Googles AI-gjennombrudd: Hva det betyr og hvordan det påvirker deg

Annonse

27. januar kunngjorde Google at AlphaGo, en kunstig intelligens Hva kunstig intelligens ikke erSkal intelligente, følsomme roboter overta verden? Ikke i dag - og kanskje ikke noen gang. Les mer utviklet av datterselskapet DeepMind, hadde beseiret den europeiske Go-mesteren Fan Hui i en femkampkamp.

Du har kanskje hørt om denne nyheten ettersom den lager overskrifter over hele verden, men hvorfor bryr folk seg så mye om den? Hva betyr det hele? Hvis du ikke er kjent med Go eller spillet for betydningen av kunstig intelligens, kan du føle deg litt borte.

Ikke bekymre deg, vi har deg dekket. Her er alt du trenger å vite om gjennombruddet og hvordan det påvirker vanlige mennesker som deg og meg.

The Game of Go: Simple Yet Complex

Go er et gammelt kinesisk strategispill der to spillere kjemper for å fange territorium. Vend for tur, plasserer hver spiller - en hvit, den andre svart - steiner i kryssene til et 19 x 19 rutenett. Når en gruppe av steiner er fullstendig omgitt av den andre spillerens steiner, blir de "fanget" og fjernet fra brettet.

På slutten av spillet "eies" hvert tomt sted av spilleren som omgir det. Resultatene til hver spiller er basert på hvor mye territorium han eier (dvs. hvor mye tomt plass han har omringet) pluss antall motstanderbrikker som ble fanget under spillet.

Mens de fleste sannsynligvis tenker på Chess som kongen av strategispel, er Go faktisk mer sammensatt. I følge Wikipedia er det 10⁷⁶¹ mulige Go-spill sammenlignet med 10¹²⁰ estimerte mulige spill av sjakk.

Denne kompleksiteten, sammen med noen esoteriske regler og vekt på å spille etter instinkt, gjør Go til et spesielt vanskelig spill for datamaskiner å lære og spille på et høyt nivå.

The Incredible World of AI-er for spill-spill

I den store tingenes ordning virker det ikke som veldig verdt å designe en kunstig intelligens som spiller et spill forfølgelse, spesielt når IBMs Watson AI allerede jobber for å forbedre helsevesenet, et område som trenger all den hjelpen den kan få. Så hvorfor brukte Google så mange timer og dollar på å lage en Go-playing AI?

På ett nivå hjelper det AI-forskere å finne ut den beste måten å lære datamaskiner å gjøre ting på. Hvis du kan lære en datamaskin å løse hvordan du finner de beste trekkene i et spill med Checkers eller Tic-Tac-Toe, kan du få innsikt i å lære en annen datamaskin hvordan anbefaler filmer på Netflix 4 maskinlæringsalgoritmer som former livet dittDu skjønner kanskje ikke det, men maskinlæring er allerede rundt deg, og det kan utøve en overraskende grad av innflytelse over livet ditt. Tro meg ikke? Du kan bli overrasket. Les mer , oversett øyeblikkelig tale, eller forutsi jordskjelv.

Mange av bruksområdene for AI som vi hittil har sett, vil dra nytte av forbedrede problemløsnings- og mønsterutvinningsevner, noe som også er viktig for effektive AI-er for spill.

Deep Blue, sjakkmesteren AI, jobbet ved å bruke en enorm mengde regnekraft og brute force-teknikker for å evaluere alle mulige neste trekk - opptil 200.000.000 stillinger per sekund. Og selv om denne strategien var effektiv nok til å slå en tidligere verdens sjakkmester, er det ikke en spesielt "menneskelig" måte å spille sjakk på. Det krever også at programmerere skal "forklare" spillereglene til AI.

Nylig ble en prosess utviklet som ble kalt dyp læring, som i utgangspunktet banet vei for datamaskiner å lære seg selv, og som endret fullstendig løp om kunstig intelligens Microsoft vs Google - Hvem leder det kunstige intelligensrittet?Kunstig intelligens forskere gjør konkrete fremskritt, og folk begynner å snakke alvorlig om AI igjen. De to titanene som leder kunstløpet er Google og Microsoft. Les mer .

Med dyp læring kan en datamaskin trekke ut nyttige mønstre fra data - i stedet for å bli fortalt av programmerere hvilke mønstre den skal se etter - og bruke disse mønstrene for å optimalisere sine egne beslutninger. Hvis dyp læring er vellykket, kan en AI til og med oppdage mønstre som er mer effektive enn det vi kan gjenkjenne som mennesker.

Denne typen læring ble demonstrert i fjor, da Google-eide AI-forskningsfirma DeepMind avslørte en AI som lærte seg å spille 49 forskjellige Atari-spill Atari Arcade - Spill retro videospill i HTML5 [MUO Gaming]Alle som spiller videospill i dag skylder Atari og grunnleggerne og ingeniørene som jobbet for selskapet i dets formative år. Atari var ansvarlig for mange av ... Les mer etter å ha fått kun råinnspill. (Du kan se det lære å spille Breakout ovenfor.)

Prosessen er den samme som å lære et videospill uten en veiledning eller forklaring. Du ser på en stund, prøv deretter å trykke på tilfeldige knapper, begynn å finne ut av ting, utvikle strategier og til slutt fortsette å utmerke deg.

Og utmerket det gjorde. DeepMind AI ødela absolutt menneskelige motstandere på profesjonelt nivå i noen av disse spillene, som Video Pinball. Det klarte seg betydelig verre i andre kamper, inkludert frk. Pac-Man, men hadde en veldig imponerende rekord totalt sett.

