„Google“ AI proveržis: ką tai reiškia ir kaip tai veikia jus

Skelbimas

Sausio 27 d. „Google“ paskelbė, kad AlphaGo, an dirbtinis intelektas Kas nėra dirbtinis intelektasAr intelektualūs, jautrūs robotai ketina užvaldyti pasaulį? Ne šiandien - ir galbūt niekada. Skaityti daugiau kurią sukūrė jos dukterinė įmonė „DeepMind“, penkiose rungtynėse nugalėjo Europos „Go“ čempioną Faną Hui.

Galbūt girdėjote apie šią naujieną, nes ji skleidžia antraštes visame pasaulyje, bet kodėl žmonėms tai tiek rūpi? Ką visa tai reiškia? Jei dar nesate susipažinę su „Go“ žaidimu ar jo reikšme dirbtiniam intelektui, galbūt jaučiatės šiek tiek pasimetę.

Nesijaudinkite, mes jus aprėpėme. Čia yra viskas, ką turite žinoti apie proveržį ir kaip tai paveikia įprastus žmones, tokius kaip jūs ir aš.

Žaidimas „Go of Go: Simple Yet Complex“

„Go“ yra senovės kinų strateginis žaidimas, kuriame du žaidėjai kovoja užkariauti teritoriją. Posūkis iš eilės kiekvienas žaidėjas - vienas baltas, kitas - juodas - uždeda akmenis 19 x 19 dydžio tinklelio sankryžose. Kai grupė akmenų yra visiškai apsupta kito žaidėjo akmenų, jie yra „užfiksuoti“ ir nuimami nuo lentos.

Žaidimo pabaigoje kiekviena tuščia vieta „priklauso“ jį supančiam žaidėjui. Kiekvieno žaidėjo balai yra skaičiuojami pagal tai, kiek teritorijos jis turi (t. Y. Kiek tuščios vietos jis buvo apsuptas), taip pat priešininkų gabalų, kurie buvo užfiksuoti žaidimo metu, skaičių.

Nors dauguma žmonių apie šachmatus galvoja kaip apie strateginių žaidimų karalių, „Go“ iš tikrųjų yra sudėtingesnis. Vikipedijos duomenimis, jų yra 10⁷⁶¹ galimi Go žaidimai, palyginti su 10¹²⁰ numatomi galimi šachmatų žaidimai.

Dėl šio sudėtingumo, kartu su kai kuriomis ezoterinėmis taisyklėmis ir pabrėžiant žaidimą pagal instinktą, „Go“ tampa ypač sudėtingas žaidimas, skirtas kompiuteriams mokytis ir žaisti aukštu lygiu.

Neįtikėtinas AI pasaulis, žaidžiantis žaidimus

Daugelio dalykų schemoje dirbtinio intelekto, kuris žaidžia žaidimą, dizainas neatrodo labai vertas dalykas persekiojimas, ypač kai IBM „Watson AI“ jau dirba siekdama pagerinti sveikatos priežiūrą - sritį, kuriai reikia visos pagalbos gauti. Taigi kodėl „Google“ praleido tiek valandų ir dolerių, kad sukurtų „Go-playing“ AI?

Viena vertus, tai padeda AI tyrinėtojams išsiaiškinti, kaip geriausiai išmokyti kompiuterius daryti reikalus. Jei galite išmokyti kompiuterio išspręsti, kaip rasti geriausius judesius šaškių ar Tic-Tac-Toe žaidimuose, galite įgyti žinių apie tai, kaip išmokyti kitą kompiuterį rekomenduoti filmus „Netflix“ 4 mašinų mokymosi algoritmai, formuojantys jūsų gyvenimąGalbūt to nesuvokiate, tačiau mašinų mokymasis jau yra šalia jūsų ir tai gali padaryti stebėtiną įtaką jūsų gyvenimui. Netikite manimi? Galbūt nustebsite. Skaityti daugiau , akimirksniu išverskite kalbą arba nuspėkite žemės drebėjimus.

Daugeliui AI naudojimo būdų, kuriuos mes matėme iki šiol, būtų naudingi patobulinti problemų sprendimo ir modelio išgavimo gebėjimai, kurie taip pat yra svarbūs veiksmingai žaidžiant AI.

„Deep Blue“, šachmatų čempionas AI, naudojo didžiulį skaičiavimo galios ir brutaliosios jėgos metodus, kad įvertintų visus galimus tolimesnius judesius - iki 200 000 000 pozicijų per sekundę. Ir nors ši strategija buvo pakankamai efektyvi, kad įveiktų buvusį pasaulio šachmatų čempioną, tai nėra ypač „žmogiškas“ būdas žaisti šachmatais. Be to, programuotojai turi AI „paaiškinti“ žaidimo taisykles.

