211service.com
I stedet for at øve mestrede denne AI skak ved at læse om det
Et skakbræt. Unsplash
Skakfans elsker intet mere end at diskutere et mesterligt offer ved Bobby Fischer eller en genial angrebslinje fra den nuværende verdensmester Magnus Carlsen . Det viser sig, at denne snak kunne hjælpe AI-programmer med at lære at spille spillet på en ny måde. En dag kunne den samme teknik give maskiner mulighed for at bruge det følelsesmæssige indhold i vores sprog til at mestre forskellige praktiske opgaver.
Skakalgoritmen, kaldet FeelMATE , blev udviklet af forskerne Nicholas McCarthy, Isaac Kamlish og Isaac Bentata Chocron ved University College London. Den evaluerer kvaliteten af skaktræk ved at analysere reaktionen fra ekspertkommentatorer.
Holdet analyserede teksten i 2.700 skakspilkommentarer, der var tilgængelige online. De beskærede kommentarer, der ikke vedrørte træk af høj kvalitet, og eksempler, der var for tvetydige. Derefter brugte de en speciel type tilbagevendende neurale netværk og ordindlejringer (en matematisk teknik, der forbinder ord på grundlag af deres betydninger), trænet på en anden state-of-the-art model til at analysere sprog.
AI har for nylig gjort betydelige fremskridt inden for parsing af sprog. For eksempel viste en algoritme udviklet af forskere ved OpenAI, et forskningsfirma i San Francisco, sig i stand til at generere hele nyhedshistorier ud fra en prompt af et par ord.
Det næste trin i udviklingen af naturlig sprogbehandling er at konvertere denne lærte information til håndgribelige handlinger for at hjælpe med at løse opgaver i den virkelige verden, sagde forskerne i en e-mail til MIT Technology Review. Vi mente, at læringsstrategi fra tekstbaserede data kunne være en meget vigtig forskningsvej at udforske.
SentiMATE overraskede forskerne med sin evne til at udarbejde nogle af de grundlæggende principper i skak såvel som flere nøglestrategier, såsom forking (når to eller flere brikker er truet samtidigt) og kastning (når kongen og slottet begge flytter til en mere defensiv position på bagsiden af brættet).
Det var næppe en AI-stormester: det lykkedes ikke at slå nogle konventionelle skakbots konsekvent. Men programmet demonstrerer løftet om at bruge sproget til at hjælpe med at finde ud af, hvordan man spiller spillet godt, med færre øvelsesdata og mindre computerkraft end konventionelle tilgange kræver.
Skak har længe været et benchmark for fremskridt inden for maskinintelligens, fra Alan Turings program fra 1951 til at spille spillet (skrevet på papir) til Garry Kasparovs nederlag i hænderne på IBMs Deep Blue.
For nylig demonstrerede Alphabet-datterselskabet DeepMind en skakvariant af AlphaGo, programmet, der er i stand til at lære sig selv at spille det gamle kinesiske brætspil Go. Dette program, kendt som AlphaZero , fik spillets regler og finpudset derefter sine færdigheder ved at spille mod andre versioner af sig selv. Fordi det lærte sig selv, udviklede AlphaZero nogle usædvanlige og overraskende strategier. Men ligesom Deep Blue havde AlphaZero brug for tusindvis af Googles specialiserede Tensor Processing Unit (TPU)-chips samt data fra millioner af træningsspil.
Forskerne siger, at de læringsteknikker, SentiMATE bruger, kan have mange andre praktiske anvendelser ud over skak. For eksempel kan de hjælpe maskiner med at analysere sport, forudsige økonomisk aktivitet og komme med bedre anbefalinger. Der er en overflod af bøger, blogs og aviser, der alle venter på at blive lært af, påpeger holdet.