Googlen AI-läpimurto: mitä se tarkoittaa ja miten se vaikuttaa sinuun

Mainos

Google ilmoitti 27. tammikuuta, että AlphaGo, an tekoäly Mikä keinotekoinen älykkyys ei oleAikovatko älykkäät, tuntevat robotit valloittaa maailman? Ei tänään - eikä ehkä koskaan. Lue lisää Tytäryhtiönsä DeepMindin kehittämä, oli voittanut European Go -mestari Fan Huin viidessä ottelussa.

Olet ehkä kuullut tästä uutisesta, koska se saa otsikoita ympäri maailmaa, mutta miksi ihmiset välittävät siitä niin paljon? Mitä se kaikki tarkoittaa? Jos et tunne Go-peliä tai sen merkitystä tekoälylle, saatat tuntea olevansa hieman eksynyt.

Älä huolestu, olemme sinut suojattu. Tässä on kaikki mitä sinun on tiedettävä läpimurtosta ja kuinka se vaikuttaa tavallisiin ihmisiin, kuten sinä ja minä.

Pelin kulku: Yksinkertainen, mutta monimutkainen

Go on muinainen kiinalainen strategiapeli, jossa kaksi pelaajaa taistelevat alueen valloittamiseksi. Käännös vuorotellen, jokainen pelaaja - yksi valkoinen, toinen musta - asettaa kivet 19 x 19 -ristikon leikkauspisteille. Kun toisen pelaajan kivet ympäröivät kokonaan kiviryhmän, heidät vangitaan ja poistetaan pöydältä.

Pelin lopussa jokainen tyhjä paikka on "ympäröivän pelaajan" omistuksessa. Jokaisen pelaajan pistemäärät perustuvat siihen, kuinka paljon aluetta hänellä on (ts. Kuinka paljon tyhjää tilaa hän on ympäröinyt) sekä niiden vastustajan kappaleiden määrää, jotka vangittiin pelin aikana.

Vaikka suurin osa ihmisistä ajattelee shakkia strategiapelien kuninkaana, Go on oikeastaan ​​monimutkaisempi. Wikipedian mukaan niitä on 10⁷⁶¹ mahdolliset Go-pelit verrattuna 10: ään¹²⁰ arvioidut mahdolliset shakkipelit.

Tämä monimutkaisuus, yhdessä joidenkin esoteeristen sääntöjen ja korostamisen kanssa vaiston aikana pelaamisesta, tekee Go: sta erityisen vaikean pelin tietokoneille oppia ja pelata korkealla tasolla.

Uskomaton pelipeleiden AI-maailma

Asioiden suuressa järjestelmässä keinotekoisen älyn suunnittelu, joka pelaa peliä, ei tunnu kovin kannattavalta harjoittamista, etenkin kun IBM: n Watson AI pyrkii jo parantamaan terveydenhuoltoa - alue, joka tarvitsee kaiken mahdollisen avun saada. Joten miksi Google vietti niin monta tuntia ja dollaria luomaan go-playing AI: n?

Yhden tason avulla se auttaa AI-tutkijoita selvittämään parhaan tavan opettaa tietokoneita tekemään asioita. Jos voit opettaa tietokonetta ratkaisemaan parhaiden liikkeiden löytämisen tammipelissä tai Tic-Tac-Toe -peleissä, saat lisätietoja toisen tietokoneen opettamisesta kuinka suosittele elokuvia Netflixissä 4 Koneoppimisen algoritmit, jotka muovaavat elämääsiEt ehkä ymmärrä sitä, mutta koneoppiminen on jo ympärilläsi, ja sillä voi olla yllättävän suuri vaikutus elämääsi. Etkö usko minua? Saatat olla yllättynyt. Lue lisää , käännä puhe heti tai ennusta maanjäristyksiä.

Moniin tähän mennessä näkemiin AI: n käyttötarkoituksiin hyötyisivät parannetut ongelmanratkaisu- ja kuvioiden poimintakyvyt, jotka ovat myös tärkeitä tehokkaiden pelin pelaamiseen tarkoitettujen AI: ien kannalta.

Shakki-mestari AI Deep Blue työskenteli käyttämällä valtavaa määrää laskennallista voimaa ja raa'an voiman tekniikoita kaikkien mahdollisten seuraavien siirtojen arvioimiseksi - jopa 200 000 000 asemaa sekunnissa. Ja vaikka tämä strategia oli riittävän tehokas voittamaan entinen shakkimestari, se ei ole erityisen "inhimillinen" tapa pelata shakkia. Se vaatii myös ohjelmoijia “selittämään” pelisäännöt AI: lle.