Visai neseniai buvo sukurtas procesas, vadinamas gilus mokymasis, kuris iš esmės atvėrė kelią kompiuteriams mokyti savęs, ir tai visiškai pakeitė lenktynės dėl dirbtinio intelekto „Microsoft vs Google“ - kas vadovauja dirbtinio intelekto lenktynėms?Dirbtinio intelekto tyrinėtojai daro apčiuopiamą pažangą, ir žmonės vėl pradeda rimtai kalbėti apie PG. Dvi dirbtinio intelekto varžybose pirmaujančios titanai yra „Google“ ir „Microsoft“. Skaityti daugiau .

Mokydamasis giliai, kompiuteris gali išgauti naudingus modelius iš duomenų - užuot programuotojams nurodęs, kokių modelių jis turėtų ieškoti, ir naudoti tuos modelius, kad optimizuotų savo sprendimus. Jei gilus mokymasis yra sėkmingas, PG netgi gali atrasti modelių, efektyvesnių už tuos, kuriuos galime atpažinti kaip žmones.

Šis mokymosi būdas buvo pademonstruotas praėjusiais metais, kai „Google“ priklausanti AI tyrimų įmonė „DeepMind“ atskleidė AI, kuri išmokė žaisti 49 skirtingus dalykus. „Atari“ žaidimai „Atari Arcade“ - žaiskite retro vaizdo žaidimus HTML5 formate [MUO Gaming]Kiekvienas, kuris šiandien žaidžia vaizdo žaidimus, yra skolingas didžiulę padėką „Atari“ ir įkūrėjams bei inžinieriams, dirbusiems įmonėje jos formavimosi metais. Atari buvo atsakingas už daugelį ... Skaityti daugiau po to, kai jam buvo suteikta tik žaliava. (Tai galite pamatyti išmokę žaisti „Breakout“ aukščiau.)

Procesas yra tas pats, kaip išmokti vaizdo žaidimą be vadovėlio ar paaiškinimo. Kurį laiką žiūrite, tada bandote paspausti atsitiktinius mygtukus, tada pradedate aiškintis dalykus, kurkite strategijas ir galų gale eikite tobulėti.

Ir puikiai tai padarė. Kai kuriuose iš tų žaidimų, pavyzdžiui, „Video Pinball“, „DeepMind AI“ absoliučiai sunaikino profesionalius žmogaus priešininkus. Kitose žaidynėse, įskaitant ponia Pac-Man, ji sekėsi žymiai prasčiau, tačiau turėjo labai įspūdingą rekordą.

„AlphaGo“: kitas AI lygis

„AlphaGo“, kompiuteris, kuris nugalėjo „Fan Hui at Go“, naudojo šią gilaus mokymosi strategiją nepralenkdamas penkių mačų.

Užuot naudojęs žiaurios jėgos skaičiavimą, kaip „Deep Blue“, „AlphaGo“ nustatė kitą žingsnį naudodamas tai, ko išmoko mokydamasis. apriboti galimai efektyvių judesių apimtį, tada paleiskite modeliavimą, kad pamatytumėte, kurie judesiai greičiausiai duos teigiamų rezultatų rezultatus.

Du skirtingi neuroniniai tinklai Naujausios kompiuterinės technologijos, kurias turite pamatyti, kad patikėtumėtePeržiūrėkite kai kurias naujausias kompiuterių technologijas, kurios per artimiausius kelerius metus pakeis elektronikos ir asmeninių kompiuterių pasaulį. Skaityti daugiau , politikos tinklas ir vertės tinklas dirbo kartu, kad įvertintų žingsnius ir kiekvienam posūkiui parinktų geriausią.

Dėl „Go“ sudėtingumo, brutalios jėgos priartėjimas prie visų įmanomų judesių tiesiog neįmanomas, kaip tai daroma šachmatuose. Taigi „AlphaGo“ rėmėsi žiniomis, kurias įgijo treniruočių etape, kurį sudarė 30 milijonų judesių stebėjimas žmonių ekspertai, mokantys numatyti savo žingsnius, sugalvojantys savo strategijas ir žaisdami prieš save tūkstančius laikai.

Pasinaudojant pastiprinimo mokymu, jo sprendimų priėmimo procesai buvo tobulinami ir stiprinami tol, kol „AlphaGo“ tapo geriausiu „Go-playing“ AI pasaulyje. Per 500 žaidimų su pažangiausiais „Go“ kompiuteriais jis laimėjo 499 iš jų - net ir davęs toms programoms keturių judesių galvutę.

