Στις 27 Ιανουαρίου, η Google ανακοίνωσε ότι το AlphaGo, μια τεχνητή νοημοσύνη Ποια τεχνητή νοημοσύνη δεν είναι τι δεν είναι η τεχνητή νοημοσύνη Είναι έξυπνα, αισθανόμενα ρομπότ που αναλαμβάνουν τον κόσμο; Δεν είναι σήμερα - και ίσως όχι ποτέ. Διαβάστε Περισσότερα ανεπτυγμένη από την θυγατρική της DeepMind, είχε νικήσει European Champ πρωταθλητής Fan Hui σε ένα παιχνίδι πέντε παιχνιδιών.
Μπορεί να έχετε ακούσει αυτά τα νέα, καθώς κάνει πρωτοσέλιδα σε όλο τον κόσμο, αλλά γιατί οι άνθρωποι ενδιαφέρονται τόσο πολύ για αυτό; Τι σημαίνουν όλα αυτά; Εάν δεν είστε εξοικειωμένοι με το παιχνίδι Go ή τη σημασία του για την τεχνητή νοημοσύνη, μπορεί να αισθανθείτε λίγο χαμένος.
Μην ανησυχείτε, σας καλύψαμε. Εδώ είναι όλα όσα πρέπει να ξέρετε για την ανακάλυψη και πώς επηρεάζει κανονικούς ανθρώπους όπως εσείς και εγώ.
Το Παιχνίδι της Μετάβασης: Απλό αλλά Σύνθετο
Go είναι ένα αρχαίο κινεζικό παιχνίδι στρατηγικής όπου δύο παίκτες παλεύουν για να συλλάβουν έδαφος. Γυρίστε ανά στροφή, κάθε παίκτης - ένας λευκός, ο άλλος μαύρος - τοποθετεί τις πέτρες στις διασταυρώσεις ενός πλέγματος 19 x 19. Όταν μια ομάδα από πέτρες περιβάλλεται εντελώς από τις πέτρες του άλλου παίκτη, "συλληφθούν" και απομακρύνονται από το τραπέζι.
Στο τέλος του παιχνιδιού, κάθε κενό σημείο "ανήκει" στον παίκτη που το περιβάλλει. Οι βαθμολογίες κάθε παίκτη βασίζονται στο πλήθος των εδαφών που διαθέτει (δηλ. Πόσα κενά έχει περιβάλει) καθώς και στον αριθμό των αντιπάλων που καταγράφηκαν κατά τη διάρκεια του παιχνιδιού.
Ενώ οι περισσότεροι άνθρωποι πιθανώς σκέφτονται το σκάκι ως βασιλιάς των παιχνιδιών στρατηγικής, Go είναι πραγματικά πιο περίπλοκο. Σύμφωνα με τη Wikipedia, υπάρχουν 10 761 πιθανά παιχνίδια του Go σε σύγκριση με 10 120 εκτιμώμενα πιθανά παιχνίδια του Σκάκι.
Αυτή η πολυπλοκότητα, μαζί με ορισμένους εσωτερικούς κανόνες και έμφαση στο παιχνίδι με ένστικτο, κάνει το Go ένα ιδιαίτερα δύσκολο παιχνίδι για τους υπολογιστές να μαθαίνουν και να παίζουν σε υψηλό επίπεδο.
