🎮 Hexapawn — Ο πρώτος υπολογιστής που έμαθε μόνος του να παίζει τέλεια

Το Hexapawn είναι μια απλοποιημένη παραλλαγή του σκακιού, που παίζεται σε ταμπλό 3x3.
Κάθε πλευρά ξεκινά με τρεις στρατιώτες (πιόνια), και οι κανόνες είναι παρόμοιοι με αυτούς του σκακιού: τα πιόνια κινούνται προς τα εμπρός και μπορούν να αιχμαλωτίσουν διαγώνια.

Ο Martin Gardner παρουσίασε το παιχνίδι στο Scientific American τη δεκαετία του 1960, μαζί με οδηγίες για το πώς να φτιάξει κανείς έναν «μηχανικό υπολογιστή» από κουτιά σπίρτων και χάντρες που «μαθαίνει» να παίζει.

---

🔧 Πώς λειτουργεί ο «υπολογιστής» με σπίρτα

Κάθε κουτί σπίρτων αντιπροσωπεύει μία συγκεκριμένη θέση του παιχνιδιού.
Μέσα σε αυτό υπάρχουν χάντρες διαφορετικών χρωμάτων, καθεμία αντιστοιχεί σε μία πιθανή κίνηση.

Ο «αλγόριθμος» είναι απλός:

1. Ο άνθρωπος παίζει πρώτος και επιλέγει το κατάλληλο κουτί.

2. Ο υπολογιστής τραβά μια τυχαία χάντρα και εκτελεί τη συγκεκριμένη κίνηση.

3. Αν χάσει, αφαιρεί τη χάντρα — η κίνηση «ξεχνιέται».

4. Αν κερδίσει, κρατά όλες τις χάντρες — η κίνηση «μαθαίνεται».

Μετά από πολλές παρτίδες, ο υπολογιστής θα έχει εξαλείψει όλες τις επιλογές που οδηγούν σε ήττα.
Το αποτέλεσμα; Ένας «τέλειος παίκτης» που δεν κάνει λάθη.

---

🧩 Η Μαθηματική Ιδέα

Το Hexapawn είναι ένα μοντέλο μάθησης μέσω ενίσχυσης (reinforcement learning).
Η μηχανή μαθαίνει μέσω πειραματισμού και εξάλειψης λαθών, όχι μέσω προγραμματισμού ή κανόνων.

Αυτή η απλή ιδέα αποτέλεσε το πρώτο βήμα προς τις τεχνικές που χρησιμοποιούν σήμερα τα AlphaGo και AlphaZero της DeepMind:
μηχανές που παίζουν με τον εαυτό τους, αναγνωρίζουν μοτίβα, και βελτιώνονται συνεχώς μέσα από την εμπειρία.

---

🧠 Από τα σπίρτα στα νευρωνικά δίκτυα

Αν και το Hexapawn δε θα μπορούσε να λύσει περίπλοκα προβλήματα όπως αναγνώριση προσώπων ή επεξεργασία εικόνας, έδειξε έναν θεμελιώδη δρόμο:
ότι μια μηχανή μπορεί να μάθει από την αποτυχία και να βελτιώνει τη στρατηγική της.

Από το σπιρτόκουτο του Gardner μέχρι τα δίκτυα της Google, η αρχή παραμένει η ίδια:
η μάθηση μέσω εμπειρίας.