Categoria: AI

Gli scacchi durante la rivoluzione dell’Intelligenza Artificiale

La creatività di un giocatore trova oggi di fronte una macchina che calcola senza stancarsi. Eppure gli scacchi durante la rivoluzione dell’Intelligenza Artificiale non sono diventati una gara fredda tra numeri: sono diventati più accessibili, più studiati e spesso più sorprendenti.

Una partita richiede memoria, previsione e giudizio pratico. Per questo gli scacchi sono un banco di prova ideale per l’AI, ma restano anche un territorio umano fatto di pressione, intuizione e coraggio.

Punti Chiave

  • Deep Blue batté Garry Kasparov nel 1997, ma non rese gli scacchi un gioco risolto.
  • AlphaZero mostrò come l’apprendimento autonomo possa produrre idee posizionali inattese.
  • Stockfish 18 è il riferimento open source per l’analisi concreta nel 2026.
  • Leela Chess Zero usa reti neurali e ricerca MCTS, spesso con uno stile più posizionale.
  • Il motore aiuta davvero quando si analizzano prima le proprie idee, poi le sue varianti.

Gli scacchi durante la rivoluzione dell’Intelligenza Artificiale

Per decenni, chi voleva migliorare doveva trovare un circolo, comprare libri e cercare avversari più forti. Oggi uno smartphone offre partite, esercizi e analisi in pochi secondi. Un ragazzo può affrontare un bot regolato a 800 punti oppure una forza ben oltre ogni Elo umano.

Questa disponibilità ha accorciato la distanza tra curiosità e studio serio. I bambini imparano presto schemi tattici e principi d’apertura, mentre gli adulti possono rivedere una partita la sera stessa. Tuttavia, l’app non sostituisce la pazienza necessaria per capire perché una mossa è buona.

Il passaggio simbolico arrivò nel 1997. Deep Blue di IBM vinse il match contro Garry Kasparov con 3,5 a 2,5. Il supercomputer non era invincibile, visto che Kasparov vinse una partita e ne pareggiò tre. Quella sfida dimostrò che una macchina poteva superare il campione del mondo in condizioni controllate, non che avesse eliminato la creatività dal gioco.

Un laptop su un tavolo di legno mostra una partita di scacchi sullo schermo, con pezzi in movimento e un'interfaccia di gioco.
Read more

Anche la lunga storia degli scacchi racconta un gioco che ha sempre assorbito nuovi strumenti, dai manoscritti alle banche dati. L'Intelligenza Artificiale cambia la velocità dello studio, ma non cancella l'identità della scacchiera.

Da Deep Blue ad AlphaZero, due modi diversi di diventare forti

Deep Blue cercava varianti con una potenza di calcolo eccezionale e regole di valutazione sviluppate dal suo team. Il suo metodo privilegiava la ricerca: generare molte mosse candidate, scartare quelle peggiori e approfondire le linee promettenti.

AlphaZero, presentato da DeepMind nel 2017, partiva invece dalle regole. Giocando contro se stesso, costruiva una rete neurale capace di valutare posizioni e scegliere le mosse da esplorare. Le sue partite contro Stockfish fecero parlare di sacrifici a lungo termine, pressione posizionale e attacchi senza recupero materiale immediato. Alcuni esempi sono raccolti nelle lezioni dedicate allo stile di AlphaZero.

Non serve mitizzare quei risultati. Un match tra motori dipende da hardware, tempo di riflessione e configurazioni. AlphaZero ha però reso popolare un'idea importante: un programma può apprendere piani efficaci senza ricevere una biblioteca di partite umane.

Perché una macchina può essere superiore senza capire come un essere umano

Un motore non si agita dopo un errore e non sente il peso di un minuto sull'orologio. Esamina quantità enormi di varianti e mantiene lo stesso livello di attenzione dopo cento posizioni difficili.

La sua valutazione, però, non è una spiegazione. Un "+0,70" può nascondere una difesa precisa, un sacrificio rischioso o un finale impossibile da giocare per un dilettante. Perciò la mossa migliore per il motore non coincide sempre con quella migliore da scegliere in torneo.

Una variante perfetta può essere inutile se non sai riconoscere il piano che la rende possibile.

I principali motori di scacchi AI da conoscere nel 2026

La forza assoluta interessa, ma per allenarsi conta anche il tipo di aiuto ricevuto. Un motore rapido su un portatile può essere più utile di uno potentissimo che richiede una GPU costosa.

