveckla en prototyp till dagens BridgeMate istället.

Idag skulle man använt en teknik som heter Multi-Agent där budgivarna skulle lära sig att samarbeta och då kan man hitta på konventioner liknande högfärgs- och essfråga, överbud, upplysningsdubbelt etc så jag hoppas hitta tid för att testa det. Efter ett möte med Googles fd företag DeepMind så införde de en början till Bridge i sin nya satsning open-spiel. De har tidigare varit framgångsrika i brädspelet GO med programmet AlphaGo som demonstrerats i en prisbelönt film. Nyligen presenterade de proteinprogrammet AlphaFold som nästan nominerades till Nobelpris då man lättare kan skapa mediciner med det.

Varför ska man då försöka få datorer att spela bra Bridge?

Efter Backgammon, Schack och Go så lärde man sig att spela spelen lite bättre; datorn hittade drag som intuitivt inte såg så bra ut men visade sig vara matematiskt bättre så det höjde spelskickligheten för alla. Det som är nytt i Bridge är att man inte ser alla korten så det blir lite mer slumpartat än de tidigare spelen samt att man har partnerskap och motståndare och där kommer även undersökningen och psykologin in; är det bättre att hoppas på en 7-1 sits eller på att fi ska göra fel? Så det är en bra modellvärld för andra företeelser i samhället som datorer kanske kan hantera i framtiden; relationer, överenskommelser, kontrakt och samarbeten mellan olika företag, myndigheter, läkare mm och vi vet ju alla hur mycket bättre människor vi blir när vi lärt oss bridge .

Länk till undersökningen, delta gärna! Undersökning NukkAI
Om tävlingen som spelades inkl en 5-timmars film (mycket är på Franska) The NukkAI Challenge
Företagets Facebooksida NukkAI Facebook
Multi Agent Reinforcement Learning hos DeepMind: för programmerare
Tänkvärd film om hur DeepMinds AlphaGo spelade GO (gratis): Film

Forumtråd i Svensk Bridge: The NukkAI Challenge
Lite analyser om själva spelet (på engelska) Analyser

Kontakt: kalle.prorok@gmail.com