ΤΕΧΝΗΤΟ ΜΥΑΛΟ ΠΟΥ ΠΡΑΓΜΑΤΟΠΟΙΕΙ ελεεινούς ανθρώπους στο GO - Η εξέγερση των μηχανών είναι προ των πυλών;

2024 Συγγραφέας: Seth Attwood | [email protected]. Τελευταία τροποποίηση: 2023-12-16 16:02

Πριν από λίγο καιρό, ο Νοτιοκορεάτης go master και ένας από τους πιο τίτλους παίκτες στον κόσμο, ο Lee Sedol, ανακοίνωσε την αποχώρησή του και έκανε μια δραματική δήλωση: αξιολόγηση μέσα από τρελές προσπάθειες. Τώρα υπάρχει μια οντότητα που δεν μπορεί να ξεπεραστεί».

Ο Lee μίλησε για τον υπολογιστή AlphaGo, που αναπτύχθηκε από την DeepMind, τον οποίο η Google αγόρασε για 650 εκατομμύρια δολάρια πριν από πέντε χρόνια. Ο Κορεάτης έχασε από το αυτοκίνητο το 2016, αλλά από τότε η τεχνητή νοημοσύνη έχει γίνει μόνο ισχυρότερη. Γενικά, η νίκη ενός υπολογιστή έναντι ενός ατόμου στο Go θεωρείται μια πραγματική σημαντική ανακάλυψη, η οποία μπορεί ενδεχομένως να οδηγήσει σε αλλαγές μεγάλης κλίμακας στον κόσμο. Είναι ήδη ο Εξολοθρευτής στον ορίζοντα; Ας το καταλάβουμε.

Οι προγραμματιστές έχουν δοκιμάσει εδώ και καιρό τη δύναμη της τεχνητής νοημοσύνης σε προκλητικά παιχνίδια με τους καλύτερους ανθρώπους. Ο υπολογιστής Deep Blue που αναπτύχθηκε από την IBM κέρδισε τον Garry Kasparov στο σκάκι το 1997. Πριν από τον αγώνα ο Κασπάροφ σκέφτηκε: «Είναι απλώς ένα αυτοκίνητο. Οι μηχανές είναι ανόητες».

Αλλά μετά την ήττα ομολόγησε: «Ένιωσα - μύρισα - ότι υπήρχε ένα νέο είδος μυαλού στο τραπέζι».

Για να νικήσει τον Κασπάροφ, ο Deep Blue χρησιμοποίησε ωμή υπολογιστική ισχύ: μετά από κάθε κίνηση, το πρόγραμμα υπολόγιζε όλα τα πιθανά σενάρια και έπαιρνε μια απόφαση με βάση αυτά τα δεδομένα. Αλλά με το Go, αυτή η προσέγγιση δεν λειτουργεί λόγω του όγκου των δεδομένων που πρέπει να υποβληθούν σε επεξεργασία. Εν κινήσει, οι παίκτες τοποθετούν εναλλάξ ασπρόμαυρες πέτρες στον πίνακα 19 επί 19. Ο στόχος του παιχνιδιού είναι να καταλάβουν όσο το δυνατόν περισσότερο έδαφος, ενώ κλειδώνουν τις πέτρες του αντιπάλου, αποτρέποντάς τον από το να αποκτήσει πλεονέκτημα. Γενικά, το go είναι παρόμοιο με το παιχνίδι κουκκίδων γνωστό σε πολλούς από το σχολείο - μόνο πιο δύσκολο.

Λόγω του μεγέθους του ταμπλό, 361 παραλλαγές είναι ήδη δυνατές για την πρώτη κίνηση που κάνουν οι μαύρες πέτρες (στο σκάκι - μόνο 20). Αντίστοιχα, με κάθε κίνηση, το δέντρο των πιθανών ευθυγραμμίσεων μόνο μεγαλώνει. Μετά τις δύο πρώτες κινήσεις, υπάρχουν 400 πιθανές εξελίξεις στο σκάκι, και 129.960 εν συνεχεία. Ο μαθηματικός John Tromp έχει υπολογίσει ότι ο αριθμός των πιθανών συνδυασμών θα είναι 171-ψήφιοι αριθμοί.