Stockfish: ricerca profonda e valutazione NNUE

Stockfish 18 è il riferimento open source più forte e diffuso nel 2026. Combina una ricerca alpha-beta molto efficiente con NNUE, una rete neurale usata per valutare rapidamente le posizioni. È eccellente nelle tattiche, nelle aperture concrete e nei finali dove ogni tempo conta.

Il progetto nasce dalla tradizione di Glaurung e porta anche il lavoro di Tord Romstad, Marco Costalba e Joona Kiiski. La sua evoluzione è documentata nella storia del motore Stockfish. Per analizzare una partita amatoriale, Stockfish funziona bene anche senza hardware da laboratorio.

Leela Chess Zero: apprendimento per rinforzo e stile posizionale

Leela Chess Zero, spesso chiamato Lc0, è un motore open source basato su rete neurale. Si addestra attraverso self-play e usa la Monte Carlo Tree Search, o MCTS, per selezionare le linee da esaminare.

Rispetto a Stockfish, Lc0 tende a proporre manovre e sacrifici che molti giocatori trovano più facili da osservare come idee strategiche. Nel 2026 rimane in genere dietro Stockfish nelle classifiche pubbliche, ma la distanza varia molto con l'hardware. Una GPU potente favorisce Leela più di una normale CPU.

Komodo Dragon e il confronto tra motori

Komodo Dragon resta un nome importante tra i motori commerciali di alto livello. Offre un'altra prospettiva, utile quando Stockfish e Leela suggeriscono piani diversi nella stessa posizione.

I punteggi Elo dei motori non sono confrontabili uno a uno con l'Elo umano. Cambiano versione, controllo del tempo, libreria d'apertura e macchina usata per il test. Meglio chiedersi quale idea regge alla prova della scacchiera, invece di inseguire un vincitore universale.

Come l'AI sta cambiando l'apprendimento e la competizione

Gli scacchi durante la rivoluzione dell'Intelligenza Artificiale hanno reso l'allenamento più democratico. Un giovane che non ha un maestro vicino può trovare esercizi e avversari di livello appropriato. Un giocatore di circolo può preparare una variante prima di un torneo senza aspettare la serata al club.

Questa abbondanza ha un rischio: confondere l'accesso alla risposta con la comprensione. Un allenatore umano vede esitazioni, abitudini e punti ciechi che il motore non conosce. La combinazione migliore resta una guida capace di porre domande e un software capace di controllare le varianti.

Scacchiera con pezzi in legno durante una partita di scacchi in un caffè affollato.

Un bot impostato al livello giusto è un partner affidabile. Contro una forza moderata puoi esercitare lo sviluppo dei pezzi e la conversione del vantaggio. Contro un livello alto, invece, conviene giocare posizioni specifiche, come un finale di torri o un attacco con alfieri contrari.

Prima gioca senza assistenza. Poi annota dove hai cambiato piano, quale minaccia temevi e quale mossa avresti voluto rigiocare. Solo dopo avvia l'analisi. In questo modo l'AI misura il tuo ragionamento invece di sostituirlo.

Dalla variante perfetta alla comprensione della posizione

Un metodo semplice rende l'analisi più utile:

  1. Trova il momento critico della partita, non ogni imprecisione.
  2. Scrivi una o due continuazioni che avresti considerato.
  3. Confrontale con le prime mosse del motore.
  4. Cerca il piano comune alle varianti migliori: attacco al re, pressione su un pedone o passaggio a un finale favorevole.

Se il motore propone una sequenza incomprensibile, riduci la profondità e guarda poche mosse alla volta. A volte una scelta pratica, meno precisa ma più chiara, insegna molto più di una linea da venti mosse.

Creatività umana, fair play e futuro degli scacchi

I motori hanno portato nuove idee nelle aperture e nei finali. I giocatori umani, però, scelgono quando rischiare, quando semplificare e come gestire l'avversario. Il bluff, il tempo e la psicologia restano parte della partita tra persone.

Nelle competizioni online, l'accesso facile all'AI rende il cheating un problema serio. Piattaforme e organizzatori devono usare controlli affidabili, regole esplicite e procedure trasparenti. L'analisi assistita va benissimo nello studio, ma distrugge il senso della gara se entra durante una partita classificata.

Domande Frequenti

Posso usare Stockfish gratuitamente?

