211service.com
Alpha Zero's Alien Chess viser kraften og det særlige ved AI
Det seneste fremskridt fra DeepMind opfører sig på en meget overraskende måde. Forvent, at andre AI-systemer er lige så mærkelige. 8. december 2017
Det seneste AI-program udviklet af DeepMind er ikke kun genialt og bemærkelsesværdigt fleksibelt – det er også ret mærkeligt.
DeepMind udgivet et papir beskrev i denne uge et spilprogram, det udviklede, som viste sig at være i stand til at mestre skak og det japanske spil Shoju, efter at have allerede mestret spillet Go.
Demis Hassabis, grundlæggeren og administrerende direktør for DeepMind og selv en ekspert skakspiller, præsenterede yderligere detaljer om systemet, kaldet Alpha Zero, på en AI-konference i Californien torsdag. Programmet lavede ofte træk, der ville virke utænkelige for en menneskelig skakspiller.
Det spiller ikke som et menneske, og det spiller ikke som et program, sagde Hassabis på konferencen Neural Information Processing Systems (NIPS) i Long Beach. Det spiller på en tredje, næsten fremmed måde.
Udover at vise, hvor geniale maskinlæringsprogrammer kan være til en specifik opgave, viser dette, at kunstig intelligens kan være meget anderledes end den menneskelige slags. Efterhånden som AI bliver mere almindeligt, skal vi måske være bevidste om sådan fremmed adfærd.
Relateret historie
Relateret historie En opgraderet version af den game-playing AI lærer sig selv alle tricks i Go-bogen ved hjælp af en ny form for maskinlæring.Alpha Zero er en mere generel version af AlphaGo, programmet udviklet af DeepMind til at spille brætspillet Go. På 24 timer lærte Alpha Zero sig selv at spille skak godt nok til at slå et af de bedste eksisterende skakprogrammer.
Hvad der dog også er bemærkelsesværdigt, forklarede Hassabis, er, at det nogle gange giver tilsyneladende skøre ofre, som at ofre en biskop og en dronning for at udnytte en positionel fordel, der førte til sejr. Sådanne ofre af stykker af høj værdi er normalt sjældne. I et andet tilfælde flyttede programmet sin dronning til hjørnet af brættet, et meget bizart trick med en overraskende positionsværdi. Det er som skak fra en anden dimension, sagde Hassabis.
Hassabis spekulerer i, at fordi Alpha Zero underviser sig selv, har den fordel af ikke at følge den sædvanlige tilgang med at tildele værdi til brikker og forsøge at minimere tab. Måske har vores opfattelse af skak været for begrænset, sagde han. Det kan være et vigtigt øjeblik for skak. Vi kan pode det ind i vores eget spil.
Skakspillet har en lang historie inden for kunstig intelligens. De bedste programmer, udviklet og forfinet gennem årtier, inkorporerer enorme mængder af menneskelig intelligens. Selvom IBMs Deep Blue i 1996 slog verdensmesteren på det tidspunkt, krævede det program, ligesom andre konventionelle skakprogrammer, omhyggelig håndprogrammering.
Den originale AlphaGo, designet specifikt til Go, var en stor ting, fordi den var i stand til at lære at spille et spil, der er enormt komplekst og svært at undervise, hvilket kræver en instinktiv følelse af bestyrelsespositioner. AlphaGo mestrede Go ved at indtage tusindvis af eksempelspil og derefter øve sig mod en anden version af sig selv. Det gjorde det delvist ved at træne et stort neuralt netværk ved hjælp af en tilgang kendt som forstærkningslæring, som er modelleret på den måde, dyr ser ud til at lære (se Googles AI Masters går et årti tidligere end forventet).
DeepMind har siden demonstreret en version af programmet, kaldet AlphaGo Zero, der lærer uden nogen form for eksempelspil, i stedet for udelukkende at stole på selvspil (se AlphaGo Zero viser, at maskiner kan blive supermenneskelige uden nogen hjælp). Alpha Zero forbedrer sig yderligere ved at vise, at det samme program kan mestre tre forskellige typer brætspil.
Alpha Zeros præstationer er imponerende, men den skal stadig spille mange flere øvelsesspil end en menneskelig skakmester. Hassabis siger, at dette kan skyldes, at mennesker har gavn af andre former for læring, såsom at læse om, hvordan man spiller spillet og se andre mennesker spille.
Alligevel advarer nogle eksperter om, at programmets muligheder, selvom de er bemærkelsesværdige, skal tages i sammenhæng. Taler efter Hassabis, Gary Marcus , en professor ved NYU, sagde, at en stor mængde menneskelig viden gik med til at bygge Alpha Zero. Og han foreslår, at menneskelig intelligens synes at involvere nogle medfødte evner, såsom en intuitiv evne til at udvikle sprog.
Josh Tenenbaum , en professor ved MIT, der studerer menneskelig intelligens, sagde, at hvis vi ønsker at udvikle ægte kunstig intelligens på menneskeligt niveau, bør vi studere den fleksibilitet og kreativitet, som mennesker udviser. Han pegede blandt andre eksempler på Hassabis og hans kollegers intelligens i at udforme, designe og bygge programmet i første omgang. Det er næsten lige så imponerende som en dronning i hjørnet, spøgte han.