AlphaGo: The Next Level of AI

AlphaGo, datamaskinen som beseiret Fan Hui på Go, brukte denne dype læringsstrategien for å gå ubeseiret i fem kamper.

I stedet for å bruke brute force computing som Deep Blue, bestemte AlphaGo sitt neste trekk ved å bruke det det hadde lært i trening til begrense omfanget av potensielt effektive trekk, og kjør deretter simuleringer for å se hvilke trekk som mest sannsynlig ville resultert i positive utfall.

To forskjellige nevrale nettverk Den siste datateknologien du må se for å troTa en titt på noen av de nyeste datateknologiene som er ment å transformere elektronikken og PC-verdenen de neste årene. Les mer , policy-nettverket og verdinettverket, jobbet sammen for å evaluere trekk og velge det beste hver tur.

På grunn av kompleksiteten til Go er en brute force-tilnærming over alle mulige trekk bare ikke mulig som i sjakk. Så AlphaGo trakk frem kunnskapen den fikk i treningsfasen, som besto av å se 30 millioner trekk gjort av menneskelige eksperter, lærer å forutsi trekk, komme med sine egne strategier og spille mot seg selv tusenvis av ganger.

Ved å bruke forsterkningslæring ble beslutningsprosessene utviklet og styrket til AlphaGo ble den beste Go-playing AI i verden. I 500 kamper mot de mest avanserte Go-datamaskinene vant 499 av dem - selv etter å ha gitt disse programmene et firetrinns forsprang.

Og selvfølgelig slo AlphaGo Fan Hui, den nåværende European Go-mesteren. Seieren ble faktisk oppnådd i oktober 2015, men kunngjøringen ble forsinket for å falle sammen med utgivelsen av DeepMinds forskningsoppgave i Natur. I mars tar AlphaGo på seg Lee Sedol, den mest dominerende spilleren i verden de siste ti årene.

Ok, hva betyr det alt?

Hvorfor får dette overskrifter over hele verden? Av flere grunner, faktisk.

For det første trodde mange at dette var umulig med dagens teknologi. De fleste estimater sa at en AI ikke ville slå en Go-spiller i verdensklasse på minst ti år til. AlphaGos verdinettverk kan evaluere alle Go-spill som for øyeblikket spilles og forutsi en eventuell vinner, et problem som Google sier er "så vanskelig det var antas å være umulig. ”

For det andre er det faktum at dyp og uavhengig læring ble brukt veldig viktig. Dette viser at en nåværende kunstig intelligens kan samle data, trekke ut mønstre, lære å forutsi slike mønstre, og til slutt utvikle problemløsningsstrategier som er komplekse og effektive nok til å slå en verdensklasse menneske.

Og mens det å vinne på Go ikke kommer til å endre verden, er det faktum at en datamaskin var i stand til å komme med det strategienivået ved å bruke sine egne læringsalgoritmer, veldig imponerende.

Det er denne dype læringen som har AI-forskere virkelig begeistret for AlphaGo. Mange tror at uavhengig læring er det første skrittet mot å lage en sterk kunstig intelligens. En sterk AI refererer til en datamaskin som kan løse intellektuelle oppgaver på lik linje med mennesker (noe som er utrolig vanskelig, i stor grad på grunn av kompleksiteten og effektiviteten til den menneskelige hjernen). Dette er den typen AI du ser i mange science fiction-filmer Oppmerksomhet, Internett! De beste filmene om kunstig intelligensHollywood har gitt ut mange flotte filmer som utforsker spørsmålene om kunstig intelligens gjennom tidene, og her er 10 av de beste filmene om AI, vi anbefaler deg å flytte Himmel og jord til ... Les mer .

Det er av denne grunn at det er en så stor sak å lage AI-er som kan oppføre seg på menneskelignende måter. Å trekke ut mønstre og utvikle strategier er noe vi gjør hele tiden, og vi bruker ikke brute force-metoder når vi tar beslutninger.

Det er veldig vanskelig å få en datamaskin til å gjøre det uten mye veiledning, men takket være AlphaGo vet vi nå at sterk AI ikke bare er mulig, men nærmere enn vi trodde.

Selvfølgelig er en Go-playing AI fortsatt langt unna en generelt intelligent AI. Det gjør bare en ting, som er omtrent så enkelt som en kunstig intelligens kan få - til og med den Atari-spillende AI var kunne spille 49 forskjellige spill Fremtidige videospill AIs vil alvorlig frikje deg utVideogame AI er ikke så bra - ennå. Men med nylige teknologiske fremskritt, kan det fort endre seg. Les mer - men AlphaGos effektive uavhengige læring kan være det første skrittet mot et stort paradigmeskifte i AI.

Hva tror du?

Det er ingen tvil om at AlphaGos seier over Fan Hui er viktig, men hvorvidt det er verdig verdensomspennende overskrifter er oppe til debatt.

Tror du dette er en stor avtale? Er vi et skritt nærmere robotapokalypse Microsoft, kunstig intelligens og robotapokalypsenMicrosoft gir en serie autonome roboter seriøst. Er dette begynnelsen på slutten for mennesker, eller bare enda et skritt fremover for å sikre sikker kunstig intelligens? Les mer ? Eller er du ikke imponert over en AI som bare kan spille et spill? Del tankene dine nedenfor, og la oss snakke om det.

Bildetillegg: gå spill av vvoe via Shutterstock, Tatiana Belova via Shutterstock.com, Mciura via Wikimedia Commons, Zerbor via Shutterstock.com