Ο απίστευτος κόσμος των AI που παίζει το παιχνίδι
Στο μεγάλο σχέδιο των πραγμάτων, η σχεδίαση μιας τεχνητής νοημοσύνης που παίζει ένα παιχνίδι δεν φαίνεται να είναι μια πολύ χρήσιμη άσκηση, ειδικά όταν η Watson AI της IBM ήδη εργάζεται για να βοηθήσει στη βελτίωση της υγειονομικής περίθαλψης, μια περιοχή που χρειάζεται όλη τη βοήθεια που μπορεί να πάρει. Γιατί λοιπόν η Google δαπανούσε τόσες ώρες και δολάρια για να δημιουργήσει ένα AI Go-playing;
Σε ένα επίπεδο, βοηθά τους ερευνητές του AI να καταλάβουν τον καλύτερο τρόπο να διδάξουν τους υπολογιστές να κάνουν πράγματα. Εάν μπορείτε να διδάξετε έναν υπολογιστή για να λύσετε πώς μπορείτε να βρείτε τις καλύτερες κινήσεις σε ένα παιχνίδι Checkers ή Tic-Tac-Toe, θα μπορούσατε να αποκτήσετε πληροφορίες σχετικά με τη διδασκαλία ενός διαφορετικού υπολογιστή για το πώς να προτείνετε ταινίες σε Netflix 4 Αλγόριθμοι Μηχανικής Μάθησης που Σχηματίζουν τη Ζωή σας 4 Αλγόριθμοι μηχανικής μάθησης που διαμορφώνουν τη ζωή σας Μπορεί να μην το συνειδητοποιήσετε, αλλά η μηχανική μάθηση είναι ήδη γύρω σας και μπορεί να ασκήσει εκπληκτικό βαθμό επιρροής στη ζωή σας. Μη με πιστέψεις; Μπορεί να εκπλαγείτε. Διαβάστε περισσότερα, μεταφράστε αμέσως την ομιλία ή προβλέψτε τους σεισμούς.
Πολλές από τις χρήσεις για AI που έχουμε δει μέχρι στιγμής θα επωφεληθούν από τις βελτιωμένες δυνατότητες επίλυσης προβλημάτων και εξόρυξης προτύπων, οι οποίες επίσης είναι σημαντικές για την αποτελεσματική αναπαραγωγή AI.
Ο Deep Blue, ο πρωταθλητής σκακιού AI, εργάστηκε χρησιμοποιώντας μια τεράστια υπολογιστική ισχύ και τεχνικές ωμής δύναμης για να αξιολογήσει όλες τις πιθανές επόμενες κινήσεις - μέχρι 200.000.000 θέσεις ανά δευτερόλεπτο. Και ενώ αυτή η στρατηγική ήταν αρκετά αποτελεσματική για να νικήσει έναν πρώην παγκόσμιο πρωταθλητή σκακιού, δεν είναι ένας τρόπος για να παίξει σκάκι ιδιαίτερα "ανθρώπινο". Απαιτεί επίσης προγραμματιστές να "εξηγούν" τους κανόνες του παιχνιδιού στο AI.
Πιο πρόσφατα, αναπτύχθηκε μια διαδικασία που ονομάζεται βαθιά εκμάθηση, η οποία ουσιαστικά άνοιξε το δρόμο για τους υπολογιστές να διδάσκουν τους εαυτούς τους και αυτό άλλαξε εντελώς τον αγώνα για την τεχνητή νοημοσύνη Η Microsoft εναντίον της Google - Ποιος οδηγεί τη φυλή της τεχνητής νοημοσύνης; Η Microsoft εναντίον της Google - ποιος οδηγεί τον αγώνα της τεχνητής νοημοσύνης; Οι ερευνητές τεχνητής νοημοσύνης πραγματοποιούν απτή πρόοδο και οι άνθρωποι αρχίζουν να μιλούν σοβαρά για το AI και πάλι. Οι δύο τιτάνες που οδηγούν τον αγώνα τεχνητής νοημοσύνης είναι η Google και η Microsoft. Διαβάστε περισσότερα .
Με τη βαθιά εκμάθηση, ένας υπολογιστής μπορεί να εξαγάγει χρήσιμα μοτίβα από τα δεδομένα - αντί να ειπωθεί από τους προγραμματιστές ποια μοτίβα θα πρέπει να αναζητήσει - και να χρησιμοποιήσει αυτά τα μοτίβα για να βελτιστοποιήσει τις δικές του αποφάσεις. Εάν η βαθιά εκμάθηση είναι επιτυχής, ένας ΑΠ μπορεί ακόμη και να ανακαλύψει μοτίβα που είναι πιο αποτελεσματικά από ό, τι μπορούμε να αναγνωρίσουμε ως άνθρωπο.
