AI pobjeđuju 5 puta kada računala pobijede ljude

Umjetna inteligencija granica je računalne znanosti. Znanost je toliko napredovala da nas AI tuče vlastitom igrom - ili bismo trebali reći, igrama. Neki se mogu bojati uspona Skyneta Evo zašto znanstvenici misle da biste se trebali brinuti zbog umjetne inteligencije Evo zašto znanstvenici misle da biste se trebali brinuti zbog umjetne inteligencije Mislite li da je umjetna inteligencija opasna? Da li AI može predstavljati ozbiljan rizik za ljudski rod. Ovo su neki od razloga zbog kojih biste mogli biti zabrinuti. sa svakom AI evolucijom, ali malo smo optimističniji.

AlphaGo je najnoviji AI koji pobijeđuje čovjeka u igrama na ploči, ali dolazi iz dugog pedigrea. Iako je tih pet strojeva započelo kao namjenski programi, neki su pronašli druge živote koji nadilaze njihove originalne pozive.

U ovom ćemo članku svaki put proći kroz svaki briljantni čovjek izgubljen za računalom i ispitati što je svakom od tih računala dalo presudnu prednost.

1. Duboko plava, majstor šaha

IBM-ov Deep Blue i Garry Kasparov imali su jednu od prvih bitnih borbi između čovjeka i stroja. Kasparov je izgubio, naravno, ali oni su imali malo kompliciranu povijest.

Nakon što je Kasparov 1989. godine prvi put pobijedio malog brata Deep Blue-a, Deep Thought, IBM se vratio sa svojim novim i poboljšanim Deep Blue-om 1996. Kasparov je izgubio početnu igru, vezao sekundu, ali je potom dobio tri izravne utakmice za meč.

Tek u drugom revanšu 1997. godine Deep Blue je pobijedio Kasparov, pobijedivši u šest utakmica jednom igrom.

Kasparov je rekao da je vidio inteligenciju u igri Deep Blue-a i optužio IBM da intervenira. “inteligencija” zapravo je bila greška zbog koje je Deep Blue djelovao neuobičajeno. U osnovi, AI je bio prilično primitivan, brutajući se probijajući se kroz moguće poteze i ishode ...

… A ako nije uspjela pronaći optimalan izbor, odabrala je nasumično.

Deep Blue je za svaki svoj potez modelirao sve moguće poteze i Kasparovljeve odgovore. Mogao je modelirati do dvadeset poteza naprijed, ocjenjujući milijune mogućih pozicija u sekundi. Takvo je modeliranje zahtijevalo hardver sposoban za snažnu paralelnu obradu.

Paralelna obrada je razdvajanje zadataka na manje računske zadatke i njihovo izvršavanje istovremeno. Rezultirajući podaci tada se ponovno sastavljaju zajedno za rezultat.

Između dva meča, Deep Blue je dobio značajnu nadogradnju hardvera. Pobjednički hardver bio je sustav s 30 čvorova koji se izvodio na IBM Power PC platformi. Svaki je čvor imao sekundarne procesore posvećene šahovskim uputama 10 kreativnih načina za nadopunjavanje šahovskog treninga 10 kreativnih načina za nadopunjavanje šahovskog treninga Poboljšavanje šaha obično je promišljena praksa u mnogim odvratnim igrama, pa pogledajmo nekoliko načina na koje možete donijeti zabava i kreativnost u vašem šahovskom treningu. .

Sve u kombinaciji Deep Blue je imao 256 procesora paralelno.

Potomci ovog hardvera rade u centrima podataka, ali pravo nasljeđe Deep Blue-a je Watson, prvak Jeopardyja. Na kraju je IBM postavio Deep Blue da radi na financijskom modeliranju, iskopavanju podataka i otkrivanju lijekova, a sve područja koja zahtijevaju velike simulacije.

2. Polaris, prvak u pokeru

Sveučilište u Alberti stvorilo je Polaris, prvi AI koji je pobijedio poker profesionalce na turniru. Istraživači su za svoj AI odabrali varijantu Texas Hold 'Em jer se najmanje oslanja na sreću.

Polaris se dva puta suočio sa igračima pokera. Prvi je 2007. bio protiv dvojice igrača. Ruke su unaprijed podijeljene - Polaris je imao jedan set karata kad je okrenut prema jednom igraču, a obrnuto kada igra drugog igrača (za kontrolu sreće).

Polaris je kasnije preuređen za turnir 2008. protiv šest igrača. Ovo je ujedno i unaprijed dogovoreni set igara. Polaris je dobio ždrijeb u prvoj utakmici, a izgubio je u drugoj, ali je na kraju pobijedio na turniru dolazeći odostraga i pobijedivši u dvije izravne utakmice.

Za razliku od šaha, poker ne može biti brutalan kroz modeliranje jer AI ima ograničenu sliku igre - nema pojma o rukama svojih protivnika.

Kartonske ponude gotovo su beskrajno jedinstvene, što modeliranje čini još manje učinkovitim. Iste kartice mogu biti dobra ili bezvrijedna ruka, samo ovisno o ostalim kartama. Blefiranje predstavlja još jedan problem za AI jer samo klađenje nije dobar pokazatelj snage ruke.

