Google's doorbraak op het gebied van AI: wat het betekent en hoe het u beïnvloedt

Advertentie

Op 27 januari kondigde Google aan dat AlphaGo, een kunstmatige intelligentie Wat kunstmatige intelligentie niet isGaan intelligente, bewuste robots de wereld overnemen? Vandaag niet - en misschien ook nooit. Lees verder ontwikkeld door dochteronderneming DeepMind, had de Europese Go-kampioen Fan Hui verslagen in een wedstrijd van vijf wedstrijden.

Je hebt misschien wel eens van dit nieuws gehoord omdat het overal in de wereld de krantenkoppen haalt, maar waarom geven mensen er zoveel om? Wat betekent het allemaal? Als je niet bekend bent met het spel Go of de betekenis ervan voor kunstmatige intelligentie, voel je je misschien een beetje verloren.

Maak je geen zorgen, wij staan ​​voor je klaar. Hier is alles wat u moet weten over de doorbraak en hoe deze van invloed is op gewone mensen zoals u en ik.

The Game of Go: Simple Yet Complex

Go is een oud Chinees strategiespel waarin twee spelers vechten om territorium te veroveren. Elke beurt plaatst elke speler - de ene wit, de andere zwart - stenen op de kruispunten van een 19 x 19 raster. Wanneer een groep stenen volledig wordt omringd door de stenen van de andere speler, worden ze "gevangen" en van het bord verwijderd.

Aan het einde van het spel is elke lege plek "eigendom" van de speler eromheen. De scores van elke speler zijn gebaseerd op hoeveel territorium hij bezit (d.w.z. hoeveel lege ruimte hij heeft omsingeld) plus het aantal stukken van de tegenstander dat tijdens het spelen is vastgelegd.

Hoewel de meeste mensen Chess waarschijnlijk beschouwen als de koning van strategiespellen, is Go eigenlijk complexer. Volgens Wikipedia zijn er 10⁷⁶¹ mogelijke Go-spellen vergeleken met 10¹²⁰ geschatte mogelijke schaakpartijen.

Deze complexiteit, samen met enkele esoterische regels en de nadruk op instinctief spelen, maakt Go een bijzonder moeilijk spel voor computers om op hoog niveau te leren en te spelen.

De ongelooflijke wereld van game-playing AI's

In het grote geheel van dingen lijkt het ontwerpen van een kunstmatige intelligentie die een game speelt niet erg de moeite waard achtervolging, vooral wanneer IBM's Watson AI al bezig is om de gezondheidszorg te helpen verbeteren, een gebied dat alle hulp nodig heeft krijgen. Dus waarom heeft Google zoveel uren en dollars uitgegeven om een ​​Go-playing AI te maken?

Op een bepaald niveau helpt het AI-onderzoekers de beste manier te vinden om computers te leren dingen te doen. Als je een computer kunt leren hoe je de beste zetten in een spelletje dammen of Tic-Tac-Toe kunt vinden, kun je inzicht krijgen in het leren van een andere computer hoe films aanbevelen op Netflix 4 Machine learning-algoritmen die uw leven vormgevenU beseft het misschien niet, maar machine learning is al overal om u heen en het kan een verrassende mate van invloed op uw leven uitoefenen. Geloof je me niet? Het zal u misschien verbazen. Lees verder , vertaal spraak onmiddellijk of voorspel aardbevingen.

Veel van de toepassingen voor AI die we tot nu toe hebben gezien, zouden baat hebben bij verbeterde mogelijkheden voor het oplossen van problemen en het extraheren van patronen, die ook belangrijk zijn voor effectieve AI's die games spelen.

Deep Blue, de schaakkampioen AI, werkte met een enorme hoeveelheid rekenkracht en brute krachttechnieken om alle mogelijke volgende zetten te evalueren - tot 200.000.000 posities per seconde. En hoewel deze strategie effectief genoeg was om een ​​voormalig wereldkampioen schaken te verslaan, is het geen bijzonder "mensachtige" manier om te schaken. Het vereist ook dat programmeurs de spelregels aan de AI 'uitleggen'.

