I Hamburg i 1985 spilte jeg mot 32 forskjellige sjakkdatamaskiner samtidig, i det som er kjent som en simultanoppvisning. Jeg gikk fra den ene maskinen til den andre, og gjorde mine trekk over en periode på mer enn fem timer. De fire ledende produsentene av sjakkmaskiner hadde alle sendt toppmodellene sine, inkludert åtte fra firmaet Saitek som var oppkalt etter meg.

Illustrerende for tilstanden i datasjakk på den tiden, er at det ikke var noen overraskelse at jeg vant 32–0, hvert eneste spill, selv om det oppsto et par ubekvemme øyeblikk. På et tidspunkt innså jeg at jeg sto i fare for å få problemer med en av Kasparov-maskinene. Dersom denne maskinen vant, selv bare ett enkelt trekk, ville folk være snare til å påstå at jeg hadde tapt med vilje for å gi firmaet god reklame; altså måtte jeg intensivere innsatsen. Til sist fant jeg en måte å lure maskinen på, med et «tilbud» den burde ha avslått. Fra et menneskelig perspektiv, i hvert fall fra mitt, var dette de gode gamle dagene med mann-mot-maskin-sjakk.

Elleve år senere unngikk jeg så vidt å tape et parti mot supermaskinen Deep Blue. Deretter, i 1997, doblet IBM sine anstrengelser – og Deep Blues prosessorkraft – og jeg tapte omkampen i et parti som skapte overskrifter over hele verden. Tapet ble møtt med forbauselse og sorg av de mange som så det som et tegn på menneskets underkastelse for den «allmektige» datamaskinen – «Hjernens siste skanse», som Newsweek skrev på forsiden. Andre trakk på skuldrene, overrasket over at mennesker overhodet kunne konkurrere med den typen datakraft som i 1997 befant seg på nær sagt hvert eneste skrivebord i den vestlige verden.

Tilhengerne av kunstig intelligens var fornøyde med resultatet og oppmerksomheten det fikk, men forferdet over at Deep Blue ikke var i nærheten av hva deres forgjengere hadde sett for seg noen tiår tidligere, da de drømte om en maskin som kunne slå verdensmesteren i sjakk. Heller enn en datamaskin som tenkte og spilte sjakk med menneskelig oppfinnsomhet og intuisjon, hadde de fått en som spilte som en maskin. Den evaluerte systematisk 200 millioner mulige trekk i sekundet, og vant med rå tallknuserkraft. Igor Aleksander, en britisk pioner innen nervenettverk, skriver i sin bok How to Build a Mind (2000):

«På midten av 1990-tallet var antallet mennesker som hadde erfaring med bruk av datamaskin av en helt annen størrelsesorden enn på 1960-tallet. I Kasparovs tap kunne man anerkjenne en stor triumf for programmererne, men den kunne ikke måle seg med den menneskelige intelligensen som gjør oss i stand til å leve livene våre.»

Seieren var selvfølgelig en imponerende bedrift, og en menneskelig bedrift av medlemmene av IBM-staben, men Deep Blue var bare intelligent på den måten vekkerkokkene våre er det. Uten at tanken på å tape ti millioner dollar til en vekkerklokke får meg til å føle meg bedre.

Mitt håp om en omkamp mot Deep Blue ble dessverre knust. IBM hadde fått den oppmerksomheten de ønsket og nedla prosjektet kort tid etter. Flere andre datasjakkprosjekter verden over mistet også sponsoravtalene sine. Jeg hadde nok takket ja til en omkamp i 1998 dersom jeg hadde vært godt nok forberedt, men allerede da var det tydelig at det bare var et tidsspørsmål før datamaskinene var menneskene sjakkmessig overlegne.

I dag kan man kjøpe et sjakkprogram til pc-en for 500 kroner som slår de fleste stormestere. I 2003 spilte jeg seriøse partier mot to slike programmer drevet av allment tilgjengelige multiprosessortjenere. Jeg spilte selvfølgelig bare ett parti om gangen, og i begge tilfellene endte partiene uavgjort, med én seier til hver og flere remiser.

Det har vært mange utilsiktede konsekvenser, både gode og dårlige, av den raske spredningen av kraftig sjakkprogramvare. Barn elsker datamaskiner og lærer seg lett å bruke dem, og det kommer ikke som noen overraskelse at det samme gjelder kombinasjonen av sjakk og datamaskiner. Med superkraftig programvare er det blitt mulig for de yngste å ha en motstander i toppklasse hjemme, noe som minsker behovet for en profesjonell trener fra et tidlig stadium. Land uten sjakktradisjoner og med få lærere kan dermed produsere unge genier. Selv underviser jeg en slik i år; den norske 19-åringen Magnus Carlsen, som kommer fra et land hvor sjakk spilles av relativt få.