Polaris je kombinacija nekoliko programa, koji se nazivaju agentima. Svaki od ovih programa imao je svoju strategiju, a postojao je još jedan agent koji bi odabrao koji od njih je najbolji za bilo koju ruku.

Strategije koje se koriste za razbijanje igre pokera različite su i zahtijevaju teoriju igara. Osnovna ideja je shvatiti koja bi se najbolja strategija svakog igrača temeljila na svim dostupnim podacima, a Polaris je to postigao pomoću tehnike tzv. bucketing.

Kopanje se koristi za razvrstavanje karata na temelju snage. Omogućilo je Polarisu da smanji broj podataka koji su potrebni za praćenje igre. Potom je koristio vjerojatnost svih ostalih mogućih dostupnih kanti, dobivajući ih iz vidljivih karata.

Polaris je imao jedinstven hardverski postav: skup od 8 računala od kojih svako ima 4 CPU-a i 8 GB RAM-a. Ovi su strojevi vodili simulacije potrebne za izradu kanti i strategija za svako sredstvo.

Od tada, Polaris se razvio u drugom programu zvanom Cefej, postajući toliko napredan da su istraživači sada proglasili Texas Hold 'Em “slabo riješen”.

Igre su “riješen” kada algoritmi mogu odrediti ishod igre iz bilo koje pozicije. Igra je “slabo riješen” kada algoritam ne može objasniti nesavršenu igru. Ovdje možete isprobati sreću protiv Kefeja.

3. Watson, geopardijski genij

AI pobjede do ovog trenutka u povijesti nisu bile ključne igre, zbog čega je Watson-ova pobjeda takav događaj za glavne ljude: Watson je bitku s AI-om donio pravo u američke dnevne sobe.

Jeopardy je voljena igrana emisija poznata po svojim izazovnim trivijalnostima i ima jedinstvenu poteškoću: tragovi su odgovori, a natjecatelji moraju smisliti pitanja. Pravi test za Watsona, koji je preuzeo poznate prvake iz Jeopardija, Brada Ruttera i Kena Jenningsa.

Rutter je bio prvak novca, a Ken Jennings je imao najduži niz pobjeda. Treća strana odabrala je slučajni izbor pitanja iz starijih epizoda kako bi se osiguralo da pitanja nisu napisana u svrhu ili iskorištavanje Watsona.

Watson je pobijedio u tri izravne igre - jedna praksa i dvije televizijske - ali bilo je i neobičnih čudesa na neke od Watsonovih odgovora. Na primjer, odmah nakon što je Jennings pogrešno odgovorio na pitanje, Watson je odgovorio istim pogrešnim odgovorom.

Međutim, ono što je Watsona učinilo jedinstvenom bila je njegova sposobnost korištenja prirodnog jezika. IBM je ovo nazvao Deep QA, za što se zalagao “pitanje odgovaranja”. Ključno postignuće bilo je to što je Watson mogao pretraživati ​​odgovore u kontekstu, a ne samo u ključnoj riječi.

Softver je kombinacija distribuiranih sustava. Hadoop i Apache UIMA zajedno rade na indeksiranju podataka i omogućavanju raznim čvorovima Watsona da rade zajedno.

Kao Deep Blue, Watson je izgrađen na IBM-ovoj platformi Power PC. Watson je bio 90-jezgreni klaster s 16 TB RAM-a. Za igre Jeopardy svi relevantni podaci učitani su i pohranjeni u RAM-u.

Koji relevantni podaci? Pa, Watson je imao pristup cijelom tekstu Wikipedije. Sadržao je niz rječnika, tezaurusa, enciklopedija i drugog referentnog materijala. Watson nije imao pristup internetu tijekom igre, ali svi lokalni podaci iznosili su oko 4 TB.

U novije vrijeme Watson se koristio za analizu i predlaganje mogućnosti liječenja oboljelih od karcinoma. Watson najnovije poduzeće pomaže u stvaranju prilagođenih aplikacija za učenje za djecu. Postoje čak pokušaji osposobljavanja Watsona kako kuhati IBM-ov Watson stvorio moj dan zahvalnosti - Evo što se dogodilo IBM-ov Watson stvorio je moju zahvalnicu - Evo što se dogodilo IBM-ovoj umjetnoj inteligenciji poznatoj kao Watson može učiniti puno pametnih stvari, ali može li stvoriti cjelovitu i jedinstveni obrok za Dan zahvalnosti? Pokušavam. Pogledajte što se događa! !

4. Duboko um, samo-učeno

Googleov Deepmind napokon će vam dati problem zabrinuti jer prebija ljude na klasičnim Atari igrama. Internet Arhiva donosi 900 klasičnih arkadnih igara na vaš preglednik. Evo 7 najboljih internetskih arhiva u vaš preglednik donosi 900 klasičnih arkadnih igara. Evo sedam najboljih arkada vašeg grada možda se zatvorilo sredinom 90-ih, ali to vas ne bi trebalo spriječiti da popravite svoje klasične igre. - dobro, barem određene igre. Čovječanstvo i dalje drži svoju prednost u igrama poput Asteroida i Gravitara.

