ทำความเข้าใจการใช้เอนจิ้นหมากรุก: คู่มือฉบับสมบูรณ์

เอนจิ้นหมากรุกได้ปฏิวัติวิธีที่เราเข้าใจและเล่นหมากรุก จากจุดเริ่มต้นที่ต่ำต้อยในฐานะโปรแกรมพื้นฐาน พวกมันได้พัฒนาไปสู่เครื่องมือวิเคราะห์ที่ทรงพลังอย่างไม่น่าเชื่อซึ่งสามารถท้าทายแม้แต่แกรนด์มาสเตอร์ที่แข็งแกร่งที่สุดได้ คู่มือนี้จะให้ภาพรวมที่ครอบคลุมเกี่ยวกับการใช้เอนจิ้นหมากรุก ครอบคลุมถึงประวัติศาสตร์ การทำงาน ข้อพิจารณาด้านจริยธรรม และการใช้งานจริง

1. ประวัติโดยย่อของเอนจิ้นหมากรุก

แนวคิดเกี่ยวกับเครื่องจักรเล่นหมากรุกมีมานานหลายศตวรรษ โดยมี "Mechanical Turk" ของโวล์ฟกัง ฟอน เคมเพเลน ในช่วงปลายศตวรรษที่ 18 เป็นตัวอย่างที่มีชื่อเสียง (แม้ว่าจะเป็นการหลอกลวง) อย่างไรก็ตาม รุ่งอรุณที่แท้จริงของเอนจิ้นหมากรุกมาพร้อมกับการถือกำเนิดของคอมพิวเตอร์ดิจิทัลในช่วงกลางศตวรรษที่ 20

• โปรแกรมยุคแรก (ค.ศ. 1950-1970): โปรแกรมหมากรุกชุดแรก เช่น MANIAC ที่ห้องปฏิบัติการแห่งชาติลอสอลามอส และโปรแกรมที่พัฒนาโดยอลัน ทัวริง เป็นโปรแกรมพื้นฐาน แต่ได้แสดงให้เห็นถึงความเป็นไปได้ของหมากรุกคอมพิวเตอร์
• การกำเนิดของเอนจิ้นโดยเฉพาะ (ค.ศ. 1980-1990): โปรแกรมอย่าง Belle และ Deep Thought เริ่มมีการเล่นในระดับมาสเตอร์ ชัยชนะของ Deep Blue เหนือ Garry Kasparov ในปี 1997 ถือเป็นช่วงเวลาที่สำคัญ ซึ่งแสดงให้เห็นถึงศักยภาพมหาศาลของหมากรุกคอมพิวเตอร์
• ยุคสมัยใหม่ (ค.ศ. 2000-ปัจจุบัน): เอนจิ้นอย่าง Fritz, Rybka, Stockfish และ Komodo เข้ามาครองวงการ โดยผลักดันขอบเขตความเข้าใจในหมากรุกอย่างต่อเนื่อง การมาถึงของเอนจิ้นที่ใช้โครงข่ายประสาทเทียม เช่น Leela Chess Zero (LCZero) ได้นำกระบวนทัศน์ใหม่มาสู่การวิเคราะห์หมากรุก

2. เอนจิ้นหมากรุกทำงานอย่างไร

เอนจิ้นหมากรุกใช้อัลกอริทึมที่ซับซ้อนเพื่อประเมินตำแหน่งหมากรุกและกำหนดตาเดินที่ดีที่สุด นี่คือภาพรวมอย่างง่ายของกระบวนการ:

2.1. การสร้างตาเดิน

เอนจิ้นจะสร้างรายการตาเดินที่ถูกกฎหมายทั้งหมดในตำแหน่งปัจจุบันก่อน ซึ่งเกี่ยวข้องกับการตรวจสอบกฎการเคลื่อนที่ของตัวหมาก การโปรโมทพอน ความเป็นไปได้ในการเข้าป้อม และการรุกหรือรุกฆาต

2.2. อัลกอริทึมการค้นหา

หัวใจหลักของเอนจิ้นหมากรุกคืออัลกอริทึมการค้นหา ซึ่งจะสำรวจแผนภูมิตาเดินที่เป็นไปได้และตาโต้กลับ อัลกอริทึมที่พบบ่อยที่สุดคือ Minimax algorithm พร้อมด้วย alpha-beta pruning เทคนิคนี้ช่วยกำจัดกิ่งก้านของแผนภูมิการค้นหาที่ไ่ม่น่าจะนำไปสู่ผลลัพธ์ที่ดีที่สุดได้อย่างมีประสิทธิภาพ