Ως εκ τούτου, στο παιχνίδι Go, απαιτείται από τους ανθρώπους όχι μόνο να έχουν νοημοσύνη και ικανότητα υπολογισμού, αλλά και ισχυρή αφηρημένη σκέψη, ισχυρή διαίσθηση - ιδιότητες που δεν έχουν αναπτυχθεί ελάχιστα στους υπολογιστές. Ένας από τους προγραμματιστές του AlphaGo, ο Ντέμης Χασάμπης, είπε: «Αυτό είναι ένα πολύ διαισθητικό παιχνίδι. Οι δάσκαλοι του Go συχνά λένε ότι έκαναν μια κίνηση επειδή φαινόταν σωστή». Σύμφωνα με τον ίδιο, οι πλοίαρχοι αναπτύσσουν μια ιδιαίτερη αισθητική αίσθηση και μια καλή θέση φαίνεται απλά όμορφη.

Παρά το γεγονός ότι οι επεξεργαστές γίνονταν πιο ισχυροί και ταχύτεροι κάθε χρόνο, η αναζήτηση για κινήσεις στο δέντρο των δυνατοτήτων επέτρεψε στην τεχνητή νοημοσύνη να φτάσει μόνο στο επίπεδο ενός ισχυρού ερασιτέχνη εν κινήσει. Οι υπολογιστές κέρδισαν τους ανθρώπους, αλλά πήραν το προβάδισμα μόνο σε λίγες πέτρες. Το 2014, ο David Fotland, ένας από τους πρωτοπόρους του go for computers, είπε ότι τα προγράμματα αντιμετωπίζουν το ίδιο πρόβλημα με τους ανθρώπους:

«Πολλοί παίκτες φτάνουν σε μια συγκεκριμένη ερασιτεχνική κορυφή και δεν μπορούν να γίνουν πιο δυνατοί. Για να ξεπεράσετε αυτό το οροπέδιο, πρέπει να κάνετε κάποιο είδος νοητικού άλματος και τα προγράμματα έχουν τα ίδια προβλήματα. Πρέπει να κοιτάξετε ολόκληρο το ταμπλό, όχι μόνο τις τοπικές μάχες». Για να ξεπεράσουν αυτό το πνευματικό εμπόδιο και να προσομοιώσουν τη διαίσθηση και την αισθητική αίσθηση των επαγγελματιών, οι προγραμματιστές του AlphaGo συνέδεσαν νευρωνικά δίκτυα και αλγόριθμους βαθιάς μάθησης.

Πρώτον, τα νευρωνικά δίκτυα του AlphaGo τροφοδοτήθηκαν με μια βάση δεδομένων ανθρώπινων παιχνιδιών, η οποία περιελάμβανε περίπου 30 εκατομμύρια κινήσεις. Μετά από αυτό, έμαθε να προβλέπει σωστά την πορεία ενός ατόμου το 57% των περιπτώσεων, αν και το προηγούμενο ρεκόρ τεχνητής νοημοσύνης ήταν 44%. Στη συνέχεια, οι προγραμματιστές έμαθαν στο AlphaGo να παίζει εναντίον του - έτσι ο υπολογιστής έμαθε ακόμα καλύτερα να επισημαίνει τις πιο κερδοφόρες κινήσεις και να αναπτύσσει νέες στρατηγικές.

Όλα αυτά βοήθησαν στον εξορθολογισμό των διαδικασιών στις οποίες δούλεψε ο Deep Blue, ο οποίος κέρδισε τον Κασπάροφ. Τώρα το σύστημα δεν παίζει απλώς όλους τους πιθανούς συνδυασμούς, αλλά ξέρει επίσης πώς να εστιάζει στα πιο υποσχόμενα σενάρια για την εξέλιξη των γεγονότων. Επιπλέον, βρίσκει τον προσανατολισμό της ακόμα και σε καταστάσεις που δεν έχει ξανασυναντήσει. Και τέτοια, λόγω της κλίμακας του Go, παρέμειναν. Λόγω του νέου μηχανισμού, το AlphaGo κέρδισε όλους τους παίκτες υπολογιστών που είχαν δημιουργηθεί προηγουμένως (ενώ τους έδωσε ένα προβάδισμα με τέσσερις πέτρες) και άρχισε να νικάει επαγγελματίες.

Τον Οκτώβριο του 2015, η AlphaGo νίκησε τον δύο φορές πρωταθλητή Ευρώπης, Γάλλο Φαν Χούι. Έπαιξαν πέντε παιχνίδια, κανείς δεν είχε προβάδισμα και ο υπολογιστής κέρδισε και τα πέντε. Αυτή ήταν η πρώτη φορά που επαγγελματίας νικήθηκε από μηχανή. Μετά τον αγώνα, ο Hui είπε ότι είχε μάθει πολλά και αυτή η γνώση τον βοήθησε να προσθέσει και να ανέβει στη διεθνή κατάταξη.