ARTIFICIAL MIND CARRYING OUT nakakaawang mga tao sa GO - Malapit na ba ang pag-aalsa ng mga makina?

2024 May -akda: Seth Attwood | [email protected]. Huling binago: 2023-12-16 16:18

Hindi pa katagal, nag-anunsyo ang South Korean go master at isa sa mga may pinakamaraming titulong manlalaro sa mundo, si Lee Sedol, sa kanyang pagreretiro at gumawa ng dramatikong pahayag: rating sa pamamagitan ng nakakabaliw na pagsisikap. Ngayon ay may isang nilalang na hindi maaaring madaig."

Nagsalita si Lee tungkol sa AlphaGo computer, na binuo ng DeepMind, na binili ng Google sa halagang $650 milyon limang taon na ang nakalilipas. Natalo ang Koreano sa kotse noong 2016, ngunit mula noon ang artificial intelligence ay naging mas malakas lamang. Sa pangkalahatan, ang tagumpay ng isang computer laban sa isang tao sa Go ay itinuturing na isang tunay na tagumpay, na posibleng humantong sa malalaking pagbabago sa mundo. Nasa abot-tanaw na ba ang Terminator? Alamin natin ito.

Matagal nang sinubukan ng mga programmer ang kapangyarihan ng artificial intelligence sa mga mapaghamong laro kasama ang pinakamahusay na mga tao. Ang Deep Blue na computer na binuo ng IBM ay tinalo si Garry Kasparov sa chess noong 1997. Bago ang laban, naisip ni Kasparov: "Ito ay isang kotse lamang. Ang mga makina ay hangal."

Ngunit pagkatapos ng pagkatalo ay ipinagtapat niya: "Naramdaman ko - naamoy - na mayroong isang bagong uri ng pag-iisip sa hapag."

Para talunin si Kasparov, gumamit ang Deep Blue ng malupit na computational power: pagkatapos ng bawat galaw, kinakalkula ng programa ang lahat ng posibleng sitwasyon at gumawa ng desisyon batay sa data na ito. Ngunit sa Go, hindi gumagana ang diskarteng ito dahil sa dami ng data na kailangang iproseso. Sa pag-alis, ang mga manlalaro ay maghahalinhinan sa paglalagay ng mga itim at puting bato sa pisara 19 hanggang 19. Ang layunin ng laro ay sakupin ang pinakamaraming teritoryo hangga't maaari, habang ikinukulong ang mga bato ng kalaban, na pinipigilan siyang makakuha ng kalamangan. Sa pangkalahatan, ang go ay katulad ng larong tuldok na pamilyar sa marami mula sa paaralan - mas mahirap lang.

Dahil sa laki ng board, posible na ang 361 variant para sa unang hakbang na ginawa ng black stones (sa chess - 20 lang). Alinsunod dito, sa bawat paglipat, lumalaki lamang ang puno ng mga potensyal na pagkakahanay. Pagkatapos ng unang dalawang galaw, mayroong 400 posibleng development sa chess, at 129,960 sa go. Kinakalkula ng mathematician na si John Tromp na ang bilang ng mga posibleng kumbinasyon ay magiging 171-digit na mga numero.

Samakatuwid, sa laro ng Go, ang mga tao ay kinakailangan hindi lamang magkaroon ng katalinuhan at kakayahang magkalkula, kundi pati na rin ang malakas na abstract na pag-iisip, malakas na intuwisyon - mga katangian na hindi maganda ang nabuo sa mga computer. Ang isa sa mga developer ng AlphaGo, si Demis Hassabis, ay nagsabi: "Ito ay isang napaka-intuitive na laro. Madalas sinasabi ng mga Go masters na gumawa sila ng hakbang dahil mukhang tama ito." Ayon sa kanya, ang mga masters ay bumuo ng isang espesyal na aesthetic sense, at ang isang magandang posisyon ay mukhang maganda.

Sa kabila ng katotohanan na ang mga processor ay nagiging mas malakas at mas mabilis bawat taon, ang paghahanap para sa mga galaw sa puno ng mga posibilidad ay nagpapahintulot sa artificial intelligence na maabot lamang ang antas ng isang malakas na baguhan. Ang mga computer ay natalo ang mga tao, ngunit nakakuha lamang ng isang maagang simula sa ilang mga bato. Noong 2014, sinabi ni David Fotland, isa sa mga pioneer ng go for computers, na ang mga programa ay nahaharap sa parehong problema tulad ng mga tao:

"Maraming mga manlalaro ang umabot sa isang partikular na amateur peak at hindi maaaring lumakas. Upang malampasan ang talampas na ito, kailangan mong gumawa ng ilang uri ng mental leap, at ang mga programa ay may parehong mga problema. Kailangan mong tingnan ang buong board, hindi lang ang mga lokal na laban." Upang malampasan ang intelektuwal na hadlang na ito at gayahin ang intuition at aesthetic na pakiramdam ng mga propesyonal, ikinonekta ng mga developer ng AlphaGo ang mga neural network at malalim na pag-aaral ng mga algorithm.

Una, ang mga neural network ng AlphaGo ay binigyan ng database ng mga laro ng tao, na kinabibilangan ng humigit-kumulang 30 milyong mga galaw. Pagkatapos nito, natutunan niyang tama na hulaan ang takbo ng isang tao 57% ng oras, kahit na ang nakaraang AI record ay 44%. Pagkatapos ay tinuruan ng mga developer ang AlphaGo na maglaro laban sa sarili nito - kaya mas natuto ang computer na i-highlight ang mga pinakakumikitang galaw at bumuo ng mga bagong diskarte.

Ang lahat ng ito ay nakatulong upang bigyang-katwiran ang mga proseso kung saan nagtrabaho ang Deep Blue, na tumalo kay Kasparov. Ngayon ang system ay hindi lamang naglalaro ng lahat ng posibleng mga kumbinasyon, ngunit alam din kung paano tumuon sa mga pinaka-promising na mga sitwasyon para sa pagbuo ng mga kaganapan. Bilang karagdagan, nahahanap niya ang kanyang mga tindig kahit na sa mga sitwasyon na hindi pa niya nakatagpo noon. At ganoon, dahil sa sukat ng Go, ay nanatili. Dahil sa bagong mekanismo, tinalo ng AlphaGo ang lahat ng dati nang nilikhang manlalaro ng computer (habang binibigyan sila ng ulo ng apat na bato) at nagsimulang talunin ang mga propesyonal na tao.

Noong Oktubre 2015, tinalo ng AlphaGo ang dalawang beses na European champion na Frenchman na si Fan Hui. Naglaro sila ng limang laro, walang nangunguna, at nanalo ang computer sa lahat ng lima. Ito ang unang pagkakataon na ang isang propesyonal na tao ay natalo ng isang makina. Pagkatapos ng laban, sinabi ni Hui na marami siyang natutunan, at ang kaalamang ito ay nakatulong sa kanya upang madagdagan at tumaas sa mga internasyonal na ranggo.