211service.com
Sztuczna inteligencja Google opanuje grę w Go o dekadę wcześniej niż oczekiwano
Firma Google zrobiła genialny i nieoczekiwany krok w kierunku zbudowania sztucznej inteligencji z bardziej ludzką intuicją, opracowując komputer, który jest w stanie pokonać nawet doświadczonych graczy w piekielnie skomplikowanej grze planszowej Go.
Cel Go, gry wynalezionej w Chinach ponad 2500 lat temu, jest dość prosty: gracze muszą naprzemiennie umieszczać czarne i białe kamienie na siatce składającej się z 19 poziomych i 19 pionowych linii, aby otoczyć pionki przeciwnika i uniknąć otoczone własnymi kawałkami. Opanowanie Go wymaga jednak niekończącej się praktyki, a także precyzyjnie dostrojonego talentu rozpoznawania subtelnych wzorów w ułożeniu pionków rozłożonych na planszy.
Zespół Google pokazał, że umiejętności potrzebne do opanowania Go nie są przecież tak wyjątkowo ludzkie. Ich program komputerowy o nazwie AlphaGo pokonał mistrza Europy w go, Fan Hui, pięć partii do zera. A w marcu zmierzy się z jednym z najlepszych graczy na świecie, Lee Sedolem, w turnieju, który odbędzie się w Seulu w Korei Południowej.
Go to najbardziej złożona i najpiękniejsza gra, jaką kiedykolwiek wymyślili ludzie, powiedział na konferencji prasowej Demis Hassabis, szef zespołu Google i sam zagorzały gracz w Go. Dodał, że pokonując Fan Hui, nasz program osiągnął jedno z długotrwałych wielkich wyzwań sztucznej inteligencji.
Hassabis powiedział również, że techniki użyte do stworzenia AlphaGo będą pasować do wysiłków jego zespołu, aby opracować ogólną sztuczną inteligencję. Docelowo chcemy zastosować te techniki do ważnych, rzeczywistych problemów, powiedział. Ponieważ stosowane przez nas metody były ogólnego przeznaczenia, mamy nadzieję, że pewnego dnia można je rozszerzyć, aby pomóc rozwiązać niektóre z najbardziej palących problemów społeczeństwa, od diagnostyki medycznej po modelowanie klimatu (patrz Czy sztuczna inteligencja może rozwiązać największe problemy świata? ).
Hassabis powiedział, że pierwszym sposobem, w jaki technologia może zostać zastosowana w Google, będzie opracowanie lepszych osobistych asystentów oprogramowania. Zasugerował, że taki asystent może poznać preferencje użytkownika na podstawie jego zachowań w sieci i wydawać bardziej intuicyjne rekomendacje dotyczące produktów lub wydarzeń.
Go jest o wiele większym wyzwaniem dla komputerów niż, powiedzmy, szachy z dwóch powodów: liczba potencjalnych ruchów w każdej turze jest znacznie wyższa i nie ma prostego sposobu na zmierzenie przewagi materialnej. Gracz musi zatem nauczyć się rozpoznawać abstrakcyjne wzory w setkach pionów rozmieszczonych na planszy. A nawet eksperci często mają trudności z wyjaśnieniem, dlaczego dana pozycja wydaje się korzystna lub problematyczna.
Zaledwie kilka lat temu większość graczy Go i programistów gier wierzyła, że gra jest tak złożona, że minie kilkadziesiąt lat, zanim komputery osiągną standard człowieka-eksperta.
AlphaGo zostało opracowane przez zespół znany jako Google DeepMind, grupę utworzoną po tym, jak Google przejęło mały brytyjski start-up AI o nazwie DeepMind w 2014 roku. Naukowcy zbudowali AlphaGo przy użyciu niezwykle popularnej i skutecznej metody uczenia maszynowego znanej jako głębokie uczenie w połączeniu z inną techniką symulacyjną do modelowania potencjalnych ruchów. Głębokie uczenie obejmuje trenowanie dużej symulowanej sieci neuronowej w celu reagowania na wzorce w danych. Okazała się bardzo przydatna do przetwarzania obrazu i dźwięku, a wiele dużych firm technologicznych poszukuje nowych sposobów zastosowania tej techniki.