Deepmind je AI neuronske mreže. Neuronske mreže su AI koja su stvorena da oponašaju način na koji funkcionira ljudski um, što čini i stvaranjem virtualnih “neuroni” pomoću računalne memorije.

Deepmind je mogao analizirati svaki piksel zaslona, ​​odlučiti što je najbolje poduzeti s obzirom na uvjete win, a zatim odgovoriti s unosom kontrolera.

AI je naučio igre koristeći varijantu Q-učenja pod nazivom Deep Learning. Ovo je metoda učenja u kojoj AI zadržava najbolju odluku donesenu u određenoj situaciji, a zatim je ponavlja kada naiđe na istu situaciju.

Varijanta Deepmind-a je, međutim, jedinstvena jer dodaje vanjske izvore memorije.

Ovaj sustav zadržanih podataka omogućio je Deepmind-u da savlada obrasce nekih Atari igara, pa čak i da ga nađe da pronađe optimalnu strategiju Breakout-a sam.

Zašto je Deepmind loše igrao u određenim igrama? Zbog načina na koji je presudio situacije. Ispada da je Deepmind mogao analizirati samo četiri okvira odjednom, što je ograničilo njegovu sposobnost navigacije u labirintima ili brzog reagiranja.

Također, Deepmind je morao naučiti svaku igru ​​ispočetka i nije mogao primijeniti vještine iz jedne igre u drugu.

5. Alpha Go, nevjerojatno

AlphaGo je još jedan DeepMind projekt i izvanredan je jer je uspio pobijediti dva profesionalna Go prvaka Googleov AI proboj: Što znači i kako utječe na Googleov AI proboj: Što znači i kako utječe na vas - Fan Hui i Lee Sedol - pobjedom njegove utakmice 5-0 i 4-1, respektivno.

Prema igračima i komentatorima utakmica, svi su rekli da je AI igrao konzervativno, što nije iznenađujuće jer je programirano da favorizira sigurne poteze koji bi osigurali pobjedu nad rizičnim potezima koji bi osigurali više bodova.

Nekada se mislilo da je Go nedostupan AI, ali Alpha Go je sada prvi AI koji se profesionalno pozvao u igri.

Igra je postavljena na jednostavan način: dva igrača pokušavaju osvojiti ploču pomoću bijelog i crnog kamenja. Ploča je rešetka 19 x 19 s 361 raskrižja, a postavljanje kamenja određuje teritorij svakog igrača. Cilj je završiti s više teritorija od drugog.

U najmanju ruku, broj potencijalnih poteza i stanja igre ogroman je. Da, daleko veći od šaha, ako se pitate.

Alpha Go koristi prethodno spomenuti AI sustav dubokog učenja, što znači da Alpha Go čuva memoriju igara koje se igra i proučava ih kao iskustvo. Zatim ih pretražuje, birajući izbor koji ima najveći broj pozitivnih potencijalnih ishoda.

Alpha Go je potrebno puno računalne snage za pokretanje algoritma koji je težak za računanje. Verzija koja je igrala mečeve radila je na distribuiranom skupu poslužitelja s ukupno 1.920 CPU-a i 280 GPU-a - ogromna količina snage koja je omogućila 64 istodobna pretraživanja tijekom reprodukcije.

Poput Watsona, DeepMind ide na medicinski fakultet. Deepmind je najavio partnerstvo s britanskim NHS-om radi analize zdravstvenih kartona. Projekt Streams pomoći će identificiranju pacijenata koji su u riziku od oštećenja bubrega.

Umjetna inteligencija postaje ozbiljna

Trenutno postoji puno istraživanja o AI.

Google se nada da bi AI mogao pomoći njihovoj pretraživačkoj tvrtki. Projekt zvan Rankbrain želi koristiti AI za poboljšanje učinkovitosti Page Rank. Microsoft i Facebook objavili su chatbotove. Teslina je vodeća linija krvarenja sa automatskim načinom vožnje, a Google je odmah iza svojih automobila.

Možda je teško vidjeti vezu između tih projekata i obučavanja AI-ja za pobjedu u igrama, ali svaki je od tih AI-a oblikovao strojno učenje na neki način.

Kako se polje razvijalo, to je omogućilo AI-ima da rade sa složenijim skupima podataka. Oni gotovo beskonačni broj kretanja u Gou mogu se pretvoriti u gotovo beskonačni broj varijabli na otvorenom putu. Dakle, ove igre su samo početak - faza treninga, ako hoćete.

Doista zanimljive stvari nalaze se odmah iza ugla, i vrlo je moguće da ćemo to moći doživjeti iz prve ruke.

Što vas uzbuđuje u AI? Postoji li igra za koju mislite da AI ne može na kraju pobijediti? Javite nam se u komentarima.

Kreditna slika: David Pacey putem Flickr-a, Debbie Miesel putem IBM-a, CPRG putem Sveučilišta Alberta, Igraj među prijateljima Paf putem Flickr-a, Mr Seb putem Flickr-a, Matt Brown putem Flickr-a, Jiuguang Wang putem Flickr-a