Hvordan skaken blev vundet

Da verdensmesteren i skak, Garry Kasparov, brat trak sig fra det sjette og sidste parti i sin kamp i maj mod Deep Blue-a.k.a. IBM RS/6000 SP supercomputeren - en maskine opfyldte endelig en af ​​de ældste udfordringer inden for kunstig intelligens. Skak har pirret computerforskere siden 1830'erne, hvor den excentriske engelske opfinder Charles Babbage tænkte på at lokke investorer til sin idé om en programmerbar analytisk motor ved at udelukke muligheden for en skakmaskine. Reglerne for skak er trods alt præcist definerede og nemme at programmere, men alligevel giver de anledning til strategiske kompleksiteter, der udfordrer de fineste menneskesind. Men trods forskernes bedste indsats viste ingen maskine sig i stand til at slå de bedste menneskelige spillere. Indtil Deep Blue.

Ironisk nok kommer sejren, når computerskak-miljøet for længst har opgivet enhver foregivelse om at efterligne menneskelig tankegang. Skakmestre, ligesom alle os andre, er nu kendt for at ræsonnere ved at genkende mønstre, danne koncepter og skabe plan-processer, som computere klarer sig dårligt, hvis overhovedet. Deep Blue, som alle de bedste skakmaskiner siden 1960'erne, er i stedet afhængig af brute force - den ser så langt frem som den kan på alle mulige træk og evaluerer styrken af ​​hver position i henhold til forudprogrammerede regler. På grund af reglen om, at jo hurtigere computeren er, jo flere positioner kan den søge og jo bedre kan den spille. Deep Blue er afhængig af 32 højhastighedsprocessorer, der arbejder samtidigt, og hver koordinerer arbejdet med 16 specialskakchips, der kører parallelt . Denne computerildkraft gør Deep Blue i stand til at evaluere i alt 200 millioner positioner hvert sekund.

Denne historie var en del af vores udgave fra august 1997

• Se resten af ​​problemet
• Abonner

M. Mitchell Waldrop, forfatter til bestselleren Kompleksitet og om en kommende bog om computerhistorien, talte for nylig med Deep Blues hoveddesigner hos IBM, Feng-Hsiung Hsu, om implikationerne af maskinens sejr og dens værdi for andre formål.

TR: I februar 1996, da Deep Blue var helt ny, gik det op mod Garry Kasparov og tabte. Mange mennesker følte sig retfærdige - som om det beviste det menneskelige sinds medfødte overlegenhed over en ren maskine. Men nu hvor Deep Blue har vundet, føler mange det, som om computeren har ydmyget menneskeheden. Skal de føle sig truet?

HSU: Nej. Husk, at Deep Blue ikke spillede skak af sig selv. Inden kampen overhovedet startede, programmerede mennesker maskinen til at stige til Garrys niveau. Og så i løbet af kampen gik vi faktisk ind imellem kampene, så på Deep Blues fejl og justerede dets kriterier for at vurdere situationen i overensstemmelse hermed, så den ikke ville lave den samme fejl to gange. Uden det kunne Deep Blue ikke have konkurreret med Garry. Så man kan sige, at sidste år vandt Garry en for menneskehedens fortid. I år vandt Deep Blue en for menneskehedens fremtid.

TR: Hvordan det?

HSU: Når Garry spiller skak, er han afhængig af det intellekt, han er født med, hans viden om spillet og den erfaring, han har fået fra at spille både mennesker og computere. Dette er den gammeldags måde at spille skak på; Garry er trods sin glans begrænset af, hvad der er biologisk muligt. Deep Blue repræsenterer enhver teknologi, der giver os mulighed for at overskride de grænser, naturen normalt pålægger os. Lige nu taler vi over telefon: Bare ved at råbe kan jeg ikke nå dig. Princippet er det samme med skak. Garry kan være den bedste spiller nogensinde i skak, men selvom skakspillerne på Deep Blues hold ikke kan hævde at nå nogen steder i nærheden af ​​Garrys evner, overskred vi vores grænser og vandt med Deep Blue.

TR: Når man siger det sådan, så lyder kampen lidt uretfærdig. Garry spillede ikke mod én maskine eller endda én person, men et helt hold.

HSU: Men Garry var også en del af et team. Mellem kampene ville han rådføre sig med sin træner og endda sin egen skakcomputer for at finde ud af mere om, hvad Deep Blue ville gøre. Det er faktisk en normal del af enhver skakkamp på masterniveau. Så man kan sige, at Garry spillede mod en computer, der stolede på menneskelig kraft, men Deep Blue spillede mod et menneske, der delvist stolede på computerkraft.

TR: Fair nok. Men det kunne du have sagt sidste år, da Garry vandt. Alligevel tabte han i år. Hvad gjorde forskellen?

