AI au câștigat 5 ori când computerele bate oameni

Inteligența artificială este frontiera științei informaticii. Știința a avansat destul de mult încât AI ne bate la propriul joc - sau ar trebui să spunem - jocuri. Unii oameni se tem de ascensiunea lui Skynet Iată de ce oamenii de știință cred că ar trebui să vă îngrijorați de inteligența artificială Iată de ce oamenii de știință cred că trebuie să vă îngrijorați de inteligența artificială Credeți că inteligența artificială este periculoasă? AI poate prezenta un risc serios pentru rasa umană. Acestea sunt câteva motive pentru care ați putea fi interesați. Citiți mai multe cu fiecare evoluție AI, dar suntem puțin mai optimiste.

AlphaGo este cel mai recent AI pentru a bate un om într-un joc de bord, dar vine dintr-un lung pedigree. Deși aceste cinci mașini au început ca programe construite în scopuri, unii au găsit vieți secundare care depășesc chemările lor inițiale.

În acest articol, vom trece de fiecare dată când un om strălucitor a pierdut la un calculator și a examina ce a dat fiecăruia dintre acele computere marginea decisivă.

1. Deep Blue, maestrul de șah

IBM Deep Blue și Garry Kasparov au avut una dintre primele lupte înalt între om și mașină. Kasparov a pierdut, bineînțeles, dar au avut o istorie complicată.

După ce Kasparov a bătut mai întâi fratele lui Deep Blue, Deep Thought, în 1989, IBM sa întors cu noul și îmbunătățit Deep Blue în 1996. Kasparov a pierdut un joc de deschidere, a legat o secundă, dar apoi a câștigat trei meciuri consecutive pentru a face meciul.

Nu a fost decât un al doilea rematch în 1997, că Deep Blue la învins pe Kasparov, câștigând un meci de șase meciuri de un joc.

Kasparov a spus că a văzut inteligența în jocul lui Deep Blue și a acuzat IBM că a intervenit. “inteligență” a fost de fapt un bug care ia determinat pe Deep Blue să se comporte din caracter. Practic, AI a fost destul de primitiv, brutal forțându-și drumul prin mișcări și rezultate posibile ...

... și dacă nu a găsit o alegere optimă, a ales la întâmplare.

Pentru fiecare dintre mișcările sale, Deep Blue modela toate mișcările posibile și răspunsurile lui Kasparov. A reușit să modeleze până la douăzeci de mișcări înainte, evaluând milioane de poziții posibile pe secundă. Această modelare necesită hardware capabil de procesare paralelă puternică.

Procesarea paralelă împarte sarcinile în sarcini de calcul mai mici și completează acele sarcini în același timp. Datele rezultate sunt apoi compilate împreună pentru rezultat.

Între cele două meciuri, Deep Blue a primit un upgrade hardware semnificativ. Hardware-ul câștigător a fost un sistem cu 30 de noduri care rulează pe platforma IBM Power PC. Fiecare nod a avut procesoare secundare dedicate instrucțiunilor de șah 10 Moduri creative pentru a vă suprasolicita formarea în șah 10 Moduri creative pentru a vă suprasolicita formarea în șah Să obțineți mai mult la șah este în mod obișnuit o practică deliberată asupra a numeroase jocuri de descurajare, să vedem câteva dintre modalitățile pe care le puteți aduce distracție și creativitate în formarea dvs. de șah. Citeste mai mult .

Toate combinate, Deep Blue avea procesoare de 256 care funcționează în paralel.

Există descendenți ai acestui hardware care lucrează în centre de date, dar adevărata moștenire a lui Deep Blue este Watson, campionul Jeopardy. În cele din urmă, IBM a pus Deep Blue să lucreze la modelarea financiară, exploatarea datelor și descoperirea de droguri, toate domeniile care au nevoie de simulări pe scară largă.