Αυτός ο τύπος εκμάθησης αποδείχθηκε πέρυσι, όταν η ερευνητική εταιρεία DeepMind της AI που ανήκει στην Google αποκάλυψε ένα AI που δίδαξε να παίζει 49 διαφορετικά παιχνίδια Atari Atari Arcade - Αναπαραγωγή Ρετρό Παιχνίδια Video In HTML5 [MUO Gaming] Atari Arcade - HTML5 [MUO Gaming] Όποιος παίζει βιντεοπαιχνίδια οφείλει σήμερα ένα τεράστιο χρέος ευγνωμοσύνης προς τον Atari και τους ιδρυτές και τους μηχανικούς που εργάστηκαν για την εταιρεία κατά τη διάρκεια των σχηματικών ετών. Το Atari ήταν υπεύθυνο για πολλά από τα ... Διαβάστε περισσότερα μετά από να δοθεί μόνο πρώτες εισροές. (Μπορείτε να δείτε ότι μαθαίνει να παίζει Breakout παραπάνω.)
Η διαδικασία είναι η ίδια με την εκμάθηση ενός βιντεοπαιχνιδιού χωρίς μάθημα ή εξήγηση. Παρακολουθείτε για λίγο, στη συνέχεια, δοκιμάστε να πιέσετε τυχαία κουμπιά, στη συνέχεια ξεκινήστε να ξεχωρίζετε τα πράγματα, να αναπτύξετε στρατηγικές και τελικά να προχωρήσετε στο να υπερέχετε.
Και υπερέχει αυτό. Το DeepMind AI κατέστρεψε απολύτως τους επαγγελματίες σε επίπεδο ανθρώπινων αντιπάλων σε μερικά από αυτά τα παιχνίδια, όπως το Video Pinball. Το αποτέλεσμα ήταν πολύ χειρότερο σε άλλα παιχνίδια, συμπεριλαμβανομένης της κας Pac-Man, αλλά είχε πολύ εντυπωσιακό ρεκόρ συνολικά.
AlphaGo: Το επόμενο επίπεδο AI
Ο AlphaGo, ο υπολογιστής που κατάφερε να νικήσει τον Fan Hui στο Go, χρησιμοποίησε αυτή τη βαθιά στρατηγική μάθησης για να πάει αήττητη σε πέντε αγώνες.
Αντί να χρησιμοποιήσει τον υπολογισμό της βαρειάς δύναμης όπως η Deep Blue, η AlphaGo καθόρισε την επόμενη κίνηση της χρησιμοποιώντας τα στοιχεία που είχε μάθει στην εκπαίδευση για να περιορίσει το εύρος των δυνητικά αποτελεσματικών κινήσεων και στη συνέχεια να κάνει προσομοιώσεις για να δει ποιες κινήσεις είναι πιθανότερο να οδηγήσουν σε θετικά αποτελέσματα.
Δύο διαφορετικά νευρωνικά δίκτυα Η Τελευταία Τεχνολογία Υπολογιστών που πρέπει να δείτε για να πιστέψετε την Τελευταία Τεχνολογία Υπολογιστών που πρέπει να δείτε για να πιστέψετε Δείτε μερικές από τις τελευταίες τεχνολογίες υπολογιστών που έχουν τεθεί για να μετατρέψουν τον κόσμο των ηλεκτρονικών και των υπολογιστών τα επόμενα χρόνια. Διαβάστε περισσότερα, το δίκτυο πολιτικής και το δίκτυο αξίας, συνεργάστηκαν για να αξιολογήσουν τις κινήσεις και να επιλέξουν το καλύτερο σε κάθε στροφή.
Λόγω της πολυπλοκότητας του Go, μια προσέγγιση βίαιων δυνάμεων σε όλες τις πιθανές κινήσεις απλά δεν είναι δυνατή όπως στο Σκάκι. Έτσι, η AlphaGo επέστησε τη γνώση που κέρδισε κατά τη διάρκεια της φάσης της κατάρτισης, η οποία συνίστατο στην παρακολούθηση 30 εκατομμυρίων κινήσεων από ανθρώπους εμπειρογνώμονες, μαθαίνοντας να προβλέψουμε τις κινήσεις τους, να βγάζουμε τις δικές τους στρατηγικές και να παίζουμε ενάντια σε χιλιάδες φορές.