Viime aikoina kehitettiin prosessi nimeltään syvä oppiminen, joka käytännössä tasoitti tietä tietokoneille opettaakseen itseään ja joka muutti kokonaan kilpailu tekoälystä Microsoft vs. Google - kuka johtaa tekoälykilpailua?Tekoälyn tutkijat ovat edistyneet konkreettisesti, ja ihmiset alkavat puhua vakavasti AI: stä. Kaksi titaania, jotka johtavat tekoälyn kilpailuun, ovat Google ja Microsoft. Lue lisää .

Syvän oppimisen avulla tietokone voi poimia hyödyllisiä malleja tiedoista - sen sijaan, että ohjelmoijat kertoisi, mitä malleja tietokoneen pitäisi etsiä - ja käyttää näitä malleja optimoidakseen omat päätöksensä. Jos syvä oppiminen onnistuu, AI voi jopa löytää malleja, jotka ovat tehokkaampia kuin mitä voimme tunnistaa ihmisinä.

Tämän tyyppinen oppiminen osoitettiin viime vuonna, kun Googlen omistama AI-tutkimusyritys DeepMind paljasti AI: n, joka opetti pelaamaan 49 erilaista Atari-pelit Atari Arcade - Pelaa retro-videopelejä HTML5: ssä [MUO Gaming]Jokainen videopelien pelaaminen on tänään velkaa valtavan kiitoksen velkaa Atarille ja perustajille ja insinööreille, jotka työskentelivät yrityksessä sen perustamisvuosina. Atari oli vastuussa monista ... Lue lisää sen jälkeen kun heille on annettu vain raakapanos. (Näet sen oppivan pelaamaan Breakoutia yllä.)

Prosessi on sama kuin videopelin oppiminen ilman opastusta tai selitystä. Katsot jonkin aikaa, yrität sitten painaa satunnaisia ​​painikkeita, sitten alkaa selvittää asioita, kehittää strategioita ja lopulta mennä huipulle.

Ja huippua se teki. DeepMind AI tuhoaa ehdottomasti ammattitason ihmisten vastustajia joissakin näistä peleistä, kuten Video Pinball. Se menestyi huomattavasti huonommin muissa peleissä, mukaan lukien Ms Pac-Man, mutta sen ennätys oli kaiken kaikkiaan erittäin vaikuttava.

AlphaGo: AI: n seuraava taso

AlphaGo, tietokone, joka voitti fanin Huin Go: ssa, käytti tätä syvän oppimisen strategiaa mennäkseen voittamatta viidessä ottelussa.

Sen sijaan, että käytettäisi raa'an voiman laskentaa, kuten Deep Blue, AlphaGo päätti seuraavan siirronsa käyttämällä oppimiaan oppia rajoita potentiaalisesti tehokkaiden siirtojen laajuutta, ajamalla sitten simulaatioita nähdäksesi, mitkä liikkeet todennäköisimmin tuottivat positiivisia tuloksiin.

Kaksi erilaista hermoverkot Uusin tietotekniikka, joka sinun täytyy nähdä uskoaksesiTutustu uusimpaan tietotekniikkaan, joka on asetettu muuttamaan elektroniikan ja tietokoneiden maailmaa seuraavien vuosien aikana. Lue lisää , käytäntöverkosto ja arvoverkko työskentelivät yhdessä arvioidakseen liikkeitä ja valitakseen parhaan vaihtoehdon kustakin käänteestä.

Go-toiminnan monimutkaisuuden vuoksi raa'an voiman lähestymistapa kaikkiin mahdollisiin liikkeisiin ei ole vain mahdollista, kuten se on shakissa. Joten AlphaGo käytti koulutusvaiheessa saamiaan tietoja, jotka koostuivat 30 miljoonan liikkeen katsomisesta inhimilliset asiantuntijat, oppivat ennustamaan liikkeensä, keksivät omat strategiaansa ja pelaavat itseään vastaan ​​tuhansia ajat.

Vahvistavan oppimisen avulla sen päätöksentekoprosesseja kehitettiin ja vahvistettiin, kunnes AlphaGosta tuli maailman paras pelaamiseen tarkoitettu AI. 500 pelissä edistyneimpiä Go-tietokoneita vastaan ​​se voitti 499 heistä - jopa antamalla kyseisille ohjelmille nelivaiheisen pääkäynnistyksen.

Ja tietysti AlphaGo voitti nykyisen European Go-mestarin Fan Huin. Voitto saavutettiin tosiasiallisesti lokakuussa 2015, mutta ilmoituksen viivästyminen tapahtui samaan aikaan kuin DeepMindin tutkimuspaperin julkaisu vuonna luonto. AlphaGo ottaa maaliskuussa vastaan ​​Lee Sedolin, joka on viimeisen kymmenen vuoden maailman hallitsevin pelaaja.