เอนจิ้นสมัยใหม่มักใช้เทคนิคขั้นสูงกว่า เช่น:

• Iterative Deepening: เริ่มต้นด้วยความลึกของการค้นหาที่ตื้นและค่อยๆ เพิ่มขึ้นเพื่อค้นหาตาเดินที่ดีที่สุดภายในเวลาที่กำหนด
• Quiescence Search: ขยายการค้นหาในตำแหน่งที่ไม่เสถียร (เช่น ตำแหน่งที่มีการกินหรือการรุก) เพื่อหลีกเลี่ยงการมองข้ามความซับซ้อนทางแทคติก
• Null-Move Pruning: ทำ "ตาเดินว่าง" (ส่งตาให้คู่ต่อสู้) และลดความลึกของการค้นหาเพื่อระบุตำแหน่งที่ไม่น่าจะมีแนวโน้มที่ดีได้อย่างรวดเร็ว

2.3. ฟังก์ชันการประเมินค่า

ฟังก์ชันการประเมินค่าจะกำหนดคะแนนตัวเลขให้กับแต่ละตำแหน่ง ซึ่งสะท้อนถึงความแข็งแกร่งที่รับรู้ได้ คะแนนนี้ขึ้นอยู่กับปัจจัยหลายอย่าง ได้แก่:

• ความสมดุลของตัวหมาก: มูลค่าสัมพัทธ์ของตัวหมากบนกระดาน (เช่น ควีน = 9, เรือ = 5, บิชอป/ม้า = 3, พอน = 1)
• การทำงานของตัวหมาก: ตัวหมากมีส่วนร่วมในเกมอย่างแข็งขันเพียงใด
• โครงสร้างพอน: จุดแข็งและจุดอ่อนของรูปแบบพอน
• ความปลอดภัยของคิง: คิงมีความเสี่ยงต่อการถูกโจมตีมากน้อยเพียงใด
• การควบคุมพื้นที่กลางกระดาน: ขอบเขตที่ผู้เล่นควบคุมช่องกลางกระดาน

เอนจิ้นแบบดั้งเดิม เช่น Stockfish อาศัยฟังก์ชันการประเมินค่าที่สร้างขึ้นด้วยมือพร้อมพารามิเตอร์หลายพันตัว เอนจิ้นโครงข่ายประสาทเทียม เช่น Leela Chess Zero เรียนรู้พารามิเตอร์เหล่านี้ผ่านการเล่นกับตัวเอง ส่งผลให้มีความเข้าใจเกมที่ละเอียดอ่อนยิ่งขึ้น

2.4. โครงข่ายประสาทเทียม (LCZero และอนาคต)

Leela Chess Zero (LCZero) และผู้สืบทอดของมันเป็นตัวแทนของการเปลี่ยนแปลงกระบวนทัศน์ในการออกแบบเอนจิ้นหมากรุก เอนจิ้นเหล่านี้ได้รับการฝึกฝนโดยใช้เทคนิคการเรียนรู้เชิงลึก โดยเฉพาะการเรียนรู้แบบเสริมกำลัง พวกมันเรียนรู้โดยการเล่นเกมกับตัวเองหลายล้านเกม ค่อยๆ ปรับปรุงความสามารถในการประเมินตำแหน่งและทำการเดินที่เหมาะสมที่สุด แนวทางนี้ช่วยให้พวกมันค้นพบกลยุทธ์ใหม่ๆ และแนวคิดเชิงตำแหน่งที่ผู้เล่นมนุษย์และเอนจิ้นแบบดั้งเดิมไม่เคยรู้จักมาก่อน

3. เอนจิ้นหมากรุกยอดนิยม

มีเอนจิ้นหมากรุกหลายตัวที่ผู้เล่นทุกระดับนิยมใช้ นี่คือตัวเลือกที่ได้รับความนิยมมากที่สุด:

