Maia Chess: шахматный движок, который играет как человек

Большинство шахматных движков пытаются найти сильнейший ход. Maia Chess решает другую задачу: она прогнозирует, какой ход в данной позиции, скорее всего, сделает человек определённого уровня.

Поэтому Maia полезна не как замена Stockfish, а как человекоподобный соперник и исследовательский инструмент. Она воспроизводит типичные решения, предпочтения и ошибки шахматистов, а современные версии Maia‑2 и Maia‑3 умеют учитывать уровень игрока и анализировать человеческую игру на широком диапазоне рейтингов.

Что такое Maia Chess?

Maia Chess — семейство нейросетевых шахматных моделей, разработанное исследователями из Университета Торонто, Корнеллского университета и Microsoft Research.

Обычный движок отвечает на вопрос:

Какой ход объективно сильнее?

Maia отвечает на другой вопрос:

Какой ход, вероятнее всего, выберет человек такого уровня?

Это принципиальное различие. Maia не стремится играть безошибочно и не пытается занять первое место в рейтингах компьютерных движков. Её главная задача — моделировать человеческое принятие решений.

Зачем понадобился человекоподобный движок?

Stockfish, Leela Chess Zero и другие сверхсильные программы прекрасно оценивают позиции, но их решения нередко трудно перенести в практическую игру.

Сильный движок может предложить ход, который:

• основан на длинном тактическом расчёте;
• требует серии единственных продолжений;
• игнорирует естественные человеческие опасения;
• выглядит нелогично до глубокой компьютерной проверки;
• маловероятен в партии шахматистов соответствующего уровня.

Для обучения важно понимать не только объективную оценку, но и то, какие варианты человек действительно заметит. Maia помогает изучать разрыв между идеальной компьютерной игрой и реальными решениями шахматистов.

Кто создал Maia?

Первую Maia разработали Рид Макилрой‑Янг, Сиддхартха Сен, Джон Клейнберг и Эштон Андерсон.

Исследование «Aligning Superhuman AI with Human Behavior: Chess as a Model System» было опубликовано в 2020 году и представлено на конференции KDD 2020.

Проект объединил специалистов из:

• Университета Торонто;
• Корнеллского университета;
• Microsoft Research;
• позднее — других исследовательских групп и разработчиков.

Работа над проектом продолжилась в Maia‑2 и Maia‑3. Новые поколения получили другие архитектуры, но сохранили исходную цель — точное моделирование человеческих шахматных решений.

Как обучалась первая Maia?

В отличие от AlphaZero и Leela Chess Zero, первая Maia обучалась не через самостоятельную игру против себя.

Основой стали реальные партии людей на Lichess. Модель получала шахматную позицию и училась предсказывать ход, который в этой позиции сделал пользователь.

Таким образом, Maia усваивала:

• популярные дебютные решения;
• типичные планы в знакомых структурах;
• человеческие предпочтения при выборе между несколькими ходами;
• характерные тактические ошибки;
• зависимость решений от уровня шахматиста.

Важно: разработчики не добавляли в движок готовый список ошибок. Нет отдельной команды «зевнуть фигуру». Ошибки возникают естественно, потому что модель воспроизводит распределение ходов из человеческих партий.

Девять моделей для разных рейтингов

Первая версия проекта состояла не из одного универсального движка, а из девяти отдельных моделей:

Каждая модель лучше всего предсказывала решения игроков, близких к её целевому рейтингу. Maia 1100 точнее моделировала шахматистов около 1100, а Maia 1900 — игроков более высокого уровня.

Целевой рейтинг — не реальная сила бота

Название Maia 1500 не означает, что бот обязательно получит рейтинг ровно 1500.

Модель выбирает наиболее типичный ход игроков указанного диапазона. Усреднение решений большого количества людей может сделать её фактическую игровую силу выше целевой группы.

На результат также влияют:

• контроль времени;
• дебютная книга;
• настройки поиска;
• оборудование;
• состав соперников.

Как Maia выбирает ход?

Обычный движок строит дерево вариантов и старается определить ход с максимальной объективной оценкой.