Sì. Stockfish è open source e si integra in molte interfacce gratuite per computer e smartphone. L'interfaccia cambia l'esperienza d'uso, mentre il motore calcola le posizioni.

AlphaZero è disponibile per giocare online?

AlphaZero non è distribuito come motore scaricabile per il pubblico. Leela Chess Zero è l'alternativa open source più vicina nel metodo, anche se è un progetto diverso.

Quale motore dovrebbe usare un principiante?

All'inizio conviene usare Stockfish a profondità moderata e concentrarsi su una sola fase della partita. Leela può essere interessante dopo, quando vuoi confrontare piani posizionali.

L'AI può insegnare le aperture senza un maestro?

Può mostrare linee e punire gli errori, ma non sempre chiarisce idee e priorità. Un repertorio semplice, spiegato con parole tue, resta più utile di una lista di mosse memorizzate.

I motori hanno risolto gli scacchi?

No. Gli scacchi non sono stati risolti, perché nessuno conosce una strategia completa che garantisca il risultato perfetto dalla posizione iniziale. I motori giocano a un livello superiore agli esseri umani senza esaurire tutte le possibilità del gioco.

Gli scacchi restano una scelta umana

L'AI ha reso l'analisi più rapida e ha aperto lo studio a chiunque abbia un dispositivo. Stockfish cerca con grande precisione, Leela Chess Zero apprende con reti neurali e AlphaZero ha mostrato la forza del self-play.

La vera crescita arriva quando il motore diventa un compagno di verifica. Pensa prima con la tua testa, poi usa l'AI per scoprire ciò che non avevi visto.

Le macchine sono in grado di pensare?

Considerazioni a quasi 30 anni dalla sconfitta di Kasparov

Le macchine possono avere capacità di pensiero? I progressi nell’ambito dell’intelligenza artificiale stanno rendendo sempre più rilevante questo interrogativo.

Esattamente ventisette anni fa si verificò un evento che segnò una pietra miliare nell’ambito dell’intelligenza artificiale.

Nel mese di maggio del 1997, per la prima volta un computer riuscì a sconfiggere il campione mondiale di scacchi in carica in un match disputato su più partite.

Nel 2016, un altro muro è stato demolito: ” un programma ha battuto uno dei più potenti giocatori di go al mondo. “

Questo avvenimento ha forse ricevuto meno attenzione mediatica rispetto alla sconfitta di Kasparov, ma ha suscitato un grande stupore tra gli esperti di intelligenza artificiale.

Perchè ci sono voluti 20 anni tra la conquista di un computer nel gioco degli scacchi e quella nel gioco del go? Le macchine supereranno l’uomo in ogni attività, anche le più complesse? È lecito affermare che le macchine siano in grado di pensare?

Garry-Kasparov

1997: Kasparov sfida Deep Blue

I due protagonisti della partita del 1997 sono Garry Kasparov, allora riconosciuto come il campione mondiale di scacchi, e Deep Blue, un supercomputer costruito da IBM con un design sia hardware che software. Il match è stato disputato in 6 partite e, seguendo le tradizioni dei tornei di scacchi, ogni partita assegna 1 punto al vincitore o 1/2 punto a entrambi i giocatori in caso di parità.

Nell’anno precedente, si era disputata una partita simile in cui, nonostante la sconfitta di Kasparov in una partita, l’uomo era riuscito a vincere con il risultato finale di 4-2.

Nella successiva occasione, il computer riuscì a prevalere, ottenendo due vittorie, pareggiando in 3 occasioni e subendo una sconfitta (nella prima partita), il che portò ad un punteggio finale di 3.5-2.5 a favore di Deep Blue.

Dopo essere stato sconfitto nell’ultima partita del match,

Garry Kasparov lascia la scacchiera.

“Come” Deep Blue “pensava”

Come poteva Deep Blue selezionare le proprie strategie?

Il computer utilizzava un algoritmo che considerava la posizione sulla scacchiera come input e restituiva un valore che misurava il vantaggio o lo svantaggio rispetto all’avversario.

Questa caratteristica è stata sviluppata dagli ingegneri di IBM in collaborazione con giocatori professionisti di scacchi e considera sia i benefici materiali (derivanti dal guadagno di uno o più pezzi) sia i benefici posizionali (derivanti dal posizionamento di un pezzo in una casella strategica).