• Stockfish: เอนจิ้นโอเพนซอร์สที่ได้รับการจัดอันดับให้เป็นหนึ่งในเอนจิ้นที่แข็งแกร่งที่สุดในโลกอย่างสม่ำเสมอ เป็นที่รู้จักในด้านความเร็ว ความแม่นยำ และตำราโอเพนนิ่งที่กว้างขวาง ใช้งานได้ฟรีและมีชุมชนขนาดใหญ่
• Komodo: เอนจิ้นเชิงพาณิชย์ที่เน้นความเข้าใจเชิงตำแหน่งและการเล่นเอนด์เกมอย่างมาก มักเป็นที่ชื่นชอบของแกรนด์มาสเตอร์เนื่องจากสไตล์การเล่นที่คล้ายมนุษย์
• Leela Chess Zero (LCZero): เอนจิ้นโครงข่ายประสาทเทียมโอเพนซอร์สที่เรียนรู้ผ่านการเล่นกับตัวเอง เป็นที่รู้จักในด้านการเดินที่สร้างสรรค์และไม่เป็นไปตามแบบแผน
• AlphaZero: พัฒนาโดย DeepMind AlphaZero ได้แสดงให้เห็นถึงพลังของการเรียนรู้แบบเสริมกำลังในหมากรุก แม้จะไม่มีให้ใช้งานสาธารณะ แต่งานวิจัยของมันได้ส่งอิทธิพลอย่างมากต่อการพัฒนาเอนจิ้นอื่นๆ เช่น LCZero

4. การใช้เอนจิ้นหมากรุกเพื่อการฝึกซ้อมและวิเคราะห์

เอนจิ้นหมากรุกเป็นเครื่องมืออันทรงพลังในการพัฒนาทักษะหมากรุกของคุณ นี่คือวิธีปฏิบัติบางประการในการใช้งานอย่างมีประสิทธิภาพ:

4.1. การวิเคราะห์เกมของตนเอง

หนึ่งในการใช้งานที่มีค่าที่สุดของเอนจิ้นหมากรุกคือการวิเคราะห์เกมของคุณเอง หลังจากเล่นเกมแล้ว ให้ป้อนตาเดินลงในเอนจิ้นหมากรุกและปล่อยให้มันวิเคราะห์ตำแหน่งในแต่ละตาเดิน เอนจิ้นจะระบุข้อผิดพลาดของคุณ แนะนำตาเดินที่ดีกว่า และให้ข้อมูลเชิงลึกเกี่ยวกับความซับซ้อนเชิงกลยุทธ์และแทคติกของเกม

ตัวอย่าง: คุณเล่นเกมและพลาดเสียตัวหมากในช่วงมิดเดิลเกม เอนจิ้นสามารถแสดงให้คุณเห็นตาเดินที่แน่นอนที่เกิดความผิดพลาดขึ้นและแนะนำตาเดินทางเลือกที่จะรักษาตำแหน่งที่ดีกว่าไว้ได้

4.2. การเตรียมโอเพนนิ่ง

เอนจิ้นหมากรุกมีค่าอย่างยิ่งสำหรับการเตรียมรูปแบบโอเพนนิ่งของคุณ คุณสามารถใช้มันเพื่อวิเคราะห์รูปแบบโอเพนนิ่งต่างๆ ระบุจุดอ่อนในรูปแบบของคู่ต่อสู้ และค้นพบแนวคิดใหม่ๆ

ตัวอย่าง: คุณกำลังเตรียมที่จะเล่นกับคู่ต่อสู้ที่เล่น Sicilian Defense บ่อยครั้ง คุณสามารถใช้เอนจิ้นหมากรุกเพื่อวิเคราะห์รูปแบบ Sicilian ต่างๆ และระบุสายที่คุณมีความได้เปรียบทางทฤษฎี

4.3. การศึกษาเอนด์เกม

เอนจิ้นหมากรุกแข็งแกร่งเป็นพิเศษในช่วงเอนด์เกม คุณสามารถใช้มันเพื่อศึกษาตำแหน่งเอนด์เกม ทำความเข้าใจหลักการสำคัญ และปรับปรุงเทคนิคเอนด์เกมของคุณ

ตัวอย่าง: คุณกำลังศึกษาเอนด์เกมเรือกับพอน เอนจิ้นสามารถแสดงตาเดินที่เหมาะสมที่สุดสำหรับทั้งสองฝ่ายและช่วยให้คุณเข้าใจกลยุทธ์การชนะหรือเสมอได้