Χρησιμοποιώντας τη μάθηση ενισχύσεων, οι διαδικασίες λήψης αποφάσεων αναπτύχθηκαν και ενισχύθηκαν μέχρι το AlphaGo να γίνει το καλύτερο παιχνίδι AI στον κόσμο. Σε 500 παιχνίδια εναντίον των πιο προηγμένων υπολογιστών Go, κέρδισε 499 από αυτούς - ακόμα και αφού έδωσαν τα προγράμματα αυτά μια τετρακίνηση.
Και, φυσικά, το AlphaGo νίκησε τον Fan Hui, τον σημερινό πρωταθλητή της European Go. Η νίκη επιτεύχθηκε στην πραγματικότητα τον Οκτώβριο του 2015, αλλά η ανακοίνωση καθυστέρησε να συμπέσει με την κυκλοφορία του ερευνητικού εγγράφου του DeepMind στη Φύση . Τον Μάρτιο, η AlphaGo θα αναλάβει τον Lee Sedol, τον πιο κυρίαρχο παίκτη στον κόσμο τα τελευταία δέκα χρόνια.
Εντάξει, τι σημαίνει αυτό;
Γιατί αυτό κάνει πρωτοσέλιδα σε όλο τον κόσμο; Για διάφορους λόγους, στην πραγματικότητα.
Πρώτον, πολλοί πίστευαν ότι αυτό ήταν αδύνατο με την τρέχουσα τεχνολογία. Οι περισσότερες εκτιμήσεις ανέφεραν ότι ένα AI δεν θα νικήσει έναν παίκτη παγκόσμιας κλάσης Go για τουλάχιστον άλλα δέκα χρόνια. Τα δίκτυα αξίας της AlphaGo μπορούν να αξιολογήσουν τυχόν παιχνίδι παιχνιδιού Go και να προβλέψουν έναν τελικό νικητή, ένα πρόβλημα που λέει η Google ότι είναι "τόσο δύσκολο που θεωρήθηκε αδύνατο".
Δεύτερον, το γεγονός ότι χρησιμοποιήθηκε βαθιά και ανεξάρτητη μάθηση είναι πολύ σημαντικό. Αυτό δείχνει ότι μια τρέχουσα τεχνητή νοημοσύνη μπορεί να συγκεντρώνει δεδομένα, να εξάγει μοτίβα, να μαθαίνει να προβλέπει τέτοια μοτίβα και τελικά να αναπτύσσει στρατηγικές επίλυσης προβλημάτων που είναι σύνθετες και αποτελεσματικές ώστε να νικήσουν έναν άνθρωπο παγκόσμιας κλάσης.
Και ενώ η νίκη στο Go δεν πρόκειται να αλλάξει τον κόσμο, το γεγονός ότι ένας υπολογιστής ήταν σε θέση να βρει αυτό το επίπεδο στρατηγικής χρησιμοποιώντας τους δικούς του αλγόριθμους μάθησης είναι πολύ εντυπωσιακό.
Είναι αυτή η βαθιά μάθηση που έχει τους ερευνητές του AI πραγματικά ενθουσιασμένος για το AlphaGo. Πολλοί πιστεύουν ότι η ανεξάρτητη εκμάθηση είναι το πρώτο βήμα προς την κατεύθυνση μιας ισχυρής τεχνητής νοημοσύνης . Ένα ισχυρό AI αναφέρεται σε έναν υπολογιστή που μπορεί να επιλύσει πνευματικά καθήκοντα στο ίδιο επίπεδο με τον άνθρωπο (κάτι που είναι εξαιρετικά δύσκολο, κυρίως λόγω της πολυπλοκότητας και της αποτελεσματικότητας του ανθρώπινου εγκεφάλου). Αυτό είναι το είδος του AI που βλέπετε σε πολλές ταινίες επιστημονικής φαντασίας Προσοχή, Διαδίκτυο! Οι καλύτερες ταινίες για την Τεχνητή Νοημοσύνη, Internet! Οι Καλύτερες Ταινίες Σχετικά με την Τεχνητή Νοημοσύνη Το Hollywood έχει κυκλοφορήσει πολλές εξαιρετικές ταινίες που εξερευνούν τα θέματα της τεχνητής νοημοσύνης με την πάροδο των ετών, και εδώ είναι 10 από τις καλύτερες ταινίες για το AI σας συνιστούμε να μετακινήσετε τον Ουρανό και τη Γη ... Διαβάστε περισσότερα.