Considerato questo algoritmo, Deep Blue utilizzava un metodo di tipo forza bruta. Il supercomputer eseguiva il calcolo di questa funzione su tutte le successive posizioni fino a un determinato livello di profondità e selezionava, di conseguenza, la mossa che garantiva il miglior risultato.

La capacità di elaborazione di Deep Blue

Deep Blue aveva la capacità di esaminare 200 milioni di posizioni ogni secondo, il che gli consentiva di esaminare una posizione fino a una profondità di 6/8 mosse successive se c’erano molte pedine sulla scacchiera, o addirittura fino a 20 o più mosse successive se c’erano poche pedine in gioco.

Da quel momento in poi, i programmi di scacchi hanno acquisito una maggiore intelligenza. Piuttosto che esaminare tutte le possibili mosse, si concentrano solo sulle varianti più promettenti. Un po’ come fanno gli esseri umani, che, per prendere una decisione sulla mossa da fare, valutano un numero molto inferiore di posizioni, ma hanno l’esperienza necessaria per scegliere le sequenze più significative.

Nel 2006, il software Deep Fritz ha trionfato contro il campione del mondo Vladimir Kramnik, utilizzando un computer tradizionale che gli consentiva di analizzare “solamente” 8 milioni di posizioni al secondo.

Al momento, nessun individuo umano è in grado di sconfiggere i più potenti programmi in una partita di scacchi.

Il gioco del go è un’antica forma di gioco da tavolo che ha origini nella Cina antica. È un gioco di strategia in cui due giocatori si sfidano a turno posizionando delle pietre su una griglia vuota di 19×19 linee. Lo scopo del gioco è quello di controllare più territorio rispetto all’avversario, muovendosi in modo strategico e cercando di catturare le pietre nemiche. Il go è anche conosciuto per la sua profonda complessità e la sua capacità di stimolare la mente dei giocatori. Oggi è giocato in tutto il mondo ed è considerato uno dei giochi più popolari della storia.

Il go è un gioco da tavolo con regole più semplici rispetto agli scacchi. Si gioca posizionando di turno delle pedine (chiamate pietre) su una scacchiera di dimensioni 19×19. Se un giocatore riesce a circondare tutte le caselle circostanti a un gruppo di pedine avversarie, tale gruppo viene catturato e rimosso dalla scacchiera.

Il vincitore è determinato dalla somma dei punti ottenuti tramite l’eliminazione delle pietre e il numero di caselle occupate dalle proprie pedine.

Malgrado le regole semplici, il gioco risulta essere molto complesso a causa di diversi motivi:

  1. La scacchiera più grande del gioco del go implica che il numero di possibili mosse è molto maggiore rispetto agli scacchi. Di conseguenza, l’albero delle varianti di gioco rende impossibile l’utilizzo di una strategia di ricerca di tipo brute force.
  2. Le prime mosse nelle partite di go sono molto più diverse rispetto a quelle degli scacchi. Per questo motivo, non è possibile creare un database di aperture che possa guidare il programma, come invece avviene per gli scacchi.
  3. Le mosse nel go sono spesso influenzate da principi astratti di equilibrio tra le varie parti della scacchiera. È estremamente difficile tradurre questi principi in un calcolo che determini la validità di una mossa.

La realizzazione di un software in grado di confrontarsi con i migliori giocatori di go è stata vista come un’ardua impresa nell’ambito dell’intelligenza artificiale a causa di questi motivi.

Read more

Lee Sedol contro Alphago

AlphaGo è stato creato da Google Deep Mind e, a differenza di Deep Blue, è stato sviluppato utilizzando il metodo del Machine Learning. Questo approccio consiste nel far "apprendere" al programma come prendere decisioni basandosi su esempi forniti, invece di fornire istruzioni esplicite.

In modo più specifico, AlphaGo è costituito da due reti neurali che sono state addestrate utilizzando numerosi esempi di partite di giocatori umani di alto livello, per un totale di 60 milioni di mosse.

Una delle due reti neurali ha il compito di predire le mosse future più promettenti (rete di policy), mentre l'altra attribuisce un valore a una posizione che rappresenta la probabilità di vittoria di uno dei due giocatori (rete di valore).

Dopo il primo periodo di apprendimento, in cui ha giocato contro giocatori umani, AlphaGo è stato ulteriormente addestrato attraverso partite contro diverse versioni di se stesso.