4.4. การฝึกแทคติก

เอนจิ้นหมากรุกสามารถใช้สร้างปริศนาและแบบฝึกหัดทางแทคติกได้ คุณสามารถป้อนตำแหน่งลงในเอนจิ้นและขอให้มันค้นหาทางออกทางแทคติกที่ดีที่สุด สิ่งนี้สามารถช่วยให้คุณพัฒนาทักษะการจดจำรูปแบบและความสามารถในการคำนวณสายการเดินได้

ตัวอย่าง: คุณกำลังฝึกฝนทักษะทางแทคติกของคุณ คุณสามารถใช้เอนจิ้นหมากรุกเพื่อสร้างตำแหน่งที่มีลำดับการรุกฆาตบังคับและฝึกฝนการค้นหาตาเดินที่ถูกต้อง

4.5. การสำรวจแนวคิดใหม่ๆ

เอนจิ้นหมากรุกสามารถใช้เพื่อสำรวจแนวคิดใหม่ๆ และค้นพบกลยุทธ์ที่แปลกใหม่ได้ คุณสามารถทดลองกับตาเดินต่างๆ และดูว่าเอนจิ้นประเมินตำแหน่งที่เกิดขึ้นอย่างไร สิ่งนี้สามารถช่วยให้คุณขยายความเข้าใจในเกมและพัฒนาความคิดสร้างสรรค์ของคุณได้

ตัวอย่าง: คุณสงสัยเกี่ยวกับนวัตกรรมโอเพนนิ่งบางอย่าง คุณสามารถใช้เอนจิ้นหมากรุกเพื่อวิเคราะห์ตำแหน่งหลังจากความแปลกใหม่นั้น และดูว่ามันนำไปสู่ตำแหน่งที่มีแนวโน้มดีหรือไม่

5. ข้อควรพิจารณาด้านจริยธรรม

การใช้เอนจิ้นหมากรุกทำให้เกิดข้อพิจารณาด้านจริยธรรมหลายประการ โดยเฉพาะอย่างยิ่งในหมากรุกที่มีการแข่งขัน

5.1. การโกง

การใช้เอนจิ้นหมากรุกระหว่างเกมถือเป็นการโกงและเป็นสิ่งต้องห้ามอย่างเด็ดขาดในทัวร์นาเมนต์ส่วนใหญ่ มาตรการป้องกันการโกงที่ซับซ้อนมักถูกนำมาใช้เพื่อตรวจจับการใช้เอนจิ้น ได้แก่:

• การเปรียบเทียบตาเดิน: การเปรียบเทียบตาเดินของผู้เล่นกับตาเดินที่เอนจิ้นหมากรุกแนะนำ
• การวิเคราะห์ทางสถิติ: การวิเคราะห์ความแม่นยำและความสม่ำเสมอในการเดินของผู้เล่น
• การตรวจจับอุปกรณ์อิเล็กทรอนิกส์: การใช้เครื่องตรวจจับโลหะและอุปกรณ์อื่นๆ เพื่อตรวจจับการมีอยู่ของอุปกรณ์อิเล็กทรอนิกส์

5.2. หมากรุกออนไลน์

การโกงยังเป็นปัญหาในหมากรุกออนไลน์ แพลตฟอร์มหมากรุกออนไลน์หลายแห่งใช้อัลกอริทึมป้องกันการโกงเพื่อตรวจจับและแบนผู้เล่นที่ต้องสงสัยว่าใช้เอนจิ้น

5.3. การใช้งานอย่างเหมาะสมในการฝึกซ้อม

แม้ว่าการใช้เอนจิ้นเพื่อการฝึกซ้อมเป็นที่ยอมรับโดยทั่วไป แต่สิ่งสำคัญคือต้องใช้อย่างมีความรับผิดชอบ การพึ่งพาเอนจิ้นมากเกินไปอาจขัดขวางการพัฒนาของคุณโดยทำให้คุณไม่สามารถพัฒนาทักษะการวิเคราะห์และสัญชาตญาณของตนเองได้ พยายามทำความเข้าใจ "เหตุผล" ที่อยู่เบื้องหลังคำแนะนำของเอนจิ้น ไม่ใช่แค่ยอมรับมันอย่างสุ่มสี่สุ่มห้า