Den utstrakte bruken av dataanalyse har gjort at spillet utvikler seg i nye retninger. Maskinen bryr seg ikke om stil eller mønstre eller hundrevis av år med etablert teori. En datamaskin oversetter hver brikke og posisjonsfaktor til en verdi, så den kan redusere spillet til tall den kan knuse. Den teller opp verdien av sjakkbrikkene, analyserer noen milliarder trekk, og teller verdien igjen. Den er fullstendig fri for fordommer og vranglære, og dette har bidratt til utviklingen av spillere som er nesten like udogmatiske som maskinene de øver seg på. Et trekk er ikke nødvendigvis godt eller dårlig fordi det ser ut på en bestemt måte eller ikke er blitt gjort akkurat slik før. Det er rett og slett godt dersom det fungerer, og dårlig dersom det ikke gjør det. Selv om det fortsatt kreves en betydelig intuisjon og logikk for å kunne spille godt, spiller menneskene i dag stadig mer likt datamaskiner.

De mange millionene spill som er tilgjengelige i en database bidrar også til at de beste sjakkspillerne blir yngre og yngre. Det pleide å ta mange år å tilegne seg de mange tusen grunnleggende mønstrene og åpningstrekkene, i tråd med Malcolm Gladwells teori om at «det tar ti tusen timer å bli ekspert», fra hans seneste bok, Outliers. Dagens tenåringer, og etter hvert også de enda yngre, kan fremskynde denne prosessen ved å koble seg til et digitalt arkiv av sjakkinformasjon og ta til seg informasjonen med det unge sinnets overlegenhet. I tiden før datamaskinene var sjakkmestere i tenårene en sjeldenhet, og da nesten alltid på vei mot verdensmesterskapene. Bobby Fischers rekord fra 1958, da han fikk stormestertittelen i en alder av 15, ble ikke slått før i 1991. Siden er den blitt slått et snes ganger; den nåværende rekordholderen, ukrainske Sergej Karjakin, tok tittelen i 2002 i den nærmest absurde alderen av tolv år. Åtte år senere er Karjakin blant verdens beste, men i likhet med de andre moderne vidunderbarna er han ingen Fischer, som raget høyt over sine samtidige – og, etter kort tid, over resten av sjakkverdenen.

Det å utmerke seg i sjakk har lenge vært regnet som et tegn på generell intelligens. Etter min mening er dette en feilaktig antagelse, uansett hvor behagelig den måtte være. Med Diego Rasskin-Gutmans ord er sjakk «et laboratorium uten sidestykke, ettersom både læreprosessen og graden av tilegnede ferdigheter kan bli uttrykt konkret og i målbare størrelser, noe som gir et utmerket rammeverk for nøyaktige analyseteknikker».

Jeg slutter meg til dette, av forskjellige grunner. Jeg er mye mer interessert i å bruke sjakklaboratoriet til å belyse mekanismene i menneskesinnet enn i det kunstige sinnet. Som jeg skrev i min bok fra 2007, How Life Imitates Chess: «Sjakk er en unik kognitiv neksus, et sted hvor kunst og vitenskap kommer sammen i menneskesinnet og blir raffinert og forbedret av erfaringen.» Kapittelet som dette utsagnet er hentet fra, heter tilfeldigvis «Mer enn en metafor». Her argumenterer jeg for å bruke den beslutningstagende prosessen som sjakk er, som modell for å forstå og utvikle våre beslutningsprosesser på alle andre områder.

Dette betyr ikke at jakten på intelligente maskiner ikke interesserer meg. Mine mange oppvisninger med sjakkmaskiner er kommet som følge av ønsket om å delta i dette store eksperimentet. Jeg var så heldig, eller uheldig, å være verdensmester i sjakk i de viktige årene da datamaskinene utfordret, og etter hvert overgikk, menneskelige sjakkspillere. Før 1994 og etter 2004 var disse duellene ikke av særlig interesse, fordi maskinene utviklet seg fra «for svake» til «for sterke» motstandere. Men i løpet av denne tiårsperioden var konkurransene fascinerende sammenstøt mellom datakraft (og, ikke å forglemme, programmerernes menneskelige visdom) og stormesterens intuisjon og kunnskap.