Meer recentelijk werd er een proces ontwikkeld, genaamd diep leren, wat in wezen de weg vrijmaakte voor computers om zichzelf te leren, en dat veranderde de race voor kunstmatige intelligentie Microsoft vs Google - Wie leidt de race voor kunstmatige intelligentie?Onderzoekers op het gebied van kunstmatige intelligentie boeken tastbare vooruitgang en mensen beginnen weer serieus over AI te praten. De twee titanen die de race voor kunstmatige intelligentie leiden, zijn Google en Microsoft. Lees verder .

Met deep learning kan een computer nuttige patronen uit gegevens halen - in plaats van dat programmeurs hem vertellen naar welke patronen hij moet zoeken - en die patronen gebruiken om zijn eigen beslissingen te optimaliseren. Als deep learning succesvol is, kan een AI zelfs patronen ontdekken die effectiever zijn dan wat we als mensen kunnen herkennen.

Dit type leren werd vorig jaar gedemonstreerd, toen Google-eigendom AI onderzoeksbureau DeepMind een AI onthulde die zichzelf leerde om 49 verschillende te spelen Atari-spellen Atari Arcade - Speel retro videogames in HTML5 [MUO Gaming]Iedereen die vandaag videogames speelt, is Atari en de oprichters en ingenieurs die in de beginjaren voor het bedrijf hebben gewerkt enorm dankbaar. Atari was verantwoordelijk voor veel van de ... Lees verder na alleen ruwe input te hebben gekregen. (Je kunt het hierboven leren om Breakout te spelen.)

Het proces is hetzelfde als het leren van een videogame zonder zelfstudie of uitleg. Je kijkt een tijdje, probeert vervolgens willekeurige knoppen in te drukken, begint dan dingen uit te zoeken, strategieën te ontwikkelen en uiteindelijk uit te blinken.

En blonk uit. De DeepMind AI vernietigde absoluut menselijke tegenstanders op professioneel niveau in sommige van die spellen, zoals Video Pinball. Het deed het aanzienlijk slechter in andere games, waaronder mevrouw Pac-Man, maar had over het algemeen een zeer indrukwekkend record.

AlphaGo: het volgende niveau van AI

AlphaGo, de computer die Fan Hui bij Go versloeg, gebruikte deze deep learning-strategie om in vijf wedstrijden ongeslagen te blijven.

In plaats van brute force-berekening zoals Deep Blue te gebruiken, bepaalde AlphaGo de volgende zet door te gebruiken wat hij tijdens de training had geleerd beperk de reikwijdte van potentieel effectieve bewegingen en voer vervolgens simulaties uit om te zien welke bewegingen het meest waarschijnlijk tot positieve resultaten zouden leiden resultaten.

Twee verschillende neurale netwerken De nieuwste computertechnologie die u moet zien om te gelovenBekijk enkele van de nieuwste computertechnologieën die de wereld van elektronica en pc's de komende jaren zullen transformeren. Lees verder , het beleidsnetwerk en het waardenetwerk, werkten samen om bewegingen te evalueren en elke beurt de beste te kiezen.

Vanwege de complexiteit van Go is een brute force-aanpak over alle mogelijke zetten gewoon niet mogelijk zoals in Schaken. Dus maakte AlphaGo gebruik van de kennis die het opdeed tijdens de trainingsfase, die bestond uit het bekijken van 30 miljoen zetten van menselijke experts, die hun bewegingen leren voorspellen, hun eigen strategieën bedenken en duizenden tegen zichzelf spelen keer.

Met behulp van versterkend leren werden de besluitvormingsprocessen ontwikkeld en versterkt totdat AlphaGo de beste Go-playing AI ter wereld werd. In 500 wedstrijden tegen de meest geavanceerde Go-computers won het er 499 - zelfs nadat deze programma's een voorsprong van vier zetten hadden gekregen.

En natuurlijk versloeg AlphaGo Fan Hui, de huidige Europese Go-kampioen. De overwinning werd feitelijk behaald in oktober 2015, maar de aankondiging werd uitgesteld om samen te vallen met de release van DeepMind's onderzoeksartikel in Natuur. In maart neemt AlphaGo het op tegen Lee Sedol, de meest dominante speler ter wereld in de afgelopen tien jaar.

