دانشمند علوم رایانه‌ای در بریتانیا نسل جدیدی از هوش مصنوعی مختص شطرنج را ابداع کرده‌است که می‌تواند تنها با ۷۲ ساعت آموزش بر استادان بین‌المللی شطرنج غلبه کند.
براساس گزارش تكنولوژی ریویو، رایانه‌های شطرنج‌باز پدیده‌های جدیدی نیستند و اولین پیروزی هوش مصنوعی بر انسان در رقابت شطرنج در سال 1997 و با شكست گری كاسپاروف در برابر رایانه دیپ‌بلو دانشگاه MIT رقم خورد. اما هوش مصنوعی جدید رویكردی كاملا متفاوت داشته و به جای مطالعه تمامی میلیون‌ها حركت ممكن به صورت همزمان، این سیستم كه زرافه نام گرفته‌است می‌تواند همزمان با بازی و با استفاده از استراتژی شناسایی الگو و استخراج خودكار حركات ممكن فكر كرده و استقلال عمل بیشتری به رایانه ببخشد. این رویكرد شبكه عصبی به مرور زمان تطبیق یافته و مشابه با مغز انسان رفتار می‌كند.
برنامه‌های شطرنج مدرن از "نیروی بروت" برای شكست دادن بازیكنان انسانی استفاده می‌كنند، اما در مقابل آنچه توسط ماتیو لای دانشمند علوم رایانه‌ای كالج لندن ابداع شده به ارزیابی وضعیت كنونی صفحه شطرنج می‌پردازد از این رو سرعت یادگیری افزایش پیدا می‌كند. لای براساس آزمایش‌هایی كه انجام داده می‌گوید هوش مصنوعی‌اش عملكرد نسبتا خوبی دارد.
وی هوش مصنوعی زرافه را موتور شطرنجی می‌نامد كه از بازی خودكار برای دستیابی به تمامی دانش شطرنجی كه در اختیار دارد استفاده می‌كند درحالی كه نسبت به دیگر سیستم‌ها كمترین اطلاعات را به صورت دستی دریافت می‌كند. لای معتقد است این سیستم موفق‌ترین سیستم هوش‌مصنوعی در زمینه فراگیری تماما ماشینی شطرنج به شمار می‌رود.
در رویكرد جدید تعداد حركات ممكن در بازی برای انتخاب بهترین حركت بررسی شده و در نهایت بهترین حركت انتخاب می‌شود،درست همان شیوه‌ای كه انسان‌ها در بازی شطرنج در پیش می‌گیرند،از این رو هوش مصنوعی زرافه شباهت زیادی به عملكرد مغز انسان دارد.
این سیستم در سه مرحله یك حركت را انجام می‌دهد: ابتدا درك می‌كند كه نوبت كیست و حركت‌هایی ممكن كدامند، سپس وضعیت صفحه شطرنج را ارزیابی كرده و موقعیت مهره‌ها را درك می‌كند و در نهایت حركت مهره مورد نظرش را تعیین می‌كند،تعیینی كه بر اساس میلیون‌های حركتی است كه پیش از آن انجام شده‌اند، اما نه توسط انسان‌ها،بلكه توسط خود سیستم، درواقع این سیستم براساس آموخته‌های خود از بازی‌هایی كه تاكنون انجام داده شطرنج بازی می‌كند.
درحال حاضر تنها نقطه‌ضعف زرافه كند بودن آن است اما لای قصد دارد با ایجاد بهبود‌هایی سرعت و هوش سیستمش را افزایش دهد. مطالعات لای می‌تواند به رایانه‌ها كمك كند تا راحت‌تر از همیشه در زمینه‌های مختلف، از راندن خودرو گرفته تا پختن غذا خود را آموزش دهند.