Il responso del confronto con Lee Sedol, uno dei migliori giocatori di go al mondo, è stato piuttosto eloquente: su un totale di 5 partite, AphaGo ne ha conquistate 4 e ne ha persa una sola.

In questi giorni si è svolta una nuova partita, conosciuta come quella tra AlphaGo e Ke Jie, il quale è considerato il miglior giocatore di go al mondo. AlphaGo ha ancora una volta trionfato con un risultato netto di 3-0.

Dato il modo in cui si è conclusa questa sfida, dobbiamo iniziare a chiederci…


Le macchine stanno iniziando a sviluppare capacità di pensiero?

Dai risultati ottenuti, non vi è alcun dubbio che i programmi abbiano una sorta di capacità di pensare.

Anche se in modo differente dagli umani, gli aerei volano come gli uccelli, quindi possiamo dire che volano. Dovremmo quindi anche dire che i computer pensano?

In questo momento, le macchine non hanno la capacità di eseguire attività artistiche come la composizione di musica o la creazione di testi coerenti. Tuttavia, è solo una questione di raggiungere livelli di complessità più elevati che verranno inevitabilmente raggiunti. Sono abbastanza sicuro che tra qualche anno potremo ascoltare la prima sinfonia completamente composta da un programma.

Al momento, ci dobbiamo accontentare della prima canzone pop composta da un computer che imita lo stile dei Beatles. È importante notare che il programma ha creato solo la melodia, mentre il testo e la registrazione della canzone sono stati realizzati da esseri umani.

Il concetto di "novità" nel campo del pensiero

Ci sono opinioni che affermano come le macchine non siano in grado di produrre qualcosa di veramente nuovo, poiché qualsiasi loro azione sarebbe solo un'imitazione delle attività umane o di ciò che è stato loro insegnato.

Ho alcune riflessioni da opporre a questo discorso.

Prima considerazione. Nella situazione di AlphaGo, il software è inizialmente partito imitando le mosse dei giocatori professionisti, ma in seguito si è perfezionato ulteriormente giocando contro se stesso. Questa azione può essere paragonata a uno studio, con l'obiettivo di trovare strategie più efficaci rispetto a quelle umane.

In una certa misura, il suo modo di giocare è innovativo e, secondo i giocatori professionisti, AlphaGo occasionalmente esegue mosse considerate estremamente inusuali.

La diciannovesima mossa di AlphaGo durante la seconda partita contro Lee Sedol è stata considerata molto innovativa dai giocatori professionisti (la pedina nera con la croce bianca).

Seconda riflessione. Anche la creatività degli esseri umani non è generata dal nulla. Nel modo di essere di una persona creativa si possono riscontrare influenze di altri artisti, elementi legati al luogo in cui è cresciuta, a ciò che ha visto, ascoltato e letto nella sua vita.

L'artista, in fondo, trasforma le proprie esperienze personali in immagini, suoni o parole.

Nulla impedisce di immaginare un processo in cui una rete neurale altamente complessa possa iniziare imitando le opere di uno o più artisti e poi sviluppare un proprio stile personale, magari introducendo elementi casuali durante l'evoluzione o influenzando la rete neurale con esperienze personali connesse a immagini, melodie o testi da cui trarre ispirazione.

Secondo me, la situazione è piuttosto chiara. Le macchine saranno in grado di svolgere qualsiasi attività umana allo stesso livello o addirittura meglio di noi. Questa tendenza diventerà sempre più evidente nei prossimi anni.

Come avrete sicuramente capito, non vedo alcun ragione per negare che i computer siano capaci di pensare. Qual è la vostra opinione?

Attualmente sono principalmente interessato all'opinione degli esseri umani, ma se qualche macchina vuole esprimersi, è ben accetta!

Il supercomputing riparte dagli scacchi

Secondo un professore scozzese, nella mente degli scacchisti si cela la chiave per la costruzione di computer ancora più potenti e capaci degli attuali. Si tratta di macchine che non solo eseguono compiti, ma che sono in grado di apprendere e migliorare nel tempo. Questo professore, Peter Vas, spera che il leggendario Garry Kasparov, ex campione del mondo di scacchi, si unisca al suo ambizioso progetto.

Edimburgo – Gli ingegneri che lavoreranno alla creazione di questi computer avanzati non sono solo esperti di tecnologia, ma anche scacchisti di altissimo livello. Questi individui possiedono una profonda conoscenza di matematica e informatica, competenze essenziali per costruire macchine intelligenti e potenti, capaci di apprendere in modo autonomo e di adattarsi a nuove situazioni.