Maia формирует вероятностное распределение. Она может считать, что в конкретной позиции игрок уровня 1500 чаще всего выберет один ход, реже — второй, а третий почти не заметит.

Это позволяет анализировать не только качество хода, но и его естественность для определённого уровня.

Maia не ослабленный Stockfish

Обычные слабые компьютерные соперники часто создаются искусственным ограничением сильного движка:

• уменьшается глубина поиска;
• ограничивается время расчёта;
• случайно выбирается ход из нескольких вариантов;
• периодически добавляются грубые ошибки.

В результате такой бот может несколько ходов играть почти идеально, а затем неожиданно отдать ферзя без человеческой причины.

Maia работает иначе. Её слабости вытекают из партий людей соответствующего уровня. Поэтому ошибки чаще связаны с реальными человеческими шаблонами:

• недооценкой угрозы;
• преждевременной атакой;
• желанием забрать материал;
• непониманием профилактического хода;
• выбором естественного, но неточного продолжения.

Maia, Stockfish и Leela Chess Zero: в чём разница?

Maia не заменяет Stockfish. Практичнее использовать их вместе:

1. Stockfish показывает объективную оценку позиции;
2. Maia показывает, какой ход мог выбрать человек;
3. сравнение помогает понять, почему ошибка была естественной;
4. тренер может подобрать объяснение, соответствующее уровню ученика.

Насколько точно Maia предсказывает ходы?

Главный показатель проекта — move-matching accuracy, то есть доля позиций, в которых первая рекомендация модели совпадает с ходом реального шахматиста.

Это отличается от обычной оценки силы. Модель может выбрать объективно более слабый ход, но правильно предсказать человеческое решение.

Исследование первой Maia показало, что специализированные модели заметно лучше обычных сильных движков воспроизводят решения людей и достигают максимальной точности рядом со своим целевым рейтингом.

Однако человеческий выбор нельзя предсказать идеально. В одной позиции несколько разумных ходов могут иметь близкую вероятность, а игрок способен выбрать редкое продолжение из-за настроения, оставшегося времени или ошибочного расчёта.

Maia‑2: одна модель вместо девяти

В 2024 году исследователи представили Maia‑2.

У первой Maia для каждого рейтингового диапазона требовалась отдельная нейросеть. Maia‑2 объединила разные уровни в одной модели.

Она учитывает:

• рейтинг игрока, которому принадлежит ход;
• рейтинг его соперника;
• текущую позицию;
• взаимодействие уровня игроков и особенностей позиции.

Для этого разработчики добавили механизм skill-aware attention — внимание, зависящее от уровня шахматистов.

Maia‑2 способна по-разному интерпретировать одну позицию в зависимости от того, кто играет. Начинающий и мастер обращают внимание на разные признаки и выбирают разные продолжения.

Масштаб обучения Maia‑2

Согласно статье разработчиков, полная Maia‑2 обучалась на 168,93 миллиона партий и 9,15 миллиарда шахматных позиций.

В обучающую выборку вошли разные сочетания рейтингов, включая партии соперников неодинаковой силы. Это позволило моделировать не только «игрока 1500 против игрока 1500», но и изменения поведения при большой рейтинговой разнице.

Maia‑3 и архитектура Chessformer

В 2026 году проект получил третье поколение — Maia‑3, построенное на новой архитектуре Chessformer.

Maia‑3 уже не является просто очередной сетью формата первой Maia. Это семейство трансформеров, специально разработанных для шахмат.

Клетки доски как токены

Chessformer представляет 64 клетки шахматной доски как отдельные токены. Механизм внимания учится связывать клетки с учётом геометрии позиции.

Например, модель может проследить:

• линию действия слона;
• связь атакующей и защищаемой фигуры;
• геометрию вилки;
• связку и перегрузку;
• взаимодействие удалённых участков доски.

Geometric Attention Bias

Ключевой компонент Chessformer называется Geometric Attention Bias, или GAB.

Он помогает механизму внимания учитывать не только положение токенов в последовательности, но и реальную шахматную геометрию: ряды, вертикали, диагонали, расстояния и расположение фигур.