6. การเลือกเอนจิ้นหมากรุกและอินเทอร์เฟซที่เหมาะสม

มีเอนจิ้นหมากรุกและส่วนติดต่อผู้ใช้แบบกราฟิก (GUIs) ให้เลือกมากมาย การเลือกส่วนผสมที่เหมาะสมขึ้นอยู่กับความต้องการและความชอบของคุณ

6.1. เอนจิ้นหมากรุก

ดังที่ได้กล่าวไว้ก่อนหน้านี้ Stockfish, Komodo และ LCZero เป็นตัวเลือกยอดนิยม Stockfish เป็นตัวเลือกที่ยอดเยี่ยมสำหรับผู้เริ่มต้นเนื่องจากใช้งานได้ฟรีและมีประสิทธิภาพสูง Komodo เป็นที่ชื่นชอบของบางคนเนื่องจากมีสไตล์ที่คล้ายมนุษย์มากกว่า ในขณะที่ LCZero นำเสนอมุมมองที่เป็นเอกลักษณ์ด้วยแนวทางที่ใช้โครงข่ายประสาทเทียม

6.2. ส่วนติดต่อผู้ใช้แบบกราฟิก (GUIs)

GUI เป็นส่วนต่อประสานที่ใช้งานง่ายสำหรับการโต้ตอบกับเอนจิ้นหมากรุก GUI ที่ได้รับความนิยมบางตัว ได้แก่:

• ChessBase: โปรแกรมฐานข้อมูลที่ครอบคลุมซึ่งมีอินเทอร์เฟซเอนจิ้นที่ทรงพลังด้วย ใช้กันอย่างแพร่หลายโดยนักหมากรุกมืออาชีพ
• Fritz: อีกหนึ่งโปรแกรมเชิงพาณิชย์ยอดนิยมที่มีอินเทอร์เฟซที่ใช้งานง่ายและเอนจิ้นหมากรุกในตัว
• Arena Chess GUI: GUI โอเพนซอร์สฟรีที่รองรับเอนจิ้นหมากรุกและโปรโตคอลหลายตัว
• Scid vs. PC: ฐานข้อมูลหมากรุกและเครื่องมือวิเคราะห์โอเพนซอร์สฟรี

6.3. เครื่องมือวิเคราะห์ออนไลน์

แพลตฟอร์มหมากรุกออนไลน์หลายแห่งมีเครื่องมือวิเคราะห์เอนจิ้นในตัว เครื่องมือเหล่านี้สะดวกสำหรับการวิเคราะห์เกมและตำแหน่งอย่างรวดเร็วโดยไม่ต้องติดตั้งซอฟต์แวร์ใดๆ

• Lichess.org: แพลตฟอร์มหมากรุกโอเพนซอร์สฟรีพร้อมเครื่องมือวิเคราะห์เอนจิ้นที่ทรงพลัง
• Chess.com: แพลตฟอร์มหมากรุกเชิงพาณิชย์ยอดนิยมพร้อมชุดคุณสมบัติการวิเคราะห์ที่ครอบคลุม

7. การเพิ่มประสิทธิภาพของเอนจิ้น

เพื่อให้ได้ประโยชน์สูงสุดจากเอนจิ้นหมากรุกของคุณ สิ่งสำคัญคือต้องปรับปรุงประสิทธิภาพให้เหมาะสมที่สุด

7.1. ข้อควรพิจารณาด้านฮาร์ดแวร์

ประสิทธิภาพของเอนจิ้นหมากรุกขึ้นอยู่กับฮาร์ดแวร์ที่ทำงานอยู่เป็นอย่างมาก โปรเซสเซอร์ที่เร็วขึ้นและหน่วยความจำที่มากขึ้นโดยทั่วไปจะส่งผลให้ประสิทธิภาพดีขึ้น โปรเซสเซอร์แบบหลายคอร์มีประโยชน์อย่างยิ่ง เนื่องจากช่วยให้เอนจิ้นสามารถค้นหาสายการเดินหลายสายพร้อมกันได้

7.2. ขนาดของตารางแฮช (Hash Table)

ตารางแฮชเป็นพื้นที่หน่วยความจำที่เอนจิ้นใช้เพื่อจัดเก็บตำแหน่งที่ประเมินไว้ก่อนหน้านี้ ตารางแฮชที่ใหญ่ขึ้นช่วยให้เอนจิ้นหลีกเลี่ยงการประเมินตำแหน่งที่เคยเห็นแล้วซ้ำ ซึ่งช่วยเพิ่มความเร็วในการค้นหาได้อย่างมาก เอนจิ้นส่วนใหญ่อนุญาตให้คุณกำหนดค่าขนาดตารางแฮชได้