2. Polaris, campionul de poker

Universitatea din Alberta a creat Polaris, primul AI care a învins profesioniștii de poker într-un turneu. Cercetătorii au ales o variantă Texas Hold 'Em pentru AI, deoarece se bazează cel mai puțin pe noroc.

Polaris sa confruntat cu doi jucători de poker. Primul a fost în 2007 împotriva a doi jucători. Mâinile au fost pre-distribuite - Polaris a avut un set de cărți atunci când se confruntă cu un jucător și mâna inversă când juca celălalt jucător (pentru a controla norocul).

Polaris a fost ulterior retehnologizată pentru un turneu din 2008 împotriva a șase jucători. Acesta a fost și un set prestabilit de jocuri. Polaris a obținut o remiză în primul meci și a pierdut al doilea, dar a câștigat în cele din urmă turneul, venind din spate și câștigând două jocuri directe.

Spre deosebire de șah, pokerul nu poate fi forțat brute prin modelare, deoarece AI are o imagine limitată a jocului - nu are nicio idee despre mâinile adversarilor.

Operațiunile cu carduri sunt aproape infinit unice, ceea ce face ca modelarea să fie și mai puțin eficientă. Aceleași cărți pot fi o mână bună sau lipsită de valoare, în funcție de celelalte cărți distribuite. Bluffing prezintă o altă problemă pentru AI, deoarece parierea nu este un bun indicator al puterii mâinii.

Polaris este o combinație de mai multe programe, numite agenți. Fiecare dintre aceste programe avea strategia proprie și exista un alt agent care ar alege care dintre acestea ar fi cea mai bună pentru o anumită mână.

Strategiile folosite pentru a descompune jocul de poker sunt variate și necesită o teorie a jocurilor. Ideea de bază este să dăm seama care ar fi cea mai bună strategie a fiecărui jucător în baza tuturor datelor disponibile, iar Polaris a realizat acest lucru printr-o tehnică numită bucketing.

Bucketingul este folosit pentru a clasifica mâinile cărților pe baza puterii. A permis Polaris să reducă numărul de puncte de date necesare pentru a urmări jocul. Apoi a folosit probabilitatea ca toate celelalte găleți posibile să fie disponibile, obținându-le din cărțile vizibile.

Polaris avea un set unic de hardware: un grup de 8 computere, fiecare având câte 4 CPU-uri și 8 GB de memorie RAM. Aceste mașini au rulat simulările necesare pentru a crea găleți și strategii pentru fiecare agent.

De atunci, Polaris a evoluat într-un alt program numit Cepheus, devenind atât de avansat încât cercetătorii au declarat acum Texas Hold 'Em ca fiind “slab rezolvat”.

Jocurile sunt “rezolvat” când algoritmii pot determina rezultatul unui joc din orice poziție. Un joc este “slab rezolvat” când algoritmul nu poate explica jocul imperfect. Îți poți încerca norocul împotriva lui Cepheus aici.

3. Watson, Geniul Jeopardy

AI victorii până în acest moment din istorie au fost jocuri low-key, motiv pentru care victoria lui Watson este o astfel de piatră de hotar pentru oamenii de masă: Watson a adus bătălia AI chiar în livingurile Americii.

Jeopardy este un spectacol de jocuri iubit cunoscut pentru trivia provocatoare, și are un quark unic: indicii sunt răspunsurile și concurenții trebuie să vină cu întrebările. Un adevărat test pentru Watson, care a câștigat campionii cunoscuți de Jeopardy, Brad Rutter și Ken Jennings.

Rutter a fost campionul mondial de bani, iar Ken Jennings a avut cea mai lungă șansă câștigătoare. O terță parte a ales un sortiment aleatoriu de întrebări din episoadele mai vechi, pentru a se asigura că nu au fost formulate întrebări pentru a ajuta sau a exploata Watson.

