Artificial Intelligence Beats 'Mest Komplekse Spil Afholdt Af Mennesker'

{h1}

Googles deep mind kunstige intelligenssystem har besejret en professionel go-spiller, der løser en af ​​de store udfordringer på området.

Gør plads til robotterne.

Et kunstigt intelligenssystem har besejret en professionel Go-spiller, der knækker en af ​​de mangeårige store udfordringer på banen. Desuden besejrede det nye system, kaldet AlphaGo, den menneskelige spiller ved at lære spillet fra bunden ved hjælp af en fremgangsmåde kendt som "dyb læring", siger forskerne.

Det fantastiske nederlag tyder på, at den nye kunstige intelligens (AI) læringsstrategi kan være et kraftfuldt værktøj på andre arenaer, såsom at analysere reams af klimadata uden tilsyneladende struktur eller komplicerede medicinske diagnoser, siger forskerne.

Forskerne rapporterede om den nye matchup online i dag (27. januar) i tidsskriftet Nature. [Super intelligente maskiner: 7 Robotiske Futures]

Mænd versus maskine

Lige siden IBMs Deep Blue besejrede Gary Kasparov i deres ikoniske skakkamp i 1997, har AI-forskere lavet stille robotter, som kan mestre flere og flere menneskelige tidsfordriv. I 2014 besejrede IBMs Watson Jeopardy! mester Ken Jennings, og i sidste år, en computer ved navn Claudico - der kan "bluffe" gennem Heads-Up No-Limit Texas Hold'em - gav menneskelige pokerspillere en chance for deres penge på et Pittsburgh casino.

Men Go var en meget hårdere nød til at knække. Strategispilet, der stammer fra Kina omkring 2.500 år siden, er afhængig af vildledende simple regler. Spillere placerer hvide og sorte sten på et stort ristbræt for at omslutte det meste område. Sten af ​​en farve, der kan røre ved andre venlige sten, siges at være i live, mens de, hvis flugtveje er afskåret, er døde.

Men bag de enkle regler ligger et spil med utrolig kompleksitet. De bedste spillere bruger livet til at mestre spillet og lærer at genkende sekvenser af bevægelser som "stigen" og udforme strategier for at undgå uendelige kampe for territorium kaldet "ko wars" og udvikle en uhyggelig evne til at se på Go bord og ved i et øjeblik, hvilke stykker der lever, døde eller i limbo.

"Det er nok det mest komplekse spil designet af mennesker," siger co-author Demis Hassabis, computerforsker hos Google DeepMind i London, i går (26. januar) på pressekonferencen. "Det har 10 til magten 170 mulige styrepositioner, hvilket er større end antallet af atomer i universet."

Nøglen til denne kompleksitet er Go's "forgreningsmønster", sagde Hassabis. Hver Go-spiller har mulighed for at vælge fra 200 træk på hver af hans sving i forhold til 20 mulige træk pr. Tur i skak. Derudover er der ingen nem måde at bare se på brættet og kvantificere, hvor godt en spiller gør på et givent tidspunkt. (I modsætning hertil kan folk få en grov ide om, hvem der vinder et skakspil simpelthen ved at tildele pointværdier til hver af de stykker, der stadig er i spil eller indfanget, sagde Hassabis.)

Som et resultat har de bedste AI-systemer, som IBMs Deep Blue, kun formået at besejre amatør menneskelige Go-spillere. [10 teknologier, der vil transformere dit liv]

Deep learning

Tidligere har eksperter lært AI-systemer specifikke sekvenser af bevægelser eller taktiske mønstre. I stedet for denne metode uddannede Hassabis og hans kolleger programmet, kaldet AlphaGo, uden brug af forudbestemte forestillinger.

Programmet anvender en tilgang kaldet dyb læring eller dybe neurale netværk, hvor beregninger forekommer på tværs af flere hierarkisk organiserede lag, og programmet føder input fra et lavere niveau til hvert successivt højere lag.

I grunden så "Alpha" millioner af Go-spil mellem mennesker for at lære spillereglerne og den grundlæggende strategi. Computeren spillede derefter millioner af andre spil mod sig selv for at opfinde nye Go-strategier. På egen hånd blev AlphaGo uddannet fra at mestre grundlæggende sekvenser af lokale bevægelser for at forstå større taktiske mønstre, sagde forskerne.

For at opnå denne opgave er AlphaGo afhængig af to sæt neurale netværk - et værdienetværk, der i det væsentlige ser på bestyrelsespositionerne og beslutter hvem der vinder og hvorfor, og et politisk netværk, der vælger bevægelser. Over tid uddannede de politiske netværk værdienetværkene for at se, hvordan spillet gik videre.

I modsætning til tidligere metoder, der forsøgte at beregne fordelene ved enhver mulig bevægelse via brute kraft, betragter programmet kun de træk, der er mest sandsynlige at vinde, forskerne sagde, hvilket er en tilgang, som gode menneskelige spillere bruger.

"Vores søgning ser fremad ved at spille spillet mange gange i sin fantasi," studerer medforfatter David Silver, en computerforsker hos Google DeepMind, der hjalp med at opbygge AlphaGo, sagde på pressekonferencen. "Dette gør AlphaGo-søgning meget mere humanistisk end tidligere tilgange."

Samlet menneskeligt nederlag

At lære af mennesker synes at være en vindende strategi.

AlphaGo trounced rivaliserende AI-systemer omkring 99,8 procent af tiden og besejrede den regerende European Go-mester, Fan Hui, i en turnering, der vandt alle fem kampe. I modsætning til andre AI-systemer kan programmet køre på en almindelig stationær computer, men for turneringen mod Hui styrede teamet AlphaGo's processorkraft ved hjælp af ca. 1.200 centrale behandlingsenheder (CPU'er), der opdelte computationsarbejdet.

Og AlphaGo er endnu ikke færdig med mennesker. Det har sat sit syn på Lee Sedol, verdens bedste Go-spiller, og et ansigt-off er planlagt om et par måneder.

"Du kan tænke på ham som Roger Federer of the Go-verden," sagde Hassabis.

Mange i Go-verdenen blev bedøvet af nederlaget - og holdt stadig håb om de bare dødelige, som vil møde AlphaGo i marts.

"AlphaGo's styrke er virkelig imponerende! Jeg var overrasket nok, da jeg hørte Fan Hui tabt, men det føles mere rigtigt at se spillets optegnelser," sagde Hajin Lee, generalsekretæren for International Go Confederation, i en redegørelse. "Mit overordnede indtryk var, at AlphaGo virkede stærkere end Fan, men jeg kunne ikke fortælle hvor meget. Jeg tvivler stadig på, at det er stærkt nok til at spille verdens førende fagfolk, men måske bliver det stærkere, når det står over for en stærkere modstander."

Følg Tia Ghose på Twitterog Google+. Følge efter WordsSideKick.com @wordssidekick, Facebook & Google+. Originalartikel på WordsSideKick.com.


Video Supplement: STARCRAFT AI WORKSHOP.




DA.WordsSideKick.com
All Rights Reserved!
Reproduktion Af Materialer Tilladt Kun Prostanovkoy Aktivt Link Til Webstedet DA.WordsSideKick.com

© 2005–2019 DA.WordsSideKick.com