Ir, žinoma, „AlphaGo“ įveikė dabartinį Europos „Go“ čempioną Faną Hui. Pergalė iš tikrųjų buvo pasiekta 2015 m. Spalio mėn., Tačiau pranešimas buvo atidėtas, kad sutaptų su „DeepMind“ tyrimo dokumento išleidimu Gamta. Kovo mėnesį „AlphaGo“ priims Lee Sedolą - dominuojantį žaidėją pasaulyje per pastaruosius dešimt metų.

Gerai, ką visa tai reiškia?

Kodėl tai daro antraštes visame pasaulyje? Iš tikrųjų dėl kelių priežasčių.

Pirma, daugelis žmonių manė, kad tai neįmanoma naudojant šiuolaikines technologijas. Dauguma įvertinimų teigė, kad AI nenugalės pasaulinės klasės žaidėjų dar bent dešimt metų. „AlphaGo“ vertybių tinklai gali įvertinti bet kokį šiuo metu žaidžiamą „Go“ žaidimą ir numatyti galimą nugalėtoją, problemą, kurią „Google“ sako „taip sunku buvo Manoma, kad tai neįmanoma “.

Antra, labai svarbu tai, kad buvo naudojamas gilus ir savarankiškas mokymasis. Tai rodo, kad dabartinis dirbtinis intelektas gali rinkti duomenis, išgauti modelius, išmokti tokius numatyti modelius ir galiausiai sukuria problemų sprendimo strategijas, kurios yra pakankamai sudėtingos ir veiksmingos, kad įveiktų a pasaulinio lygio žmogus.

Ir nors laimėjimas „Go“ nepakeis pasaulio, faktas, kad kompiuteris sugebėjo sugalvoti tokio lygio strategiją naudodamas savo paties mokymosi algoritmus, yra labai įspūdingas.

Būtent šis gilus mokymasis AI tyrinėtojus tikrai sujaudino „AlphaGo“. Daugelis mano, kad savarankiškas mokymasis yra pirmas žingsnis link stiprus dirbtinis intelektas. Stiprus AI reiškia kompiuterį, kuris gali išspręsti intelektines užduotis, lygiavertes žmonėms, (tai yra be galo sunku, daugiausia dėl žmogaus smegenų sudėtingumo ir efektyvumo). Tai yra AI rūšis, kurią matote daug mokslinės fantastikos filmų Dėmesio, internetas! Geriausi filmai apie dirbtinį intelektąHolivudas per metus išleido daug puikių filmų, tyrinėjančių dirbtinio intelekto problemas, ir čia yra 10 geriausių filmų apie AI, kuriuos rekomenduojame perkelti į dangų ir žemę ... Skaityti daugiau .

Dėl šios priežasties sukurti PG, galinčius elgtis panašiai kaip į žmones, yra labai daug. Šablonų gavimas ir strategijų kūrimas yra tai, ką mes darome visą laiką, o priimdami sprendimus nenaudojame brutalios jėgos metodų.

Gauti kompiuterį tai padaryti be daugybės nurodymų yra labai sunku, tačiau „AlphaGo“ dėka mes dabar žinome, kad stipri AI nėra tiesiog įmanoma, bet arčiau, nei manėme.

Žinoma, „Go-playing“ AI yra dar toli nuo paprastai intelektualaus „AI“. Tai daro tik vieną dalyką, kuris yra beveik toks paprastas, kokį gali gauti dirbtinis intelektas - net „Atari“ žaidžianti AI buvo galintis žaisti 49 skirtingus žaidimus Ateities vaizdo žaidimų AI jus rimtai nugirsVaizdo žaidimų AI dar nėra viskas taip puiku. Tačiau atsižvelgiant į naujausią technologinę pažangą, tai netrukus gali pasikeisti. Skaityti daugiau - tačiau efektyvus „AlphaGo“ savarankiškas mokymasis gali būti pirmasis žingsnis link pagrindinio PG paradigmos pokyčio.

Ką tu manai?

Neabejojama, kad „AlphaGo“ pergalė prieš „Fan Hui“ yra svarbi, tačiau diskusija kyla dėl to, ar verta jos pasaulinių antraščių.

Ar manote, kad tai yra didelis dalykas? Ar mes vienu žingsniu arčiau? roboto apokalipsė „Microsoft“, dirbtinis intelektas ir robotų apokalipsė„Microsoft“ rimtai žiūri į autonominių robotų liniją. Ar tai žmonėms yra pabaigos pabaiga, ar tik dar vienas žingsnis į priekį siekiant saugaus dirbtinio intelekto? Skaityti daugiau ? O gal nesate sužavėtas AI, kuris gali tiesiog žaisti žaidimą? Pasidalykite toliau savo mintimis ir pakalbėkime apie tai.

Vaizdo kreditai: eiti žaidimas pateikė „vvoe“ per „Shutterstock“, Tatjana Belova per „Shutterstock.com“, Mciura per „Wikimedia Commons“, „Zerbor“ per „Shutterstock.com“