Mesterséges elme szánalmas embereket hajtott végre a GO-ban – A gépek lázadása a sarkon van?
Mesterséges elme szánalmas embereket hajtott végre a GO-ban – A gépek lázadása a sarkon van?

Videó: Mesterséges elme szánalmas embereket hajtott végre a GO-ban – A gépek lázadása a sarkon van?

Videó: Mesterséges elme szánalmas embereket hajtott végre a GO-ban – A gépek lázadása a sarkon van?
Videó: The Story of Imperial China: the Qin and the Han 2024, Március
Anonim

Nem is olyan régen a dél-koreai go mester és a világ egyik legnevesebb játékosa, Lee Sedol bejelentette visszavonulását, és drámai kijelentést tett: őrült erőfeszítésekkel minősített. Most van egy entitás, amelyet nem lehet legyőzni."

Lee a DeepMind által fejlesztett AlphaGo számítógépről beszélt, amelyet a Google 650 millió dollárért vásárolt meg öt éve. A koreai még 2016-ban alulmaradt az autóval szemben, azóta viszont csak erősödött a mesterséges intelligencia. Általánosságban elmondható, hogy a számítógép győzelmét egy személy felett a Go-ban igazi áttörésnek tekintik, amely potenciálisan nagymértékű változásokhoz vezethet a világban. A Terminátor már a láthatáron van? Találjuk ki.

A programozók régóta tesztelik a mesterséges intelligencia erejét kihívásokkal teli játékokban az emberek legjobbjaival. Az IBM által fejlesztett Deep Blue számítógép sakkban verte meg Garri Kaszparovot még 1997-ben. Kaszparov a meccs előtt így gondolta: „Ez csak egy autó. Hülyék a gépek."

A vereség után azonban bevallotta: "Éreztem - szagoltam -, hogy egy újfajta elme van az asztalnál."

Kaszparov legyőzésére a Deep Blue nyers számítási teljesítményt használt: minden lépés után a program kiszámította az összes lehetséges forgatókönyvet, és ezen adatok alapján hozott döntést. A Go esetében azonban ez a megközelítés nem működik a feldolgozandó adatmennyiség miatt. Menet közben a játékosok felváltva helyeznek el fekete-fehér köveket a táblára 19:19 arányban. A játék célja a lehető legtöbb terület elfoglalása, miközben elzárják az ellenfél köveit, megakadályozva, hogy előnyt szerezzen. Általánosságban elmondható, hogy a go hasonló a sokak által az iskolából ismerős dots játékhoz, csak nehezebb.

A tábla méretéből adódóan a fekete kövek első lépésére már 361 változat lehetséges (sakkban - csak 20). Ennek megfelelően minden mozdulattal a lehetséges igazodások fája csak nő. Az első két lépés után 400 fejlesztés lehetséges a sakkban, a go-ban pedig 129 960. John Tromp matematikus számításai szerint a lehetséges kombinációk száma 171 jegyű szám lesz.

Ezért a Go játékban az emberektől nem csak intelligenciával és számítási képességgel kell rendelkezniük, hanem erőteljes absztrakt gondolkodással, erős intuícióval is - olyan tulajdonságokkal, amelyeket a számítógépek rosszul fejlesztettek. Az AlphaGo egyik fejlesztője, Demis Hassabis azt mondta: „Ez egy nagyon intuitív játék. A Go mesterek gyakran mondják, hogy azért tettek egy lépést, mert helyesnek tűnt. Elmondása szerint a mesterek sajátos esztétikai érzéket fejlesztenek ki, a jó pozíció pedig csak szépen mutat.

Annak ellenére, hogy a processzorok évről évre erősebbek és gyorsabbak lettek, a lehetőségek fáján való mozgáskeresés lehetővé tette, hogy a mesterséges intelligencia csak az erős amatőr szintjét érje el go-ban. A számítógépek megverték az embereket, de csak néhány kőben jutottak előnyhöz. 2014-ben David Fotland, a go for computers egyik úttörője azt mondta, hogy a programok ugyanazzal a problémával néznek szembe, mint az emberek:

„Sok játékos elér egy bizonyos amatőr csúcsot, és nem tud megerősödni. Ennek a fennsíknak a leküzdéséhez valamiféle mentális ugrásra van szükség, és a programoknak is ugyanezek a problémái. Az egész táblát kell nézni, nem csak a helyi csatákat. Ennek az intellektuális akadálynak a leküzdésére, valamint a szakemberek intuíciójának és esztétikai érzékének szimulálására az AlphaGo fejlesztői neurális hálózatokat és mély tanulási algoritmusokat kapcsoltak össze.

Először is, az AlphaGo neurális hálózatait egy emberi játékok adatbázisával táplálták, amely körülbelül 30 millió lépést tartalmazott. Ezt követően az esetek 57%-ában megtanulta helyesen megjósolni egy személy lefolyását, bár a korábbi AI-rekord 44% volt. Aztán a fejlesztők megtanították az AlphaGo-t, hogy játsszon önmaga ellen – így a számítógép még jobban megtanulta kiemelni a legjövedelmezőbb mozdulatokat és új stratégiákat kidolgozni.

Mindez segített racionalizálni azokat a folyamatokat, amelyeken a Kaszparovot legyőző Deep Blue dolgozott. A rendszer most már nem csak az összes lehetséges kombinációt lejátssza, hanem azt is tudja, hogyan kell az események legígéretesebb forgatókönyveire összpontosítani. Ráadásul olyan helyzetekben is eligazodik, amilyenekkel még soha nem találkozott. És ilyenek a Go léptéke miatt megmaradtak. Az új mechanizmusnak köszönhetően az AlphaGo legyőzte az összes korábban létrehozott számítógépes lejátszót (miközben négy kőből álló előnyt adott nekik), és elkezdte legyőzni a profi embereket.

2015 októberében az AlphaGo legyőzte a kétszeres Európa-bajnok francia Fan Huit. Öt meccset játszottak, senki sem kapott előnyt, és a számítógép mind az ötöt megnyerte. Ez volt az első alkalom, hogy hivatásos embert győzött le egy gép. Hui a meccs után elmondta, hogy rengeteget tanult, és ez a tudás segítette hozzá, hogy feljusson a nemzetközi ranglistán.

Ajánlott: