27 января Google объявил, что AlphaGo, искусственный интеллект разработанная дочерней компанией DeepMind, победила чемпиона Европы по футболу Фань Хуэя в матче из пяти игр.
Возможно, вы слышали об этой новости, поскольку она делает заголовки во всем мире, но почему люди так заботятся об этом? Что все это значит? Если вы не знакомы с игрой в Го или ее значением для искусственного интеллекта, вы можете чувствовать себя немного растерянным.
Не волнуйтесь, мы вас покроем. Вот все, что вам нужно знать о прорыве и о том, как он влияет на обычных людей, таких как вы и я.
Игра в Го: простая, но сложная
Go — древняя китайская стратегическая игра, в которой два игрока сражаются за захват территории. По очереди, каждый игрок — один белый, другой черный — кладет камни на пересечения сетки 19 х 19. Когда группа камней полностью окружена камнями другого игрока, они «захватываются» и удаляются с игрового поля.
В конце игры каждое пустое место «принадлежит» игроку, окружающему его. Очки каждого игрока основаны на том, сколько территории он владеет (то есть сколько пустого пространства он окружил) плюс количество фигур противника, которые были захвачены во время игры.
Хотя большинство людей, вероятно, считают шахматы королем стратегических игр, на самом деле игра Go более сложна. Согласно Википедии, существует 10 761 возможных игр в Го по сравнению с 10 120 предполагаемыми играми в Шахматы.
Эта сложность, наряду с некоторыми эзотерическими правилами и акцентом на игре по инстинкту, делает игру Go особенно сложной для компьютеров, чтобы учиться и играть на высоком уровне.
Невероятный мир игровых ИИ
По большому счету, создание искусственного интеллекта, который играет в игру, не кажется очень стоящим занятием, особенно когда IBM Watson AI уже работает над улучшением здравоохранения, и эта область нуждается в любой помощи, которую он может получить. Так почему же Google потратил так много часов и долларов на создание игрового AI?
С одной стороны, это помогает исследователям ИИ найти лучший способ научить компьютеры делать что-либо. Если вы можете научить компьютер решать, как находить лучшие ходы в игре «Шашки» или «крестики-нолики», вы можете научить другой компьютер, как рекомендовать фильмы по Netflix , мгновенно переводите речь или предсказывайте землетрясения.
Многие виды использования ИИ, которые мы видели до сих пор, выиграют от улучшенных способностей решения проблем и извлечения паттернов, которые также важны для эффективных игровых ИИ.
Deep Blue, AI чемпиона по шахматам, работал, используя огромное количество вычислительной силы и методов грубой силы, чтобы оценить все возможные последующие шаги — до 200 000 000 позиций в секунду. И хотя эта стратегия была достаточно эффективной, чтобы победить бывшего чемпиона мира по шахматам, это не совсем «человеческий» способ играть в шахматы. Это также требует от программистов «объяснять» правила игры ИИ.
Совсем недавно был разработан процесс, называемый глубоким обучением , который, по сути, проложил путь к обучению компьютеров, и это полностью изменило гонку за искусственный интеллект
Благодаря глубокому обучению компьютер может извлекать полезные шаблоны из данных — вместо того, чтобы программисты сообщали им, какие шаблоны следует искать, — и использовать эти шаблоны для оптимизации своих собственных решений. Если глубокое обучение проходит успешно, ИИ может даже обнаружить шаблоны, которые более эффективны, чем то, что мы можем распознать как людей.
Этот тип обучения был продемонстрирован в прошлом году, когда исследовательская фирма DeepMind, принадлежащая Google, продемонстрировала AI, который научился играть в 49 различных игр после того, как давали только необработанный вклад. (Вы можете видеть, как он учится играть в Breakout выше.)
Процесс такой же, как изучение видеоигры без учебника или объяснения. Вы наблюдаете некоторое время, затем пытаетесь нажимать случайные кнопки, затем начинаете разбираться, разрабатывать стратегии и, в конечном итоге, добиваться успеха.
И превзойти это сделали. В некоторых играх, таких как Video Pinball, DeepMind AI полностью уничтожил людей-противников профессионального уровня. В других играх, включая г-жу Пак-Мэн, дела обстояли значительно хуже, но в целом он показал очень впечатляющие результаты.
AlphaGo: следующий уровень ИИ
AlphaGo, компьютер, который победил Fan Hui at Go, использовал эту стратегию глубокого обучения, чтобы остаться непобежденным в пяти матчах.
Вместо того, чтобы использовать вычисления грубой силы, такие как Deep Blue, AlphaGo определил свой следующий ход, используя то, что он изучил в процессе обучения, чтобы ограничить объем потенциально эффективных ходов, а затем запустил симуляции, чтобы увидеть, какие ходы, скорее всего, приведут к положительным результатам.
Две разные нейронные сети , сеть политик и сеть ценностей, работали вместе, чтобы оценить ходы и выбрать лучший каждый ход.
Из-за сложности Го подход грубой силы по всем возможным ходам просто невозможен, как в Шахматах. Таким образом, AlphaGo опирался на знания, полученные во время этапа обучения, который состоял из наблюдения за 30 миллионами ходов, сделанных человеческими экспертами, умения предсказывать их ходы, придумывать свои собственные стратегии и играть против себя тысячи раз.
Используя обучение с подкреплением, его процессы принятия решений развивались и усиливались до тех пор, пока AlphaGo не стал лучшим ИИ для игры в гоу в мире. В 500 играх против самых продвинутых компьютеров Go он выиграл 499 из них — даже после того, как эти программы получили преимущество в четыре этапа.
И, конечно же, AlphaGo победил Фана Хуэя, действующего чемпиона Европы по Го. Победа была фактически достигнута в октябре 2015 года, но объявление было отложено, чтобы совпасть с выпуском исследовательской работы DeepMind в Nature . В марте AlphaGo возьмет на себя Ли Седола, самого доминирующего игрока в мире за последние десять лет.
Итак, что все это значит?
Почему это делает заголовки во всем мире? На самом деле по нескольким причинам.
Во-первых, многие думали, что это невозможно с современными технологиями. По большинству оценок, ИИ не победил бы игрока мирового уровня в Го, по крайней мере, еще десять лет. Ценные сети AlphaGo могут оценить любую игру в Го, в которую играют в данный момент, и предсказать возможного победителя — проблема, которая, по словам Google, « настолько сложна, что это считалось невозможным».
Во-вторых, тот факт, что было использовано глубокое и независимое обучение, очень важен. Это показывает, что современный искусственный интеллект может собирать данные, извлекать закономерности, учиться прогнозировать такие закономерности и в конечном итоге разрабатывать стратегии решения проблем, которые являются достаточно сложными и эффективными, чтобы побеждать людей мирового уровня.
И хотя победа в Go не изменит мир, тот факт, что компьютер смог выработать стратегию такого уровня, используя собственные алгоритмы обучения, очень впечатляет.
Именно это глубокое изучение заставляет исследователей ИИ по-настоящему взволноваться по поводу AlphaGo Многие считают, что самостоятельное обучение является первым шагом к созданию сильного искусственного интеллекта . Сильный ИИ относится к компьютеру, который может решать интеллектуальные задачи наравне с людьми (что невероятно сложно, во многом из-за сложности и эффективности человеческого мозга). Это тот ИИ, который вы видите во многих научно-фантастических фильмах. .
Именно по этой причине создание ИИ, которые могут вести себя по-человечески, — такая большая проблема. Извлечение шаблонов и разработка стратегий — это то, что мы делаем постоянно, и мы не используем методы грубой силы при принятии решений.
Очень сложно заставить компьютер сделать это без большого руководства, но благодаря AlphaGo мы теперь знаем, что сильный ИИ не просто возможен, но ближе, чем мы думали.
Конечно, ИИ, играющий в Го, все еще далек от общего интеллектуального ИИ. Он делает только одну вещь, которая настолько проста, насколько это возможно с помощью искусственного интеллекта — даже ИИ, играющий на Atari, смог сыграть в 49 различных игр. — но эффективное самостоятельное обучение AlphaGo может стать первым шагом к серьезному изменению парадигмы в искусственном интеллекте.
Что вы думаете?
Нет сомнений в том, что победа AlphaGo над Fan Hui важна, но стоит ли спорить о том, достойна ли она всемирных заголовков.
Как вы думаете, это большое дело? Находимся ли мы на шаг ближе к апокалипсису роботов ? Или вы не впечатлены ИИ, который может просто играть в игру? Поделитесь своими мыслями ниже и давайте поговорим об этом.
Кредиты на изображения: игра go vvoe через Shutterstock, Татьяна Белова через Shutterstock.com , Mciura через Wikimedia Commons , Zerbor через Shutterstock.com