W AlphaGo wykorzystano dwie sieci głębokiego uczenia się: jedna sieć nauczyła się przewidywać następny ruch, a druga nauczyła się przewidywać wynik na podstawie różnych ustawień na tablicy. Obie sieci zostały połączone przy użyciu bardziej konwencjonalnego algorytmu sztucznej inteligencji, aby wybiegać w przyszłość w grze pod kątem możliwych ruchów. Artykuł naukowy napisany przez naukowców z Google, który opisuje pracę pojawia się w dzienniku Natura Dziś .
Gra Go ma ogromną przestrzeń wyszukiwania, która jest nie do wykorzystania w przypadku wyszukiwania metodą brute-force, mówi David Silver, inny badacz Google, który kierował tym przedsięwzięciem. Kluczem do AlphaGo jest zredukowanie tej przestrzeni wyszukiwania do czegoś łatwiejszego w zarządzaniu. Takie podejście sprawia, że AlphaGo jest znacznie bardziej ludzki niż poprzednie.
Kiedy komputer IBM Deep Blue opanował szachy w 1997 roku, używał ręcznie zakodowanych reguł i wyczerpująco przeszukiwał potencjalne ruchy szachowe. Z biegiem czasu AlphaGo zasadniczo nauczył się rozpoznawać potencjalnie korzystne wzorce, a następnie symulował ograniczoną liczbę potencjalnych wyników.
Osiągnięcie Google spotkało się z gratulacjami i pewnym zdziwieniem ze strony innych badaczy z tej dziedziny.
Od strony technicznej ta praca jest ogromnym wkładem w sztuczną inteligencję, mówi Ilya Sutskever, czołowy badacz sztucznej inteligencji i dyrektor nowej organizacji non-profit o nazwie OpenAI (patrz Innovators Under 35: Ilya Sutskever ). Sutskever mówi, że praca była szczególnie ważna, ponieważ AlphaGo zasadniczo nauczyła się wygrywać. Ta sama technika może być wykorzystana do osiągnięcia niezwykle wysokiej wydajności również w wielu innych grach, mówi.
Michał Kręgle , profesor informatyki na University of Alberta w Kanadzie, który niedawno: opracował program zdolny do pokonania każdego w pokerze heads-up limit, był również podekscytowany osiągnięciem. Uważa, że podejście to powinno rzeczywiście okazać się przydatne w wielu obszarach, w których stosuje się uczenie maszynowe. Wiele z tego, co tradycyjnie uważamy za ludzką inteligencję, opiera się na dopasowywaniu wzorców, mówi. A wiele z tego, co uważamy za uczenie się, to widzieć te wzorce w przeszłości i być w stanie uświadomić sobie, w jaki sposób łączą się one z obecną sytuacją.
Jednym z aspektów wyników, na które warto zwrócić uwagę, jest to, że łączy głębokie uczenie się z innymi technikami, mówi Gary Marcus, profesor psychologii na New York University oraz współzałożyciel i dyrektor generalny Inteligencja geometryczna , startup AI, który łączy głębokie uczenie się z innymi metodami (patrz Can This Man Make AI More Human? ).
To nie jest tak zwany system głębokiego uczenia się od końca do końca, mówi Marcus. Jest to starannie skonstruowany, modułowy system z przemyślaną ręczną inżynierią z przodu. Co jest, kiedy się nad tym zastanowić, całkiem równoległe do ludzkiego umysłu: bogaty, modułowy, z odrobiną podkręcania przez ewolucję, a nie tylko zgrają losowo połączonych ze sobą neuronów i dostrojonych całkowicie przez doświadczenie.
Google nie jest też jedyną firmą, która wykorzystuje głębokie uczenie się do opracowania sztucznej inteligencji Go-playing. Facebook powiedział wcześniej, że ma badacza pracującego nad takim systemem, a wczoraj wieczorem obaj Yann LeCun , dyrektor ds. badań AI na Facebooku i CEO Mark Zuckerberg wysłano aktualizacje dotyczące wysiłków. Wysiłek Facebooka jest na wcześniejszym etapie, ale łączy też głębokie uczenie się z inną techniką.
Widzenie mistrza AI Go może również prowadzić do pewnego egzystencjalnego niepokoju. Podczas briefingu prasowego ogłaszającego tę wiadomość Hassabis zmierzył się z pytaniami o długoterminowe zagrożenia związane z rozwijanymi przez Google systemami AI. Powiedział, że firma podejmuje kroki w celu złagodzenia tych zagrożeń, współpracując z naukowcami, organizując konferencje i współpracując z wewnętrzną radą ds. etyki.