Peter Vas, professore di intelligenza artificiale all'Università di Aberdeen, in Scozia, ha affermato con convinzione: "I nostri computer – avverte – saranno intelligenti come Einstein". Questa affermazione non è solo una promessa, ma un obiettivo concreto che il professore intende raggiungere attraverso un approccio innovativo e multidisciplinare.

Secondo Vas, la chiave per sviluppare macchine più capaci di apprendere rispetto a quelle attuali risiede nel gioco degli scacchi. La sua idea è quella di raccogliere attorno al suo progetto almeno 40 studenti talentuosi, in grado di superare un rigoroso corso triennale. Questi studenti saranno coinvolti in progetti che mirano a costruire computer così potenti da rivoluzionare il campo dell'intelligenza artificiale.

Per Vas, il legame tra scacchi e computing è così forte che richiede ai candidati di sottoporsi a un "esame da Grande Maestro". Questo non significa necessariamente che i candidati debbano battere un Grande Maestro, la massima categoria di eccellenza nel gioco degli scacchi, ma devono dimostrare le loro potenzialità e capacità strategiche. La selezione rigorosa è fondamentale per garantire che solo i migliori talenti possano contribuire a questo progetto innovativo.

Il professor Vas è così appassionato del suo progetto che spera di coinvolgere

Garry Kasparov come docente nel suo corso.

Kasparov, noto per la sua straordinaria carriera nel mondo degli scacchi,

ha affrontato il supercomputer Deep Blue di IBM in una storica sfida.

Due anni fa, Kasparov ha perso contro Deep Blue, ma l'anno precedente era riuscito a vincere.

Vas crede che anche Kasparov possa essere interessato a sfidare le sue macchine, contribuendo così a un dialogo fruttuoso tra intelligenza umana e artificiale.

Secondo Vas, i computer che svilupperà non solo emuleranno l'intelligenza umana, ma continueranno a imparare e a migliorare nel tempo. Questo aspetto è cruciale, poiché l'apprendimento continuo è una delle caratteristiche distintive dell'intelligenza.

Tuttavia, il professore rassicura che questo non rappresenta un pericolo per gli esseri umani. "Un essere intelligente – ha detto – si fermerà sempre prima che questo porti alla perdita del controllo. Non è possibile che accada alcunché di catastrofico".

La visione di Vas è quella di creare un futuro in cui l'intelligenza artificiale e l'intelligenza umana possano coesistere e collaborare. I computer che svilupperà non saranno solo strumenti, ma partner intelligenti in grado di affrontare sfide complesse e di contribuire a risolvere problemi globali. Questo approccio potrebbe portare a innovazioni significative in vari settori, dall'educazione alla medicina, dalla finanza all'arte.

Inoltre, il professor Vas sottolinea l'importanza di un approccio etico nello sviluppo dell'intelligenza artificiale. È fondamentale che i futuri ingegneri e scienziati comprendano le implicazioni delle loro creazioni e lavorino per garantire che la tecnologia sia utilizzata per il bene comune. La responsabilità sociale deve essere al centro di ogni progetto, e i futuri professionisti devono essere preparati a prendere decisioni informate e consapevoli.

La sfida di costruire computer intelligenti come quelli descritti da Vas non è solo una questione tecnica, ma anche una questione di filosofia e etica. Come possiamo garantire che queste macchine siano utilizzate in modo responsabile? Quali misure possiamo adottare per prevenire abusi e malintesi? Queste sono domande cruciali che devono essere affrontate mentre ci avviciniamo a un futuro in cui l'intelligenza artificiale gioca un ruolo sempre più centrale nella nostra vita quotidiana.

Conclusioni

In conclusione, il progetto di Peter Vas rappresenta un'opportunità unica per esplorare il potenziale degli scacchi come strumento per sviluppare computer intelligenti. La combinazione di abilità scacchistiche e competenze tecniche potrebbe portare a risultati straordinari. Con l'aiuto di studenti talentuosi e la possibile partecipazione di Garry Kasparov, il professor Vas è determinato a dimostrare che il futuro dell'intelligenza artificiale è luminoso e pieno di possibilità.

La strada è lunga, ma con passione e dedizione, il sogno di creare computer capaci di apprendere e collaborare con gli esseri umani potrebbe diventare realtà.