Okei, mitä se kaikki tarkoittaa?

Miksi tämä tekee otsikoita ympäri maailmaa? Useista syistä, itse asiassa.

Ensinnäkin monien mielestä tämä oli mahdotonta nykyisen tekniikan avulla. Useimpien arvioiden mukaan AI ei voittaisi maailmanluokan Go-pelaajaa vielä vähintään kymmenen vuotta. AlphaGon arvoverkostot voivat arvioida mitä tahansa parhaillaan pelattavaa Go-peliä ja ennustaa mahdollisen voittajan. Ongelmana Google sanoo olevan "niin vaikea se oli uskotaan olevan mahdotonta. ”

Toiseksi, syvän ja itsenäisen oppimisen käyttö on erittäin tärkeää. Tämä osoittaa, että nykyinen tekoäly voi kerätä tietoja, poimia kuvioita, oppia ennustamaan sellaista malleja, ja lopulta kehittää ongelmanratkaisustrategioita, jotka ovat riittävän monimutkaisia ​​ja tehokkaita voittamaan a maailmanluokan ihminen.

Ja vaikka Go-voittaminen ei aio muuttaa maailmaa, se, että tietokone pystyi keksimään tämän tason strategian omien oppimisalgoritmiensa avulla, on erittäin vaikuttava.

Juuri tämä syvä oppiminen on AI-tutkijoita todella innostunut AlphaGosta. Monet uskovat, että itsenäinen oppiminen on ensimmäinen askel kohti vahva tekoäly. Vahva AI viittaa tietokoneeseen, joka pystyy ratkaisemaan älyllisiä tehtäviä samalla tavalla kuin ihmiset (mikä on uskomattoman vaikeaa, johtuen suurelta osin ihmisen aivojen monimutkaisuudesta ja tehokkuudesta). Tällainen AI näet monia scifi-elokuvia Huomio, Internet! Parhaat tekoälyä käsittelevät elokuvatHollywood on julkaissut vuosien varrella paljon hienoja elokuvia, joissa tutkitaan tekoälyn aiheita, ja tässä on 10 parasta AI-elokuvaa, joita suosittelemme siirtämään taivaan ja maan ... Lue lisää .

Tästä syystä ihmisten kaltaisten käyttäytymismahdollisuuksien luominen on niin iso asia. Kuvioiden purkaminen ja strategioiden kehittäminen on jotain, jota teemme jatkuvasti, emmekä käytä raa'an voiman menetelmiä päätöksenteossa.

On erittäin vaikea saada tietokonetta tekemään se ilman paljon opastusta, mutta AlphaGon ansiosta tiedämme nyt, että vahva AI ei ole vain mahdollista, mutta lähempänä kuin luulimme.

Go-playing AI on tietysti vielä kaukana yleisesti älykkäästä AI: stä. Se tekee vain yhden asian, joka on suunnilleen niin yksinkertainen kuin tekoäly voi saada - jopa Atarin pelaava AI oli pystyy pelaamaan 49 erilaista peliä Tulevaisuuden videopelien AI: t pelaavat sinut vakavastiVideopeli AI ei ole vieläkään niin hienoa - vielä. Viimeaikaisen teknologisen kehityksen myötä tämä saattaa kuitenkin pian muuttua. Lue lisää - mutta AlphaGon tehokas itsenäinen oppiminen voisi olla ensimmäinen askel kohti suurta paradigman muutosta AI: ssä.

Mitä mieltä sinä olet?

Ei ole epäilystäkään siitä, että AlphaGon voitto Fan Huista on tärkeä, mutta siitä, onko se maailmanlaajuisten otsikoiden arvoinen, on vielä keskusteltava.

Luuletko tämän olevan iso juttu? Olemmeko askeleen lähempänä robotin apokalypsi Microsoft, tekoäly ja robotti-apokalypsiMicrosoft antaa riville itsenäisiä robotteja vakavan ilmeen. Onko tämä ihmisille lopun alku tai vain uusi askel eteenpäin turvallisen tekoälyn edistämisessä? Lue lisää ? Vai eikö sinulla ole vaikutusta AI: stä, joka voi vain pelata peliä? Jaa ajatuksesi alla ja puhutaan siitä.

Kuvapisteet: mennä peli lähettäjä vvoe Shutterstockin kautta, Tatjana Belova Shutterstock.com-sivuston kautta, Mciura Wikimedia Commonsin kautta, Zerbor Shutterstock.com-sivuston kautta