211service.com
Zamiast ćwiczyć, ta sztuczna inteligencja opanowała szachy, czytając o nich
Szachownica. Unsplash
Fani szachów nie kochają nic bardziej niż dyskutowanie o mistrzowskim poświęceniu przez Bobby Fischer lub pomysłowa linia ataku od aktualnego mistrza świata Magnus Carlsen . Okazuje się, że ta paplanina może pomóc programom AI nauczyć się grać w grę w nowy sposób. Pewnego dnia ta sama technika może pozwolić maszynom na wykorzystanie emocjonalnej zawartości naszego języka do opanowania różnych praktycznych zadań.
Algorytm szachowy, zwany PoczujMATE , został opracowany przez naukowców Nicholasa McCarthy, Isaaca Kamlisha i Isaaca Bentatę Chocrona z University College London. Ocenia jakość posunięć szachowych, analizując reakcje komentatorów ekspertów.
Zespół przeanalizował tekst 2700 komentarzy do partii szachów dostępnych w Internecie. Wycięli komentarze, które nie odnosiły się do ruchów wysokiej jakości i przykłady, które były zbyt niejednoznaczne. Następnie wykorzystali specjalny rodzaj rekurencyjnej sieci neuronowej i osadzania słów (technika matematyczna, która łączy słowa na podstawie ich znaczeń), trenując na innym, najnowocześniejszym modelu do analizy języka.
Sztuczna inteligencja poczyniła ostatnio znaczne postępy w analizowaniu języka. Na przykład algorytm opracowany przez badaczy z OpenAI, firmy badawczej z San Francisco, okazał się zdolny do generowania całych wiadomości na podstawie kilku słów.
Kolejnym krokiem w rozwoju przetwarzania języka naturalnego jest przekształcenie zdobytych informacji w konkretne działania, które pomogą w rozwiązywaniu rzeczywistych zadań, poinformowali naukowcy w e-mailu przesłanym do MIT Technology Review. Uznaliśmy, że strategia uczenia się na podstawie danych tekstowych może być bardzo ważną ścieżką badawczą do zbadania.
SentiMATE zaskoczył badaczy umiejętnością wypracowania niektórych podstawowych zasad gry w szachy, a także kilkoma kluczowymi strategiami, takimi jak rozwidlenie (gdy dwie lub więcej bierek są jednocześnie zagrożone) i roszada (kiedy król i zamek przesuwają się do bardziej pozycja obronna z tyłu planszy).
Nie był to arcymistrz AI: konsekwentnie nie pokonał niektórych konwencjonalnych botów szachowych. Jednak program demonstruje obietnicę użycia języka, aby dowiedzieć się, jak dobrze grać w grę, z mniejszą ilością danych ćwiczeniowych i mniejszą mocą komputera niż wymagają konwencjonalne podejścia.
Szachy od dawna są wyznacznikiem postępu w inteligencji maszyn, od programu Alana Turinga z 1951 r. dotyczącego gry (zapisanego na papierze) po porażkę Garry'ego Kasparowa z rąk IBM Deep Blue.
Niedawno, spółka zależna Alphabet, DeepMind, zademonstrowała szachową odmianę AlphaGo, programu zdolnego nauczyć się grać w starożytną chińską grę planszową Go. Ten program, znany jako AlfaZero , otrzymał zasady gry, a następnie doskonalił swoje umiejętności, grając przeciwko innym wersjom samego siebie. Ponieważ sam się nauczył, AlphaZero opracował kilka niezwykłych i zaskakujących strategii. Ale podobnie jak Deep Blue, AlphaZero potrzebowało tysięcy wyspecjalizowanych chipów Tensor Processing Unit (TPU) Google, a także danych z milionów gier treningowych.
Naukowcy twierdzą, że techniki uczenia się wykorzystywane przez SentiMATE mogą mieć wiele innych praktycznych zastosowań poza szachami. Na przykład mogą pomóc maszynom analizować sport, przewidywać działalność finansową i formułować lepsze rekomendacje. Zespół podkreśla, że istnieje mnóstwo książek, blogów i artykułów, z których można się czegoś nauczyć.