7.3. เธรด (Threads)

จำนวนเธรดจะกำหนดจำนวนคอร์ของโปรเซสเซอร์ที่เอนจิ้นจะใช้ การตั้งค่าจำนวนเธรดให้ตรงกับจำนวนคอร์ในโปรเซสเซอร์ของคุณโดยทั่วไปจะให้ประสิทธิภาพที่ดีที่สุด

7.4. ปัจจัยความดูแคลน (Contempt Factor)

ปัจจัยความดูแคลนมีอิทธิพลต่อพฤติกรรมการเสี่ยงของเอนจิ้น ปัจจัยความดูแคลนที่สูงขึ้นทำให้เอนจิ้นมีแนวโน้มที่จะหลีกเลี่ยงการเสมอและแสวงหาโอกาสในการชนะมากขึ้น แม้ว่าจะต้องเสี่ยงบ้างก็ตาม ปัจจัยความดูแคลนที่ต่ำลงทำให้เอนจิ้นระมัดระวังและอนุรักษ์นิยมมากขึ้น

8. อนาคตของเอนจิ้นหมากรุก

เอนจิ้นหมากรุกมีการพัฒนาอยู่ตลอดเวลา โดยมีการพัฒนาอัลกอริทึมและเทคนิคใหม่ๆ อยู่เสมอ การเกิดขึ้นของเอนจิ้นโครงข่ายประสาทเทียมอย่าง LCZero ได้เปิดโอกาสใหม่ๆ สำหรับความเข้าใจในหมากรุก มีแนวโน้มว่าเอนจิ้นในอนาคตจะยังคงพัฒนาต่อไป ทำให้เส้นแบ่งระหว่างสติปัญญาของมนุษย์และเครื่องจักรเลือนลางลง นอกจากนี้ การวิเคราะห์ด้วย AI ยังมีอิทธิพลต่อทฤษฎีโอเพนนิ่งในระดับแกรนด์มาสเตอร์และถูกรวมเข้ากับการเรียนรู้หมากรุกในชีวิตประจำวัน การผสานรวมคลาวด์คอมพิวติ้งและการวิเคราะห์แบบกระจายยังช่วยขยายขอบเขตของสิ่งที่เป็นไปได้ในการวิเคราะห์หมากรุกและการพัฒนาเอนจิ้นอีกด้วย

9. บทสรุป

เอนจิ้นหมากรุกเป็นเครื่องมือที่ขาดไม่ได้สำหรับผู้เล่นหมากรุกทุกระดับ โดยการทำความเข้าใจวิธีการทำงานและการใช้งานอย่างมีประสิทธิภาพ คุณสามารถพัฒนาเกมของคุณได้อย่างมาก เพิ่มความเข้าใจในหมากรุกของคุณให้ลึกซึ้งยิ่งขึ้น และก้าวนำหน้าในโลกของหมากรุกที่พัฒนาอยู่เสมอ อย่าลืมใช้มันอย่างมีจริยธรรมและมีความรับผิดชอบ โดยมุ่งเน้นไปที่การเรียนรู้และพัฒนาทักษะของคุณแทนที่จะพึ่งพาผลลัพธ์ของเอนจิ้นเพียงอย่างเดียว ไม่ว่าคุณจะเป็นผู้เริ่มต้นที่เรียนรู้พื้นฐานหรือมืออาชีพที่ช่ำชองที่เตรียมตัวสำหรับทัวร์นาเมนต์ เอนจิ้นหมากรุกสามารถเป็นสินทรัพย์อันล้ำค่าในการเดินทางหมากรุกของคุณ จงยอมรับพลังของเทคโนโลยี แต่อย่าลืมองค์ประกอบของมนุษย์ที่ทำให้หมากรุกเป็นเกมที่น่าทึ่งและท้าทาย เมื่อเทคโนโลยีก้าวหน้า การวิเคราะห์และสไตล์การเล่นหมากรุกก็จะก้าวหน้าตามไปด้วย ซึ่งจะกำหนดอนาคตของกีฬาชนิดนี้สำหรับคนรุ่นต่อๆ ไป