211service.com
Hvordan AlphaZero har omskrevet spillereglerne på egen hånd
David Silver siger, at computerprogrammet, der lærte sig selv at være skakstormester, udviser essensen af kreativitet.
22. februar 2019
Geordie Wood
David Silver opfandt noget, der måske er mere opfindsomt, end han er.
Silver var den førende forsker på AlphaGo, et computerprogram, der lærte at spille Go - et berømt tricky spil, der udnytter menneskelig intuition snarere end klare spilleregler - ved at studere spil spillet af mennesker.
Denne historie var en del af vores marts 2019-udgave
- Se resten af problemet
- Abonner
Silvers seneste kreation, AlphaZero, lærer at spille brætspil inklusive Go, skak og Shogi ved at øve sig mod sig selv. Gennem millioner af øvelsesspil opdager AlphaZero strategier, som det tog mennesker årtusinder at udvikle.
Så kunne kunstig intelligens en dag løse problemer, som menneskers sind aldrig kunne? Jeg talte med Silver på hans kontor i London i DeepMind, som nu ejes af Alphabet.
I et berømt spil mod muligvis den bedste Go-spiller nogensinde, lavede AlphaGo et genialt træk, som menneskelige iagttagere oprindeligt troede var en fejl. Var det at være kreativ i det øjeblik?
Move 37, som det blev kendt, overraskede alle, inklusive Go-fællesskabet og os, dets skabere. Det var noget uden for den forventede måde at spille Go på, som mennesker havde fundet ud af gennem tusinder af år. For mig er dette et eksempel på, at noget er kreativt.
Da AlphaZero ikke lærer af mennesker, er det så endnu mere kreativt?
Når du har noget at lære af sig selv, det er at opbygge sin egen viden helt fra bunden, det er næsten essensen af kreativitet.
AlphaZero skal selv finde ud af alt. Hvert eneste skridt er et kreativt spring. Disse indsigter er kreative, fordi de ikke blev givet til den af mennesker. Og de spring fortsætter, indtil det er noget, der er ud over vores evner og har potentialet til at forbløffe os.
Du har fået AlphaZero til at spille mod den bedste konventionelle skakmotor, Stockfish. Hvad har du lært?
Stockfish har denne meget sofistikerede søgemaskine, men i hjertet af det er dette modul, der siger: Ifølge mennesker er dette en god position eller en dårlig position. Så mennesker er virkelig dybt i løkken der. Det er svært for det at bryde væk og forstå en holdning, der er fundamentalt anderledes.
AlphaZero lærer selv at forstå positioner. Der var et smukt spil, vi lige så på, hvor det rent faktisk giver afkald på fire bønder i træk, og det forsøger endda at give afkald på en femte bonde. Stockfish synes, den vinder fantastisk, men AlphaZero er rigtig glad. Det har fundet en måde at forstå den position, som er utænkelig i henhold til normerne for skak. Den forstår, at det er bedre at have positionen end de fire bønder.
Foreslår AlphaZero, at AI vil spille en rolle i fremtidig videnskabelig innovation?
Maskinlæring har været domineret af en tilgang kaldet overvåget læring, hvilket betyder, at du starter med alt, hvad mennesker ved, og du forsøger at destillere det til et computerprogram, der gør tingene på samme måde. Det smukke ved denne nye tilgang, forstærkende læring, er, at systemet selv lærer, ud fra de første principper, hvordan man opnår de mål, vi sætter det. Det er som en million mini-opdagelser, den ene efter den anden, der bygger denne kreative måde at tænke på. Og kan man det, kan man ende med noget, der har enorm kraft, enorm evne til at løse problemer, og som forhåbentlig kan føre til store gennembrud.
Er der aspekter af menneskelig kreativitet, der ikke kunne automatiseres?
Hvis vi tænker på det menneskelige sinds evner, er vi stadig langt væk fra at opnå det. Vi kan opnå resultater inden for specialiserede domæner som skak og Go med en enorm mængde computerkraft dedikeret til den ene opgave. Men det menneskelige sind er i stand til radikalt at generalisere til noget andet. Du kan ændre spillets regler, og et menneske behøver ikke yderligere 2.000 år for at finde ud af, hvordan hun skal spille.
Jeg vil sige, at grænsen for kunstig intelligens måske i øjeblikket - og hvor vi gerne vil hen - er at øge rækkevidden og fleksibiliteten af vores algoritmer for at dække hele spektret af, hvad det menneskelige sind kan gøre. Men det er stadig et stykke vej.
Hvordan kan vi komme dertil?
Jeg vil gerne bevare denne idé om, at systemet er frit til at skabe uden at være begrænset af menneskelig viden.
En baby bekymrer sig ikke om sin karriere, eller hvor mange børn den får. Det er at lege med legetøj og lære manipulationsevner. Der er utroligt meget at lære om verden i mangel af et endeligt mål. Det samme kan og bør være tilfældet for vores systemer.