Rasskin-Gutman bruker det såkalte Moravecs paradoks for å beskrive denne situasjonen: I sjakk, som på så mange andre felt, er datamaskinene gode på det menneskene er svake på, og omvendt. Dette ga meg ideen til et eksperiment: Hva om vi spilte som partnere, i steden for menneske mot maskin? Dette innfallet fikk jeg i et parti i León, Spania i 1998, og vi kalte det «avansert sjakk». Hver spiller hadde en pc for hånden, som kjørte sjakkprogramvare etter spillerens ønske. Ideen var å skape det høyeste nivået noensinne for et sjakkspill, en syntese av det beste fra menneske og maskin.

Kampen mot bulgarske Veselin Topalov, inntil nylig regnet som verdens beste sjakkspiller, var full av oppsiktsvekkende øyeblikk, selv om jeg hadde forberedt meg godt med tanke på det uvanlige formatet. Det å ha et dataprogram for hånden under kampen var både forstyrrende og spennende, og tilgangen til flere millioner spill gjorde at vi slapp å anstrenge hukommelsen like mye som vi gjorde i åpningstrekket; de mange åpningsmulighetene er blitt grundig kartlagt i årenes løp. Men ettersom begge hadde tilgang til den samme databasen, var det den som klarte å få en ny idé som hadde overtaket.

Datapartneren var også en forsikring mot å gjøre taktiske feil. Maskinen kunne beregne konskvensene av alle de trekk vi vurderte, og peke på mulige utfall og mottrekk vi kanskje ellers ville oversett. Ettersom dette ble tatt hånd om, kunne vi konsentrere oss om strategisk planlegging heller enn å bruke tid og krefter på kalkulering. Den menneskelige skaperkraften ble desto viktigere under slike forhold. Til tross for tilgangen til «det beste av begge verdener» var mine spill mot Topalov langt fra perfekte. Vi holdt oss innenfor tidsrammen, og hadde lite tid til å konferere med silisiumassistentene våre. Resultatene var likevel bemerkelsesverdige. En måned tidligere hadde jeg slått Topalov 4-0 i en omgang «vanlig» lynsjakk. Det avanserte partiet vårt endte med 3-3 og remis. Mitt fortrinn med hensyn til kalkuleringstaktikk var blitt opphevet av maskinen.

Flere grupper av sterke stormestere med flere maskiner på en gang meldte seg på, fristet av premiepengene. Til å begynne med så det ut til at resultatet ville være forutsigbart. Lagene av menneske pluss maskin dominerte til og med de kraftigste computerne. Sjakkmaskinen Hydra, en sjakkspesifikk superdatamaskin à la Deep Blue, var en lett utfordring for en sterk menneskespiller med en ganske svak laptop. Kombinasjonen av menneskelig strategisk ledelse og maskinens taktiske skarphet var overveldende.
Overraskelsen kom mot slutten av turneringen. Vinneren viste seg ikke å være en stormester med toppmoderne pc, men to amerikanske amatørspillere som brukte tre maskiner samtidig. De to amatørenes evne til å manipulere og «veilede» maskinene til å gå dypt inn i hver posisjon, veide effektivt opp for stormesternes overlegne sjakkforståelse og de øvrige deltagernes tilgang på større datakraft. Kombinasjonen svak menneskelig kapasitet, maskin og god metode slo både den sterke maskinen og – enda mer oppsiktsvekkende – kombinasjonen sterk menneskelig kapasitet, maskin og svak metode.

Selv om «freestyle»-resultatet var forbløffende, sto det godt til min overbevisning om at «talent» er et misforstått begrep. Da jeg ble verdens yngste verdensmester i sjakk i 1985, 22 år gammel, kom det endeløse spørsmål om hemmeligheten bak min suksess og mitt talent. Journalistene spurte ikke om viktigheten av siciliansk sjakkåpning (en spesielt aggressiv åpning av et sjakkparti, red.anm.), men om kostholdet mitt, privatlivet, hvor mange trekk fremover jeg pleide å tenke, og hvor mange spill jeg kunne huske.

Jeg skjønte fort at svarene mine skuffet dem. Kostholdet mitt var ikke uvanlig. Jeg arbeidet hardt, slik moren min hadde lært meg. Min hukommelse var god, men langt fra fotografisk. Når det gjelder hvor mange trekk fremover stormesteren ser, gjør Rasskin-Gutman et nummer av svaret som blant annet er blitt tilskrevet den kubanske verdensmesteren José Raúl Capablanca: «Bare ett, det beste.» Dette svaret er like godt eller dårlig som noe annet; en fyndig måte å avfeie den utenforståendes forgjeves forsøk på å stille et innsiktsfullt spørsmål på. Det har omtrent like mye for seg som å spørre Lance Armstrong hvor ofte han skifter gir i løpet av Tour de France.

