ShashGuru: la propuesta de Intel y la Universidad de Bolonia para explicar el ajedrez con IA

Intel probó una nueva inteligencia artificial llamada ShashGuru, un sistema agentic AI diseñado para analizar cada movimiento y explicar jugadas de ajedrez en tiempo real. La tecnología fue puesta a prueba durante un torneo organizado por la Universidad de Bolonia, donde su función fue una herramienta de apoyo para jugadores como para espectadores.

A diferencia de los motores clásicos de ajedrez (como Stockfish, AlphaZero, Komodo, etc.) que solo calculan la jugada óptima evaluando millones de posiciones, y en general:

• Están pensando para jugar al máximo nivel posible, encontrando las jugadas más fuertes.
• Procesan millones de posiciones por segundo, con evaluaciones numéricas muy precisas.
• El problema: su salida suele ser cifrada y poco pedagógica. Te dicen “esta jugada es +1.25 mejor”, pero no explican en un lenguaje natural por qué lo es. Porque lo que entrega son diferentes líneas de juegos.
• Sirven mucho para entrenar élite, pero son menos accesibles para jugadores intermedios o principiantes.

Por otro parte, ShashGuru integra el motor ShashChess, derivado de Stockfish, con el modelo de lenguaje Llama-3.1-8B de Meta. Esto le permite no solo entregar la mejor jugada, sino también explicar en lenguaje natural por qué una decisión es mejor que otra, detectar errores y sugerir alternativas, es mas intuitivo para jugadores que no forman parte de elite.

«ShashGuru combina las capacidades conversacionales del modelo Llama-3.1-8B de Meta con el análisis estratégico preciso de ShashChess, impulsado por la velocidad computacional de la arquitectura Intel. Esto abre un nuevo enfoque en la interacción humano-computador dentro del dominio del ajedrez.»

Paolo Ciancarini, profesor de Informática en la Universidad de Bolonia

¿Qué es ShashChess?

ShashChess es un motor de ajedrez UCI gratuito y de código abierto, derivado de Stockfish. Su particularidad es que implementa la teoría de Alexander Shashin, lo que permite ajustar el estilo de juego del motor según diferentes tipos de posiciones.

Nota: UCI son las siglas de Universal Chess Interface (Interfaz Universal de Ajedrez). Es un protocolo de comunicación abierto y estándar que permite a los motores de ajedrez comunicarse con interfaces gráficas de usuario y otros programas.

Bajo la premisa de la teoría Shashin, ShashChess no solo busca fuerza bruta de cálculo, sino también adaptar el análisis a enfoques estratégicos, defensivos o agresivos, y desde luego considera:

• Aprendizaje por refuerzo
• Búsqueda Monte Carlo.

Características principales ShashChess

• Derivado de Stockfish, con modificaciones en la evaluación.
• Teoría de Shashin: clasifica posiciones en Tal (ataque), Capablanca (equilibrio) y Petrosian (defensiva).
• Personalidades mixtas que combinan estilos.
• Colaboración con Leela Chess Zero para enriquecer el análisis posicional.
• Aprendizaje por refuerzo con Q-learning y autoaprendizaje.
• Monte Carlo Tree Search para posiciones seleccionadas.
• Soporte de tablebases Syzygy para finales de hasta 7 piezas.
• Rendimiento destacado en pruebas CCRL, cercano a Stockfish 15.

¿Cómo funciona la integración entre hardware y software de ShashGuru?

Durante la prueba en el torneo de la Universidad de Bolonia, la arquitectura del sistema se desplegó en dos escenarios distintos: Equipos de jugadores y para espectadores:

Equipos de jugadores:

• ShashGuru se ejecutó en computadores con procesadores Intel Core Ultra 200V, que integran CPU, GPU y NPU.
• Gracias a OpenVINO, el motor ShashChess y el modelo Llama-3.1-8B corrieron de forma local.
• Esto permitió entregar a cada equipo un análisis inmediato y comprensible de estrategias y tácticas sin depender de la nube.

Espectadores:

• El sistema entregó explicaciones en tiempo casi real, permitiendo que múltiples usuarios interactuaran de manera simultánea.
• Para el público, ShashGuru funcionó sobre servidores con procesadores Intel Xeon 6 con P-cores, optimizados para escalar la experiencia.
• Estos servidores procesaron en paralelo todas las partidas que se estaban jugando al mismo tiempo.

En ambos escenarios, la suite OpenVINO fue clave para optimizar el rendimiento, distribuyendo las cargas de trabajo entre CPU, GPU y NPU.

La combinación convierte al agentic AI en un asistente pedagógico más que en un simple motor de juego, con la capacidad de interactuar con humanos en un lenguaje comprensible.

«Con esta investigación, la búsqueda de Lasker por mejores jugadas puede lograrse con un análisis adicional fuera de la nube gracias a los computadores con IA. Optimizados en rendimiento para acelerar la entrega de conocimientos y reforzados con aprendizaje para reducir errores, los agentic AI ahora actúan como un compañero de ajedrez que señala el jaque mate.»

Alessandro Palla, ingeniero senior en deep learning e investigador de IA en Intel

Fuente: Intel