Watson a câștigat trei jocuri directe - o practică și două televizate - dar au existat unele ciudățenii ciudate la unele dintre răspunsurile lui Watson. De exemplu, imediat după ce Jennings a răspuns la o întrebare greșită, Watson a răspuns cu același răspuns greșit.

Cu toate acestea, ceea ce a făcut pe Watson unic a fost capacitatea sa de a folosi limbajul natural. IBM a numit această Deep QA, pentru care a stat “întrebarea răspunzătoare”. Principala realizare a fost că Watson ar putea căuta răspunsuri cu contextul, nu doar relevanța cuvintelor cheie.

Software-ul este o combinație de sisteme distribuite. Hadoop și Apache UIMA colaborează pentru a indexa datele și pentru a permite diferitelor noduri ale Watson să colaboreze.

La fel ca Deep Blue, Watson a fost construit pe platforma IBM Power PC. Watson era un grup de 90 de nuclee cu 16 TB de memorie RAM. Pentru jocurile Jeopardy, toate datele relevante au fost încărcate și stocate în memoria RAM.

Ce date relevante? Ei bine, Watson a avut acces la textul integral al Wikipedia. Avea o serie de dicționare, tezaure, enciclopedii și alte materiale de referință. Watson nu avea acces la Internet în timpul jocului, dar toate datele locale erau de aproximativ 4 TB.

Mai recent, Watson a fost folosit pentru a analiza și sugera opțiunile de tratament pentru pacienții cu cancer. Watson's latest venture ajută la crearea de aplicații personalizate de învățare pentru copii. Există chiar încercări de a antrena Watson cum să gătească Watson IBM a creat masa mea de Ziua Recunostintei - Iată ce sa întâmplat Watson a creat masa mea de Ziua Recunostintei - Iată ce sa întâmplat Inteligența artificială a IBM cunoscută sub numele de Watson poate face o mulțime de lucruri inteligente. o masă unică de Ziua Recunostintei? Încerc. Vezi ce se intampla! Citeste mai mult !

4. Deepmind, autodidactul

Deepmind-ul Google ar putea să-i dea în sfârșit pe tocilari ceva de care să vă faceți griji pentru că bate oameni la jocurile clasice Atari Internet Archive aduce 900 de jocuri clasice de arcade către browser-ul dvs. Aici sunt 7 din cele mai bune arhive Internet aduce 900 de jocuri clasice de arcade la browser-ul dvs. Aici sunt 7 dintre cele mai bune arcade ale orașului dvs. s-ar putea să fi închis la mijlocul anilor '90, dar asta nu ar trebui să vă oprească să obțineți jocurile clasice fixe. Citește mai mult - bine, anumite jocuri cel puțin. Umanitatea continuă să fie o margine în jocurile precum Asteroid și Gravitar.

Deepmind este o rețea AI neuronală. Rețelele neuronale sunt AI care sunt create pentru a imita modul în care funcționează mintea umană, pe care o face prin crearea virtuale “neuroni” utilizând memoria calculatorului.

Deepmind a fost capabil să analizeze fiecare pixel al afișajului, să decidă cea mai bună acțiune pe care să o ia în condițiile câștigului, apoi să răspundă cu intrarea controlerului.

AI a învățat jocuri utilizând o variantă a Q-Learning numită Deep Learning. Aceasta este o metodă de învățare în care AI păstrează cea mai bună decizie luată în anumite situații, apoi o repetă când întâmpină aceeași situație.

Varianta Deepmind este însă unică, deoarece, deoarece adaugă surse de memorie externe.

Acest sistem de informații păstrate a permis Deepmind să stăpânească modelele unor jocuri Atari și chiar a condus-o pentru a găsi strategia optimă a Breakout-ului pe cont propriu.

De ce a jucat Deepmind slab în anumite jocuri? Din cauza modului în care a judecat situații. Se pare că Deepmind a putut doar să analizeze patru cadre la un moment dat, ceea ce ia limitat capacitatea de a naviga pe labirinturi sau de a reacționa rapid.

