Xadrez contra a mosca
Um circuito de 33 parâmetros, inspirado no cérebro da Drosophila, escolhe lances na sua frente. Ele é fraco. É por isso que vale a pena.
Você pode jogar agora: genesisinnovation.io/mosca. O tabuleiro é normal. O adversário não é.
Do outro lado não há motor de xadrez, nem rede neural grande. Há uma grade de 8×8 casas com quatro "canais", cada um com a geometria de uma peça (rei, torre, bispo, cavalo), que se acalma em quatro passos e pontua cada lance legal. São 33 números treináveis no total. Você vê os quatro canais acenderem, vê a pontuação de cada lance candidato, e vê o lance escolhido. Depois joga o seu.
O que ela é, medida
Este circuito nasceu de um programa de pesquisa que perguntou se a arquitetura de dois circuitos do conectoma da mosca (o corpo pedunculado e o atrator em anel do complexo central) transfere para tarefas de software. A resposta, medida com pré-registro, baselines fortes e revisão adversarial, foi quase sempre não. O paper está em /mosca/paper.
No xadrez, os números que valem:
- Treinada em 800 mil exemplos de puzzles do Lichess para classificar "este lance é o do puzzle?", a grade chega a MCC 0,313. Bate uma regressão logística (0,243).
- Perde para uma regra de zero parâmetros, "o lance é uma captura" (0,394), que ninguém tinha medido nas três primeiras rodadas.
- Perde longe de uma rede densa comum (0,564).
- Jogando de verdade, sem busca, ela é indistinguível de lances aleatórios num torneio de Elo.
Ou seja: você provavelmente ganha. O interesse não está em perder para ela. Está em ver um circuito minúsculo e legível decidindo, e em saber exatamente o quanto ele vale, porque cada número acima tem arquivo e linha de origem no registro da pesquisa.
Por que publicar algo que perde
Porque o resultado negativo bem medido é o que faltava. A literatura tem o FlyHash, o BioHash, o FlyVec: o circuito da mosca como função de hash de similaridade, onde ele funciona. O que não havia era alguém testando, com controles fortes, onde ele não funciona, e registrando o que o protocolo pegou no caminho: vazamento de instância, camada morta, baseline forte sub-treinada, comparador mínimo esquecido. Isso é a contribuição. O jogo é a porta de entrada.
Jogue, e depois leia o paper. Se achar um erro, ele tem endereço.