Точность Maia‑3

Исследователи выпустили три основные модели Maia‑3:

Результаты измерялись на тестовом наборе человеческих решений. Maia‑3 79M превзошла предыдущие методы, несмотря на существенно меньшее число параметров по сравнению с рядом конкурирующих моделей.

Даже 57,1% не означает, что система «ошибается» почти в половине позиций. У шахматиста часто есть несколько естественных вариантов. Метрика засчитывает успех только тогда, когда первая рекомендация модели полностью совпала с фактически сыгранным ходом.

Почему сильных игроков иногда легче предсказывать?

Исследования Maia‑3 показали любопытную закономерность.

Слабые игроки совершают более простые решения, но их выбор бывает непоследовательным. Они способны в похожих позициях сыграть совершенно по-разному.

Сильные шахматисты рассматривают более сложные идеи, но их решения чаще подчиняются устойчивой логике. Поэтому улучшение модели особенно заметно при прогнозировании очень сильной игры.

История предыдущих позиций также помогает модели понять контекст партии и частично уменьшить неопределённость.

Можно ли играть против Maia онлайн?

Да. Самый простой способ познакомиться с проектом — официальный сайт Maia Chess.

На платформе доступны:

• игра против человекоподобной модели;
• анализ партий;
• тренировочные задачи;
• дебютные упражнения;
• режим Hand & Brain;
• игра «Bot or Not», где нужно отличать человека от программы.

Боты Maia на Lichess

На Lichess работают официальные боты:

• maia1 — модель с целевым уровнем 1100;
• maia5 — модель с целевым уровнем 1500;
• maia9 — модель с целевым уровнем 1900.

Цифры в названиях соответствуют положению модели в первоначальной линейке, а не текущему рейтингу аккаунта.

Официальные боты используют дебютные книги, поскольку исходная модель без дополнительной случайности могла повторять один и тот же ход в одинаковой позиции.

Как скачать первую Maia?

В репозитории первой Maia размещены девять файлов нейросетевых весов для уровней от 1100 до 1900.

Эти файлы не являются самостоятельными программами. Разработчики описывают их как «мозг», которому требуется «тело» — исполняемый файл Leela Chess Zero.

Общий порядок запуска:

1. установить Lc0;
2. скачать нужный файл Maia;
3. указать путь к файлу весов;
4. отключить глубокий поиск;
5. ограничить расчёт одним узлом.

lc0 --weights=maia-1500.pb.gz
go nodes 1

Ограничение nodes 1 принципиально важно. Если разрешить большой поиск, поведение изменится и модель станет меньше соответствовать исходной задаче прогнозирования человеческого хода.

Как установить Maia‑3?

Для новых локальных проектов разработчики рекомендуют Maia‑3.

Базовая установка:

git clone https://github.com/CSSLab/maia3.git
cd maia3
python -m pip install .

Запуск самой компактной модели:

maia3-5m

При первом запуске контрольная точка автоматически загружается с Hugging Face и сохраняется в кэше. Последующие запуски используют локальную копию.

Другие варианты:

maia3-23m
maia3-79m

Также движок можно запустить напрямую:

python -m maia3.uci --model 5m

Maia‑3 работает как UCI-движок, однако установка остаётся более технической, чем у готового файла Stockfish. Для большинства пользователей удобнее начать с официальной веб-платформы.

Какую версию выбрать?

Подходит ли Maia для анализа партий?

Да, но её анализ нужно интерпретировать иначе, чем анализ Stockfish.

Stockfish помогает найти:

• тактическую ошибку;
• лучший вариант;
• объективную оценку позиции;
• точную защиту.

Maia помогает понять:

• насколько сыгранный ход типичен для данного уровня;
• какое продолжение, вероятно, выбрал бы похожий игрок;
• где позиция становится сложной именно для человека;
• какие ошибки повторяются у игроков одной рейтинговой группы.

Наиболее полезен совместный анализ. Сначала можно проверить объективную сторону позиции в Stockfish, а затем посмотреть на распределение человеческих ходов в Maia.

Может ли Maia заменить шахматного тренера?

Нет. Maia прогнозирует решения и помогает увидеть человеческие закономерности, но сама вероятность хода ещё не является объяснением.