Det er ingen tvil om at mennesker er velsignet med forskjellige kognitive begavelser, som langtidshukommelsen og de visuelt-romlige egenskapene sjakkspillere visstnok har. En grunn til at sjakk er «et laboratorium uten sidestykke» og «en unik neksus» er at spillet krever så stor ytelse av så mange av hjernens funksjoner. Når så mange undersøkelser slår feil på det praktiske nivået, er det fordi vi ikke anerkjenner viktigheten av prosessen det er å lære å spille sjakk. Evnen til å arbeide hardt i flere dager uten å minste konsentrasjonen er et talent. Evnen til å fortsette å ta inn informasjon etter flere timer med studier er et talent. Når du programmerer deg selv ved å analysere prosessene i og resultatene av beslutningene dine, kan du oppnå bedre resultater på mye av den samme måten som en smart sjakkalgoritme vil spille bedre enn en mindre smart ditto på den samme datamaskinen. Vi kan ikke skifte ut vår egen maskinvare, men vi kan helt klart oppgradere programvaren vår.

Nå som sjakkmaskinenes overlegenhet er åpenbar og konkurransen «mann mot maskin» hører fortiden til, er det kanskje på tide å vende tilbake til målene som gjorde datasjakk så populært blant mange av det 20. århundrets beste tenkere. Ja, de ville løse problemet med å spille bedre sjakk, og det er blitt løst. Men det var også andre mål: å utvikle et program som spilte sjakk ved å tenke som et menneske, kanskje til og med ved å lære spillet slik et menneske gjør det. Det ville nok vært et mye mer fruktbart felt å utforske enn bare å lage stadig raskere algoritmer til stadig raskere maskinvare, slik vi gjør nå.

Da blir dette den siste sjakkmetaforen vår, en metafor for hvordan vi har forkastet nyskapning og kreativitet til fordel for jevn tilgang på markedsvennlige produkter. Vi har gitt opp drømmene om å skape en kunstig intelligens som kan delta i et eldgammelt spill som symboliserer den menneskelige tanke. I stedet får vi nye sjakkprogrammer hvert år, og nye varianter av gamle programmer, alle basert på de samme grunnleggende programmeringskonseptene for å velge et trekk ved å søke i millioner av muligheter som ble utviklet i 1960- og 1970-årene.

Sjakkdatamaskiner, som så mye annet i vår teknologirike og nyskapningsfattige verden, er blitt bytte for oppgraderingen og markedets krav. Programmene med rå kraft spiller den beste sjakken, så hvorfor bry seg om alle de andre? Hvorfor kaste bort tid og penger på å eksperimentere med nye og innovative ideer når vi allerede vet hva som virker? Slike tanker bør sjokkere alle som kaller seg forskere, men det ser imidlertid dessverre ut til at disse er blitt normen. Vår beste hoder er blitt økonomiske ingeniører i stedet for å vie seg til ordentlig ingeniørvirksomhet, og resultatet er katastrofalt for begge sektorer.

Kanskje sjakk er på rett sted til feil tid. Nå spilles det poker overalt, og amatører drømmer om å vinne millioner og komme på tv ved å spille et kortspill der graden av kompleksitet lar seg fange inn på et enkelt stykke papir. Sjakk er et spill som dreier seg helt og fullt om informasjon – begge spillere er klar over alle data til enhver tid – og er derfor direkte mottagelig for datakraft. I poker har man skjulte kort og varierende innsats, noe som gir god grobunn for sjansespill, bløff og risikoanalyse.

Disse sidene av poker kan se ut som om de er basert utelukkende på menneskelig psykologi, og er derfor uangripelige overfor dataangrep. En maskin kan enkelt kalkulere oddsene for hver hånd, men hva gjør man med en motspiller med dårlige kort som gjør en høy innsats? Og maskinene gjør fremskritt her også. Jonathan Schaeffer konsentrerer seg nå om poker, og hans digitale spillere gjør det stadig bedre mot menneskelige motspillere – med alt det innebærer for nettstedene som tilbyr internettpoker.

Den nåværende trenden, hvor mange profesjonelle sjakkspillere vier seg til det mer lukrative pokerspillet, er kanskje ikke udelt negativ. Det er kanskje ikke for sent for menneskene å lære på nytt hvordan vi tar risikoer for å gjøre nyvinninger, for slik å opprettholde vår avanserte livsstil. Og dersom det må en pokerspillende superdatamaskin til for å minne oss på at vi ikke kan nyte seieren uten å løpe risikoen først, så tåler vi det.

En lengre versjon av artikkelen er tidligere publisert i The New York Review of Books. Oversatt fra engelsk av Jon Mikkel Broch Ålvik. ideer@morgenbladet.no