Den 27. januar annoncerede Google, at AlphaGo, en kunstig intelligens Hvilken kunstig intelligens er ikke, hvilken kunstig intelligens er ikke intelligent, vil kendte robotter overtage verden? Ikke i dag - og måske aldrig. Læs mere udviklet af sit datterselskab DeepMind, havde besejret European Go-mester Fan Hui i en kamp med fem kampe.
Du har måske hørt om denne nyhed, da det laver overskrifter rundt om i verden, men hvorfor bryr folk sig så meget om det? Hvad betyder det hele? Hvis du ikke er bekendt med spillet Go eller dets betydning for kunstig intelligens, kan du måske føle dig lidt tabt.
Bare rolig, vi har dækket dig. Her er alt hvad du behøver at vide om gennembrudet, og hvordan det påvirker almindelige mennesker som dig og mig.
The Game of Go: Enkelt, men kompleks
Go er et gammelt kinesisk strategispil, hvor to spillere kæmper for at fange territorium. Drej til tur, hver spiller - en hvid, den anden sort - placerer sten på skæringspunktet på et 19 x 19 gitter. Når en gruppe af sten er helt omgivet af den anden spillerens sten, bliver de "fanget" og fjernet fra bordet.
I slutningen af spillet er hvert tomt sted "ejet" af spilleren der omgiver det. Hver spiller score er baseret på hvor meget territorium han ejer (dvs. hvor meget tomt rum han har omgivet) plus antallet af modstandsstykker, der blev taget under spil.
Mens de fleste sandsynligvis tænker på skak som kongen af strategispil, er Go faktisk mere kompleks. Ifølge Wikipedia er der 10 761 mulige Go-spil i forhold til 10 120 anslåede mulige Chess-spil.
Denne kompleksitet, sammen med nogle esoteriske regler og en vægt på at spille ved instinkt, gør Gør et særligt svært spil for computere til at lære og spille på højt niveau.
Den Incredible World of Game-Playing AI'er
I den store planlægning af ting ser design af en kunstig intelligens, der spiller et spil, ikke ud som en meget værdig forfølgelse, især når IBMs Watson AI allerede arbejder for at forbedre sundhedssektoren, et område der har brug for al den hjælp, den kan få. Så hvorfor brugte Google så mange timer og dollars til at skabe et Go-playing AI?
På et niveau hjælper det AI-forskere finde ud af den bedste måde at lære computere at gøre ting på. Hvis du kan lære en computer at løse hvordan man finder de bedste træk i et spil Checkers eller Tic-Tac-Toe, kan du få indsigt i at lære en anden computer, hvordan man kan anbefale film på Netflix 4 Maskinindlæringsalgoritmer, der former dit liv 4 Maskinindlæringsalgoritmer, der skaber dit liv Du kan ikke indse det, men maskinindlæring er allerede rundt omkring dig, og det kan udøve en overraskende grad af indflydelse i dit liv. Tro mig ikke? Du kan blive overrasket. Læs mere, omgående oversætte tale eller forudsige jordskælv.
Mange af de anvendelser til AI, som vi har set hidtil, ville have gavn af forbedrede problemløsende og mønsterudvækstende evner, som også er vigtige for effektive spilleafspillede AI'er.
Deep Blue, Chess-mesteren AI, arbejdede ved at bruge en enorm mængde computational power og brute force-teknikker til at evaluere alle mulige næste træk - op til 200.000.000 stillinger pr. Sekund. Og mens denne strategi var effektiv nok til at slå en tidligere World Chess Champion, er det ikke en særlig "menneskelig" måde at spille skak på. Det kræver også, at programmører "forklarer" spilets regler til AI.
Mere for nylig blev der udviklet en proces kaldet dyb læring, som i det væsentlige banede vejen for computere til at undervise sig selv, og det ændrede fuldstændigt løbet for kunstig intelligens Microsoft vs Google - hvem leder det kunstige intelligens løb? Microsoft vs Google - Hvem leder det kunstige intelligens løb? Kunstige intelligensforskere gør konkrete fremskridt, og folk begynder at tale alvorligt om AI igen. De to titaner, der fører den kunstige intelligens race, er Google og Microsoft. Læs mere .
Med dyb læring kan en computer udtrække nyttige mønstre fra data - i stedet for at blive fortalt af programmører, hvilke mønstre den skal søge efter - og brug disse mønstre til at optimere egne beslutninger. Hvis dyb læring er vellykket, kan en AI endda opdage mønstre, der er mere effektive end det vi kan genkende som mennesker.
Denne type læring blev demonstreret sidste år, da Google-ejede AI-forskningsfirma DeepMind afslørede et AI, der lærte sig selv at spille 49 forskellige Atari-spil Atari Arcade - Spil Retro Videospil I HTML5 [MUO Gaming] Atari Arcade - Spil Retro Videospil I HTML5 [MUO Gaming] Enhver, der spiller videospil i dag, skylder en stor taknemmelig tak for Atari og grundlæggerne og ingeniørerne, der arbejdede for virksomheden i løbet af sine formative år. Atari var ansvarlig for mange af de ... Læs mere efter at have fået kun rå input. (Du kan se det lære at spille Breakout ovenfor.)
Processen er den samme som at lære et videospil uden en tutorial eller forklaring. Du ser et stykke tid, så prøv at skubbe tilfældige knapper, så begynd at finde ud af ting, udvikle strategier, og til sidst gå ud til at udmærke sig.
Og udmærket det gjorde det. DeepMind AI ødelagde absolut professionelle niveau menneskelige modstandere i nogle af disse spil, som Video Pinball. Det gik betydeligt værre i andre spil, herunder fru Pac-Man, men havde en meget imponerende rekord samlet.