Модель не всегда сообщает:

• какая идея стоит за ходом;
• почему ошибка возникла;
• какое правило нужно запомнить;
• как построить индивидуальный учебный план.

При этом Maia может стать полезным инструментом тренера. Она помогает выбирать реалистичные упражнения и сравнивать ученика не со сверхчеловеческим идеалом, а с решениями игроков близкого уровня.

Преимущества Maia Chess

• Человекоподобная игра. Ошибки и решения возникают из реальных человеческих партий.
• Учет уровня. Модели адаптируются к рейтингу игрока и соперника.
• Полезность для обучения. Можно изучать вероятные решения, а не только объективный максимум.
• Открытая исследовательская база. Код и модели опубликованы.
• Онлайн-доступ. Необязательно самостоятельно настраивать нейросеть.
• Активное развитие. Проект прошёл путь от Maia до Maia‑2 и Maia‑3.

Ограничения проекта

• Maia не предназначена для поиска самых сильных ходов.
• Целевой рейтинг модели не равен гарантированной игровой силе.
• Совпадение с человеческим ходом не означает объективную правильность.
• Локальная установка современных моделей требует Python и дополнительных компонентов.
• Поведение зависит от контроля времени, дебютной книги и настроек.
• Модель отражает закономерности обучающих данных и может наследовать их перекосы.

Лицензии и открытый код

Разные поколения проекта используют разные лицензии:

• первая Maia — GPL;
• Maia‑2 — MIT;
• Maia‑3 — AGPLv3.

Перед использованием модели в собственном веб-сервисе или коммерческом продукте нужно проверить условия конкретного репозитория и зависимостей.

Частые вопросы

Maia — это самый сильный шахматный движок?

Нет. Она оптимизирована для совпадения с человеческими решениями, а не для максимальной игровой силы.

Maia специально делает случайные ошибки?

Нет. Ошибки возникают из выученного распределения человеческих ходов. Это отличается от случайного ослабления Stockfish.

Можно ли играть против Maia бесплатно?

Да. Доступны официальный сайт, боты на Lichess и открытые модели.

Работает ли Maia без видеокарты?

Да. Компактную Maia‑3 можно запускать на CPU. Для старых моделей через Lc0 конкретная производительность зависит от выбранного вычислительного модуля.

Что выбрать: Maia 1500 или Maia‑3?

Maia 1500 полезна для знакомства с оригинальным экспериментом. Для новых проектов и более точного моделирования лучше использовать Maia‑3.

Почему Maia 1500 может играть сильнее рейтинга 1500?

Модель выбирает типичные решения большой группы игроков. Усреднённая политика может оказаться сильнее отдельного шахматиста этого уровня.

Можно ли подключить Maia к Arena или Cute Chess?

Да. Первая Maia подключается через исполняемый файл Lc0 и файл весов. Maia‑3 предоставляет UCI-интерфейс, но может потребоваться командный файл или настройка запуска Python.

Подходит ли Maia для поиска читеров?

Проект помогает изучать различия между человеческими и компьютерными решениями, но одна Maia не может надёжно доказать нечестную игру. Для таких выводов нужны специализированные статистические методы и большой массив партий.

Итоги

Maia Chess изменила саму постановку задачи для шахматного искусственного интеллекта.

Вместо вопроса «как сыграть сильнее всех?» разработчики поставили вопрос «как в этой позиции думает человек?».

Первая Maia состояла из девяти моделей для рейтингов 1100–1900. Maia‑2 объединила разные уровни и научилась учитывать силу обоих игроков. Maia‑3 перешла на архитектуру Chessformer и достигла 57,1% совпадений с реальными человеческими ходами.

Для объективного анализа по-прежнему нужен Stockfish. Для понимания человеческих решений, выбора реалистичного соперника и исследования типичных ошибок Maia предлагает возможности, которых у обычных движков нет.

Практический совет При разборе партии сравнивайте три варианта: сыгранный ход, рекомендацию Maia для вашего уровня и лучший ход Stockfish. Такое сравнение помогает отделить естественную человеческую ошибку от действительно трудного компьютерного решения.