De asemenea, Deepmind a trebuit să învețe fiecare joc de la zero și nu putea să aplice abilități de la un joc la altul.

5. Alpha Go, Incredible

AlphaGo este un alt proiect DeepMind și este remarcabil pentru că a reușit să bată doi campioni profesioniști Go AI Breakthrough: Ce înseamnă și cum te afectează AI Breakthrough: Ce înseamnă și cum te afectează Citește mai mult - Fan Hui și Lee Sedol - prin castigarea meciurilor sale cu 5-0 si respectiv 4-1.

Potrivit jucătorilor și comentatorilor de meci, toți au spus că AI a jucat conservator, ceea ce nu este surprinzător deoarece a fost programat să favorizeze mișcările sigure care ar asigura victoria asupra mișcărilor riscante care ar asigura mai multe puncte.

A fost o dată crezut că nu a fost disponibilă pentru AI, dar Alpha Go este acum primul AI care va fi clasat în mod profesionist în joc.

Jocul are un set simplu: doi jucători încearcă să cucerească bordul folosind pietre albe și negre. Placa este o rețea 19 x 19 cu 361 intersecții, iar plasarea de pietre determină teritoriul fiecărui jucător. Scopul este să se încheie cu mai mult teritoriu decât celălalt.

Numărul de mișcări potențiale și de stări de joc este masiv, să spunem cel mai puțin. Da, mult mai mare decât șahul, dacă te întrebi.

Alpha Go utilizează sistemul AI Deep Learning AI menționat anterior, ceea ce înseamnă că Alpha Go păstrează memoria jocurilor jucate și le studiază ca experiență. Se caută apoi prin ele, selectând alegerea care are cel mai mare număr de rezultate pozitive potențiale.

Alpha Go are nevoie de o mulțime de putere pentru a rula algoritmul său de calcul greu. Versiunea care a jucat meciurile sa desfășurat pe un set distribuit de servere cu un număr total de 1.920 CPU-uri și 280 GPU-uri - o cantitate enormă de putere care permite 64 de fire simultane de căutare în timpul jocului.

Ca și Watson, DeepMind se îndreaptă spre școala medicală. Deepmind a anuntat un parteneriat cu UK NHS pentru a analiza dosarele de sanatate. Proiectul Streams va ajuta la identificarea pacienților cu risc de leziuni renale.

Inteligența artificială devine serioasă

Sunt multe cercetări care intră în AI chiar acum.

Google speră că AI își poate ajuta afacerea de căutare. Un proiect numit Rankbrain încearcă să utilizeze AI pentru a spori eficiența Page Rank. Microsoft și Facebook au lansat ambele chat-uri. Tesla conduce marginea sângerării cu modul său de conducere automată, iar Google este în spatele autovehiculelor.

Ar putea fi greu să vezi legătura dintre aceste proiecte și formarea unui AI pentru a câștiga jocuri, dar fiecare dintre aceste AI a modelat învățarea în mașină într-un fel.

Pe măsură ce domeniul a evoluat, a permis IA să lucreze cu seturi de date mai complexe. Același număr aproape nelimitat de mișcări în Go se poate traduce la numărul aproape infinit de variabile pe drumul deschis. De fapt, aceste jocuri sunt doar începutul - o fază de practică, dacă vreți.

Lucrurile cu adevărat interesante sunt chiar la colț, și este foarte posibil să putem să le experimentăm de prima mana.

Ce te excită de AI? Există un joc despre care credeți că AI nu poate cuceri în cele din urmă? Spuneți-ne în comentariile.

Image Credit: David Pacey prin Flickr, Debbie Miesel prin IBM, CPRG prin Universitatea din Alberta, Joacă printre prieteni Paf prin Flickr, Seb prin Flickr, Matt Brown prin Flickr, Jiuguang Wang prin Flickr

Explorați mai multe despre: Inteligența artificială.