211service.com
Kaip AlphaZero pati perrašė žaidimo taisykles
Davidas Silveris sako, kad kompiuterinė programa, išmokusi būti šachmatų didmeistriu, demonstruoja kūrybiškumo esmę.
2019 m. vasario 22 d
Džordijus Woodas
Davidas Silveris išrado kažką, kas gali būti išradingesnis nei jis.
Silveris buvo pagrindinis AlphaGo – kompiuterinės programos, kuri išmoko žaisti „Go“ – sudėtingą žaidimą, kuriame išnaudojama žmogaus intuicija, o ne aiškios žaidimo taisyklės, tyrinėtojas, tyrinėdamas žmonių žaidžiamus žaidimus.
Ši istorija buvo mūsų 2019 m. kovo mėnesio numerio dalis
- Žr. likusią numerio dalį
- Prenumeruoti
Naujausias Silver kūrinys AlphaZero mokosi žaisti stalo žaidimus, įskaitant Go, šachmatus ir Shogi, treniruodamasis prieš save. Per milijonus praktinių žaidimų AlphaZero atranda strategijas, kurias sukurti žmonėms prireikė tūkstantmečių.
Taigi ar AI vieną dieną galėtų išspręsti problemas, kurių žmogaus protas niekada negalėjo? Kalbėjausi su Silveru jo Londono biure „DeepMind“, kuris dabar priklauso „Alphabet“.
Viename garsiajame žaidime prieš galbūt geriausią visų laikų Go žaidėją AlphaGo padarė puikų žingsnį, kurį stebėtojai iš pradžių laikė klaida. Ar tą akimirką tai buvo kūrybiškumas?
„Move 37“, kaip tapo žinoma, nustebino visus, įskaitant „Go“ bendruomenę ir mus, jo kūrėjus. Tai buvo kažkas kito, nei tikėtasi žaisti Go, kurį žmonės suprato per tūkstančius metų. Man tai yra kūrybingumo pavyzdys.
Kadangi AlphaZero nesimoko iš žmonių, ar jis dar kūrybiškesnis?
Kai ką nors mokaisi pats, tai visiškai nuo nulio kaupia savo žinias, tai yra beveik kūrybiškumo esmė.
AlphaZero turi viską išsiaiškinti pats. Kiekvienas žingsnis yra kūrybinis šuolis. Tos įžvalgos yra kūrybingos, nes jas davė ne žmonės. Ir tie šuoliai tęsiasi tol, kol tai yra kažkas, kas viršija mūsų galimybes ir gali mus nustebinti.
„AlphaZero“ žaidė prieš geriausią įprastą šachmatų variklį „Stockfish“. ko išmokai?
„Stockfish“ turi šią labai sudėtingą paieškos programą, tačiau jos esmė yra modulis, kuriame sakoma: „Žmonių nuomone, tai gera arba bloga padėtis“. Taigi žmonės ten yra labai giliai įsipainioję. Jai sunku atitrūkti ir suprasti iš esmės kitokią poziciją.
AlphaZero išmoksta pats suprasti pozicijas. Buvo vienas gražus žaidimas, kurį tik žiūrėjome, kur jis iš tikrųjų atiduoda keturis pėstininkus iš eilės ir netgi bando atsisakyti penktojo pėstininko. Stockfish mano, kad laimi fantastiškai, bet AlphaZero yra tikrai laimingas. Surastas būdas suprasti poziciją, kuri neįsivaizduojama pagal šachmatų normas. Jis supranta, kad geriau turėti poziciją nei keturis pėstininkus.
Ar AlphaZero rodo, kad AI vaidins vaidmenį būsimose mokslo naujovėse?
Mašininiame mokyme vyravo metodas, vadinamas prižiūrimu mokymusi, o tai reiškia, kad pradedate nuo visko, ką žino žmonės, ir bandote tai paversti kompiuterine programa, kuri viską atlieka lygiai taip pat. Šio naujo požiūrio, mokymosi sustiprinimo, grožis yra tas, kad sistema pati iš pirmųjų principų mokosi, kaip pasiekti užsibrėžtus tikslus. Tai tarsi milijonas mini atradimų vienas po kito, kurie formuoja šį kūrybinį mąstymo būdą. Ir jei galite tai padaryti, galite gauti kažką, kas turi didžiulę galią, didžiulį gebėjimą spręsti problemas ir, tikėkimės, gali sukelti didelių proveržių.
Ar yra žmogaus kūrybiškumo aspektų, kurių negalima automatizuoti?
Jei galvojame apie žmogaus proto galimybes, mums dar toli iki to. Mes galime pasiekti rezultatų specializuotose srityse, tokiose kaip šachmatai ir „Go“, turėdami didžiulę kompiuterio galią, skirtą tai vienai užduočiai. Tačiau žmogaus protas sugeba radikaliai apibendrinti kažką kitokio. Galite pakeisti žaidimo taisykles, ir žmogui nereikia dar 2000 metų, kad suprastų, kaip ji turėtų žaisti.
Sakyčiau, kad galbūt šiuo metu dirbtinio intelekto riba – ir kur mes norėtume eiti – yra padidinti mūsų algoritmų diapazoną ir lankstumą, kad jie apimtų visą spektrą, ką gali padaryti žmogaus protas. Bet iki to dar toli.
Kaip mes galėtume ten patekti?
Norėčiau išsaugoti šią idėją, kad sistema gali laisvai kurti, nevaržoma žmogaus žinių.
Kūdikis nesijaudina nei dėl savo karjeros, nei dėl to, kiek vaikų jis turės. Tai žaidimas su žaislais ir manipuliavimo įgūdžių mokymasis. Yra siaubingai daug ką sužinoti apie pasaulį, kai nėra galutinio tikslo. Tas pats gali ir turi būti taikoma mūsų sistemoms.