HSU: De mest åbenlyse forskelle er, at Deep Blue var dobbelt så hurtig i år, fordi den havde nye jetoner med central behandlingsenhed, samt dobbelt så mange jetoner, der kun var designet til at spille skak.
Men for kampen var disse hardwarefremskridt ikke så kritiske som to andre overvejelser. Først adresserede vi videnskløften. Garry er et bemærkelsesværdigt menneske, med store lagre af viden og intuition om skak opnået gennem 30 års spil. Sidste år gik Deep Blue ind i kampen som en nyfødt baby: den var lige blevet bygget og vidste ikke meget om skak. Så bagefter bad vi den internationale stormester Joel Benjamin om at komme ind med os og i det væsentlige tage maskinen med til skakskolen. Faktisk gik vi på skakskole og brugte det, vi lærte, til fuldstændig at omprogrammere maskinens grundlæggende softwarekode og redesigne skakchipsene til at inkorporere meget mere skakviden. Ved årets kamp var Deep Blue med Joels ord begyndt at spille skak på menneskeligt niveau.

For det andet behandlede vi spørgsmålet om fortsat læring fra Garrys side. For en datalog er ideen om at bygge en maskine til at konkurrere med verdensmesteren i skak som at bestige Mount Everest. Desværre for os sidste år voksede det menneskelige Mount Everest 100 fod om dagen, mens kampen fortsatte: Garry har et menneskes evne til at tilpasse sig, hvad Deep Blue laver. Vi vidste, at Deep Blue aldrig ville være så adaptiv som et menneske, da det ikke er sådan en computer er konstrueret. Men vi byggede softwareværktøjer, der gjorde det muligt for os at gå ind mellem spillene og justere Deep Blues programmering meget hurtigere, end vi kunne før. Det viste sig at være kritisk. Situationen var som at konkurrere i Indy 500, hvor du går til pitstop og bruger dit eget højhastighedsværktøj til at skifte hjul.

TR: Som du bemærker, er Deep Blue ikke så adaptiv som en person. Du og dine kolleger har igen og igen understreget, at computeren fungerer med numerisk brute force. Hvorfor ikke prøve at simulere menneskelig kognition og tilpasningsevne?

HSU: Mens folk er meget gode til mønstergenkendelse, konceptdannelse og så videre, er disse opgaver meget vanskelige for computere. Computere kan dog supplere mennesker, fordi de er gode til beregninger. Så fra et ingeniørmæssigt synspunkt, hvis du vil angribe skakproblemer med computer, finder du ud af, hvordan du bruger maskinens evne til at beregne hurtigt.

Evnen til at beregne hurtigt er ret nyttig på mange andre områder. En applikation kaldes data mining. Store organisationer bruger denne teknik til at udtrække udvalgte oplysninger fra en lang række detaljer - for eksempel bruger virksomheder den til at analysere finansielle markeder. Data mining kan også hjælpe med at løse et utal af problemer for enkeltpersoner, såsom den informationsoverbelastning, folk nu oplever i kølvandet på øget adgang til blandt andet internettet. Ligesom vi brugte vores specielle skakchips til at fremskynde Deep Blue, idet vi anvender mange af dem parallelt, kan vi skabe computersystemer, der er gode til datamining på World Wide Web. Sådan teknologi kan finde og præsentere dig for information i en nøddeskal, så du ikke behøver at bruge hele dit liv på at surfe på nettet.

TR: Ville et sådant værktøj ikke forstærke, hvad man kan kalde kvantificeringsfejlen - forestillingen om, at alle domme og beslutninger kan reduceres til beregninger?

HSU: Den fare eksisterer. Men data mining fører til sidst til opdagelsen af ​​empiriske resultater og regler, hvorefter folk stopper for at finde ud af, hvorfor de eksisterer. Med andre ord kan vi bruge computere til at udtrække viden fra data, men mennesker skal stadig omdanne den viden til visdom. Sådan udvikler menneskeheden sig.

TR: Hvad er det næste, nu hvor Deep Blue har slået den førende menneskelige skakmester?

HSU: Deep Blues grundlæggende søgeplan er faktisk ikke specifik for skak. Så vi er begyndt at se på andre områder såsom farmaceutisk forskning, hvor Deep Blue kunne hjælpe med at designe nye lægemidler hurtigere. Det er vigtigt, for hvis en sygdom er meget dødelig og også meget smitsom, skal vi være i stand til at bekæmpe den med de bedste værktøjer, vi har. Til det formål designer vi en molekylær modellerende chip-one, der kan hjælpe med at forudsige, hvordan et kandidatlægemiddelmolekyle vil interagere med f.eks. en viruss proteinkappe. Vi planlægger at installere et antal af sådanne chips i en computer næste år.

TR: Når du er kommet så langt med Deep Blue, hvad ville du så egentlig sige, der ville udgøre kunstig intelligens?

HSU: Deep Blue ville udvise ægte AI, hvis det ikke ville tillade mig at trække stikket ud.

skjule