AlphaGo: Det næste niveau af AI
AlphaGo, den computer, der besejrede Fan Hui at Go, brugte denne dybe læringsstrategi til at gå ubesejret i fem kampe.
I stedet for at bruge brute force computation som Deep Blue, bestemte AlphaGo sin næste bevægelse ved at bruge det, det havde lært i træning for at begrænse omfanget af potentielt effektive bevægelser, og derefter køre simuleringer for at se, hvilke bevægelser der sandsynligvis ville resultere i positive resultater.
To forskellige neurale netværk Den nyeste computerteknologi, du skal se for at tro på den nyeste computerteknologi, du skal se for at tro. Tjek nogle af de nyeste computerteknologier, der er sat til at omdanne verden af elektronik og pc'er i løbet af de næste par år. Læs mere, politiknetværket og værdienetværket arbejdede sammen for at evaluere bevægelser og vælge den bedste, der hver gang drejer.
På grund af Go's kompleksitet er det ikke muligt at anvende en brute force-tilgang over alle mulige bevægelser, ligesom det er i skak. Så AlphaGo tog den viden, han fik i løbet af træningsfasen, ud af at se på 30 millioner bevægelser foretaget af menneskelige eksperter, lære at forudsige deres bevægelser, komme op på egne strategier og spille imod sig selv tusindvis af gange.
Ved hjælp af forstærkningsindlæring blev dets beslutningsprocesser udviklet og styrket, indtil AlphaGo blev den bedste Go-playing AI i verden. I 500 spil mod de mest avancerede Go-computere vandt det 499 af dem - selv efter at have givet disse programmer en fire-træk hovedstart.
Og selvfølgelig slog AlphaGo Fan Hui, den nuværende European Go-mester. Sejren blev faktisk opnået i oktober 2015, men meddelelsen blev forsinket for at falde sammen med udgivelsen af DeepMinds forsknings papir i Nature . I marts vil AlphaGo påtage sig Lee Sedol, den mest dominerende aktør i verden i løbet af de sidste ti år.
Okay, så hvad betyder det hele?
Hvorfor skaber dette overskrifter rundt om i verden? Af flere grunde, faktisk.
For det første troede mange, at det var umuligt med den nuværende teknologi. De fleste estimater sagde, at en AI ikke ville slå en verdensklasse Go-spiller i mindst ti år. AlphaGos værdinetværk kan evaluere ethvert Go-spil, der aktuelt bliver spillet og forudsige en eventuel vinder. Et problem, som Google siger, er "så svært, at man troede at være umuligt".
For det andet er den kendsgerning, at dyb og uafhængig læring blev brugt, meget vigtig. Dette viser, at en nuværende kunstig intelligens kan samle data, udtrække mønstre, lære at forudsige sådanne mønstre og til sidst udvikle problemløsende strategier, som er komplekse og effektive nok til at slå et menneske af verdensklasse.
Og mens man vinder på Go, ikke vil ændre verden, er det meget imponerende, at en computer kunne komme op på det niveau af strategi ved hjælp af sine egne læringsalgoritmer.
Det er denne dybe læring, som har AI-forskere virkelig spændt på AlphaGo. Mange tror, at selvstændig læring er det første skridt i retning af at skabe en stærk kunstig intelligens . En stærk AI refererer til en computer, der kan løse intellektuelle opgaver på lige fod med mennesker (hvilket er utroligt svært, hovedsagelig på grund af den menneskelige hjerne kompleksitet og effektivitet). Dette er den slags AI du ser i mange science fiction-film OBS! De bedste film om kunstig intelligens Opmærksomhed, internet! De bedste film om kunstig intelligens Hollywood har frigivet mange fantastiske film, der udforsker problemerne med kunstig intelligens gennem årene, og her er 10 af de bedste film om AI, vi anbefaler, at du flytter himmel og jord til ... Læs mere.
Det er derfor, at at skabe AI'er, der kan opføre sig på menneskelige måder, er sådan en stor aftale. Udtrækningsmønstre og udvikling af strategier er noget, vi gør hele tiden, og vi bruger ikke brute force-metoder, når vi træffer beslutninger.
Det er meget svært at få en computer til at gøre det uden meget vejledning, men takket være AlphaGo, ved vi nu, at stærk AI ikke kun er muligt, men nærmere end vi troede.
Selvfølgelig er en Go-Play AI stadig langt væk fra en generelt intelligent AI. Det er kun en ting, der er lige så simpelt som en kunstig intelligens kan få - selvom Atari-Play AI var i stand til at spille 49 forskellige spil Fremtidige videospil AI'er vil i alvorlig grad freake dig ud Fremtidige videospil AI'er vil i alvorlig grad freake dig ud Videogame AI er ikke så stor endnu. Men med nyere teknologiske fremskridt kan det snart ændre sig. Læs mere - men AlphaGos effektive uafhængige læring kan være det første skridt i retning af et stort paradigmeskift i AI.
Hvad synes du?
Der er ingen tvivl om, at AlphaGo's sejr over Fan Hui er vigtig, men om det er værd at være verdensomspændende overskrifter, er det op til debat.
Tror du det er en stor aftale? Er vi et skridt tættere på robotapokalypsen Microsoft, Artificial Intelligence og Robot Apocalypse Microsoft, Artificial Intelligence og Robot Apocalypse Microsoft giver en række autonome robotter et seriøst udseende. Er dette begyndelsen af slutningen for mennesker, eller bare et andet skridt fremad i skubbet for sikker kunstig intelligens? Læs mere ? Eller er du ikke imponeret af en AI, der bare kan spille et spil? Del dine tanker nedenfor og lad os tale om det.
Billedkreditter: Gå spillet af vvoe via Shutterstock, Tatiana Belova via Shutterstock.com, Mciura via Wikimedia Commons, Zerbor via Shutterstock.com