„AlphaGo Zero Shows“ mašinos gali tapti antžmogiškais be jokios pagalbos

www.alphagomovie.com

AlphaGo labai ilgai nebuvo geriausias Go žaidėjas planetoje. Pasirodė nauja meistriškos AI programos versija, ir tai yra pabaisa. Dvikovose AlphaGo Zero nugalėjo pradinę programą 100 žaidimų prieš nė vieną.

Tikrai šaunu, kaip tai padarė AlphaGo Zero. Kadangi pradinis „AlphaGo“ išmoko gavęs duomenis iš šimtų tūkstančių žmonių ekspertų žaidžiamų žaidimų, „AlphaGo Zero“, kurį taip pat sukūrė „Alphabet“ dukterinė įmonė. DeepMind , prasidėjo tik tuščia lenta ir žaidimo taisyklėmis. Jis išmoko tiesiog žaisdamas milijonus žaidimų prieš save ir naudodamas tai, ką išmoko kiekviename žaidime, kad tobulėtų.

Naujoji programa yra žingsnis į priekį, siekiant sukurti tikrai protingas mašinas. Taip yra todėl, kad mašinos turės rasti sudėtingų problemų sprendimus net tada, kai nėra daug treniruočių duomenų, iš kurių būtų galima mokytis.

Susijusi istorija

Susijusi istorija

Įspūdingiausias dalykas yra tai, kad mums nebereikia jokių žmonių duomenų, sako Demis Hassabis, „DeepMind“ generalinis direktorius ir vienas iš įkūrėjų. Hassabis teigia, kad AlphaGo Zero kūrimo metodai yra pakankamai galingi, kad juos būtų galima taikyti realiose situacijose, kai būtina ištirti daugybę galimybių, įskaitant vaistų atradimą ir medžiagų mokslą. „AlphaGo Zero“ tyrimas šiandien paskelbtas žurnale Gamta.

Pažymėtina, kad šio savarankiško mokymosi proceso metu AlphaGo Zero atrado daugybę gudrybių ir technikų, kurias žmonės Go žaidėjai sukūrė per pastaruosius kelis tūkstančius metų. Po kelių dienų jis iš naujo atranda žinomas geriausias pjeses, o paskutinėmis dienomis apeina šias pjeses, kad surastų ką nors dar geresnio, sako Hassabis. Visai šaunu matyti.

„DeepMind“, įsikūrusią Londone, 2014 m. įsigijo „Google“. Įmonė siekia didelių pažangų dirbtinio intelekto srityje, naudodama žaidimus, modeliavimą ir mašininį mokymąsi; ji pasamdė šimtus AI tyrėjų, siekdama šio tikslo. Kuriant AlphaGo Zero dalyvavo maždaug 15 žmonių ir tikriausiai milijonų dolerių vertės kompiuteriniai ištekliai, sako Hassabis.

Tiek „AlphaGo“, tiek „AlphaGo Zero“ naudoja mašininio mokymosi metodą, žinomą kaip sustiprinimo mokymasis (žr. 10 Breakthrough Technologies 2017: Stiprinamasis mokymasis), taip pat giluminius neuroninius tinklus. Sustiprinimo mokymasis įkvėptas gyvūnų mokymosi per eksperimentus ir grįžtamąjį ryšį, o „DeepMind“ panaudojo šią techniką, kad pasiektų antžmogišką našumą paprastesniuose „Atari“ žaidimuose.

Galimų konfigūracijų skaičius Go lentoje yra didesnis nei atomų skaičius visatoje. www.alphagomovie.com

Stalo žaidimo „Go“ įvaldymas buvo ypač svarbus, nes žaidimas toks sudėtingas ir geriausi žaidėjai savo judesius atlieka taip instinktyviai. Kitaip tariant, gero žaidimo taisyklės negali būti lengvai paaiškinamos ar surašytos kodu.

Sustiprinimo mokymasis taip pat rodo pažadą automatizuoti mašinų programavimą daugelyje kitų kontekstų, įskaitant tuos, kuriuose būtų nepraktiška juos programuoti rankiniu būdu. Jis jau bandomas kaip būdas išmokyti robotus suvokti, pavyzdžiui, nepatogius objektus, ir kaip būdas taupyti energiją duomenų centruose perkonfigūruojant aparatinę įrangą. Tačiau daugelyje realių situacijų gali būti, kad nėra daug pavyzdžių, iš kurių būtų galima mokytis, o tai reiškia, kad mašinos turės mokytis pačios. Tuo AlphaGo Zero įdomus.

Nenaudodami žmonių duomenų ar žinių, iš tikrųjų pašalinome žmonių žinių suvaržymus, sako Davidas Sidabras , pagrindinis DeepMind tyrėjas ir Londono universiteto koledžo profesorius. Jis gali pats susikurti žinias iš pirmųjų principų.

Kad pasiektų Go viršenybę, AlphaGo Zero tiesiog žaidė prieš save, iš pradžių atsitiktinai. Kaip ir originalas, jis naudojo gilų neuroninį tinklą ir galingą paieškos algoritmą, kad pasirinktų kitą žingsnį. Tačiau AlphaGo Zero vienas neuroninis tinklas rūpinosi abiem funkcijomis.

Martinas Mulleris , Albertos universiteto Kanadoje profesorius, kuris atliko svarbų darbą su Go-play programine įranga, yra sužavėtas AlphaGo Zero dizaino ir teigia, kad jis skatina mokymąsi. Jis sako, kad architektūra yra paprastesnė, tačiau galingesnė nei ankstesnės versijos.

„DeepMind“ jau yra AI pramonės numylėtinė, o jos naujausias pasiekimas tikrai patrauks antraštes ir sukels diskusijas apie pažangą kuriant daug galingesnių AI formų.

Vis dėlto yra priežasčių į pranešimą žiūrėti atsargiai. Petro sekmadieniais , Vašingtono universiteto profesorius, pabrėžia, kad programa vis dar turi žaisti daug milijonų žaidimų, kad būtų įvaldyta Go – daug daugiau nei patyręs žmogus. Tai rodo, kad programoje naudojamas intelektas kažkaip iš esmės skiriasi.

Tai puiki pastarojo meto gilaus mokymosi ir mokymosi stiprinimo pažangos iliustracija, tačiau aš per daug to neskaityčiau kaip ženklo, ko kompiuteriai gali išmokti be žmogaus žinių, sako Domingosas. Būtų tikrai įspūdinga, jei AlphaGo įveiktų [legendinį Pietų Korėjos čempioną] Lee Sedolą, sužaidęs maždaug tiek žaidimų, kiek žaidė per savo karjerą prieš tapdamas čempionu. Mes niekur to nesame.

Iš tiesų, tiek Silveris, tiek Hassabis pripažįsta, kad jiems bus svarbu rasti būdų, kaip mašinos galėtų mokytis iš kur kas mažiau duomenų, siekiant įgyti intelektą. Tai gali apimti naujų metodų kūrimą, leidžiančius mašinoms perkelti tai, ko išmoko vienoje srityje, į kitą arba mokytis stebint kitus (tiek žmones, tiek kitus AI).

Tačiau nepaisant to, ką dar reikia padaryti, Hassabis tikisi, kad per 10 metų AI atliks svarbų vaidmenį sprendžiant svarbias mokslo, medicinos ar kitų sričių problemas. Tikiuosi, kad tokie algoritmai ir būsimos versijos nuolat dirbs su mumis, žengdami į priekį mokslo ir medicinos ribose, sako jis. Galbūt visokius dalykus iš dalies sukūrė ir atrado tokie algoritmai, dirbantys kartu su labai protingais žmonėmis.

paslėpti