Oké, dus wat betekent het allemaal?

Waarom haalt dit de krantenkoppen over de hele wereld? Om verschillende redenen eigenlijk.

Ten eerste dachten veel mensen dat dit met de huidige technologie onmogelijk was. Volgens de meeste schattingen zou een AI nog minstens tien jaar lang geen Go-speler van wereldklasse verslaan. De waardeketens van AlphaGo kunnen elk Go-spel dat momenteel wordt gespeeld evalueren en een uiteindelijke winnaar voorspellen. Een probleem dat volgens Google luidt:zo moeilijk was het vermoedelijk onmogelijk. '

Ten tweede is het erg belangrijk dat diep en onafhankelijk leren werd gebruikt. Dit toont aan dat een huidige kunstmatige intelligentie gegevens kan verzamelen, patronen kan extraheren en dergelijke kan leren voorspellen patronen, en uiteindelijk probleemoplossende strategieën ontwikkelen die complex en effectief genoeg zijn om a te verslaan mens van wereldklasse.

En hoewel winnen bij Go de wereld niet zal veranderen, is het feit dat een computer dat niveau van strategie kon bedenken met zijn eigen leeralgoritmen zeer indrukwekkend.

Het is dit diepgaande leren dat AI-onderzoekers erg enthousiast maken over AlphaGo. Velen zijn van mening dat onafhankelijk leren de eerste stap is op weg naar een sterke kunstmatige intelligentie. Een sterke AI verwijst naar een computer die intellectuele taken vergelijkbaar met mensen kan oplossen (wat ongelooflijk moeilijk is, grotendeels vanwege de complexiteit en efficiëntie van het menselijk brein). Dit is het soort AI dat je ziet veel sciencefictionfilms Attentie, internet! De beste films over kunstmatige intelligentieHollywood heeft in de loop der jaren veel geweldige films uitgebracht waarin de problemen van kunstmatige intelligentie worden onderzocht, en hier zijn 10 van de beste films over AI die we je aanraden om Heaven and Earth te verplaatsen naar ... Lees verder .

Om deze reden is het zo belangrijk om AI's te maken die zich op mensachtige manieren kunnen gedragen. Patronen extraheren en strategieën ontwikkelen is iets dat we de hele tijd doen, en we gebruiken geen brute force-methoden bij het nemen van beslissingen.

Het is erg moeilijk om een ​​computer dat te laten doen zonder veel begeleiding, maar dankzij AlphaGo weten we nu dat sterke AI niet alleen mogelijk is, maar dichterbij dan we dachten.

Natuurlijk is een Go-playing AI nog ver verwijderd van een over het algemeen intelligente AI. Het doet maar één ding, dat is zo simpel als een kunstmatige intelligentie kan krijgen - zelfs de Atari-spelende AI was in staat om 49 verschillende spellen te spelen Toekomstige videogame-AI's zullen je serieus gek makenVideogame AI is nog niet zo geweldig - tot nu toe. Met de recente technologische vooruitgang kan dat echter snel veranderen. Lees verder - maar het effectieve onafhankelijke leren van AlphaGo zou de eerste stap kunnen zijn in de richting van een grote paradigmaverschuiving in AI.

Wat denk je?

Het lijdt geen twijfel dat de overwinning van AlphaGo op Fan Hui belangrijk is, maar of het al dan niet de krantenkoppen waard is, staat ter discussie.

Denk je dat dit een groot probleem is? Zijn we een stap dichter bij de robot apocalyps Microsoft, Artificial Intelligence en The Robot ApocalypseMicrosoft geeft een serie autonome robots een serieuze uitstraling. Is dit het begin van het einde voor mensen, of gewoon een volgende stap in de richting van veilige kunstmatige intelligentie? Lees verder ? Of ben je niet onder de indruk van een AI die gewoon een game kan spelen? Deel uw mening hieronder en laten we erover praten.

Afbeeldingscredits: ga spel door vvoe via Shutterstock, Tatiana Belova via Shutterstock.com, Mciura via Wikimedia Commons, Zerbor via Shutterstock.com