Αυτός είναι ο λόγος για τον οποίο η δημιουργία πνευματικών δικαιωμάτων που μπορούν να συμπεριφέρονται με ανθρώπινους τρόπους είναι τόσο μεγάλη υπόθεση. Η εξαγωγή προτύπων και στρατηγικών ανάπτυξης είναι κάτι που κάνουμε όλη την ώρα και δεν χρησιμοποιούμε μεθόδους ωμής βίας κατά τη λήψη αποφάσεων.
Είναι πολύ δύσκολο να πάρετε έναν υπολογιστή για να το κάνετε αυτό χωρίς πολλή καθοδήγηση, αλλά χάρη στο AlphaGo, γνωρίζουμε τώρα ότι το ισχυρό AI δεν είναι απλά δυνατό, αλλά πιο κοντά από ό, τι πιστεύαμε.
Φυσικά, ένα AI Go-playing είναι ακόμα πολύ μακριά από ένα γενικά ευφυές AI. Κάνει μόνο ένα πράγμα, το οποίο είναι τόσο απλό όσο μπορεί να πάρει μια τεχνητή νοημοσύνη - ακόμη και το AI-παίζοντας AI ήταν σε θέση να παίξει 49 διαφορετικά παιχνίδια Future Video AIs παιχνιδιών θα Σοβαρές Freak You Out Future Video Game AIs Σίγουρα θα σας Freak Videogame Το AI δεν είναι όλο αυτό το μεγάλο - ακόμα. Ωστόσο, με τις πρόσφατες τεχνολογικές εξελίξεις, αυτό μπορεί σύντομα να αλλάξει. Διαβάστε περισσότερα - αλλά η αποτελεσματική ανεξάρτητη εκμάθηση του AlphaGo θα μπορούσε να είναι το πρώτο βήμα προς μια σημαντική μεταβολή του παραδείγματος στο AI.
Τι νομίζετε?
Δεν υπάρχει αμφιβολία ότι η νίκη του AlphaGo πάνω από τον Fan Hui είναι σημαντική, αλλά αν είναι άξιος ή όχι παγκοσμίων πρωτοσέλιδων είναι συζητημένος.
Νομίζετε ότι αυτό είναι μια μεγάλη υπόθεση; Είμαστε ένα βήμα πιο κοντά στην αποκάλυψη ρομπότ Microsoft, Τεχνητή Νοημοσύνη και Η Αποκάλυψη Ρομπότ Η Microsoft, η Τεχνητή Νοημοσύνη και η Αποκάλυψη Ρομπότ Η Microsoft δίνει μια σειρά αυτόνομων ρομπότ μια σοβαρή εμφάνιση. Είναι αυτή η αρχή του τέλους για τους ανθρώπους, ή απλώς ένα ακόμη βήμα προς τα εμπρός στην ώθηση για ασφαλή τεχνητή νοημοσύνη; Διαβάστε περισσότερα ? Ή δεν είστε εντυπωσιασμένοι με ένα AI που μπορεί απλώς να παίξει ένα παιχνίδι; Μοιραστείτε τις σκέψεις σας παρακάτω και ας μιλήσουμε γι 'αυτό.
Συντελεστές εικόνας: πηγαίνετε στο παιχνίδι από vvoe μέσω Shutterstock, Tatiana Belova μέσω Shutterstock.com, Mciura μέσω του Wikimedia Commons, Zerbor μέσω Shutterstock.com