Google AI er først i verden til at besejre Professional Go Player

Starter med Trip Trap Træsko i 1954 og derefter brikker i 1994 har computere støt arbejdet sig gennem stadig mere komplekse spil, matchende og derefter overgået det bedste, menneskeheden har at tilbyde. Skak blev længe holdt som en bastion af menneskelig intellekt, der var for subtil for computere at mestre indtil 1997, hvor IBM's Deep Blue besejrede notorisk Garry Kasparov, en af ​​de største spillere i skakhistorien. For nylig opnåede IBM endnu en succes, da dens Watson besejrede to Fare mestre i 2011. Google skabte overskrifter sidste år med en generaliseret kunstig intelligens, der med succes var i stand til at lære sig selv over et dusin

Gå har længe været en hellig gral for AI-forskere på grund af dens kombination af relativt enkle regler og enorm strategisk kompleksitet. Oprindelse i Kina for over 2.500 år siden, Gå har samlet millioner af hengivne spillere og betragtes som en høj intellektuel stræben, især i japansk og kinesisk kultur. Spillere veksler mellem at placere sorte eller hvide sten på et gitter med det mål at erobre hinandens brikker eller helt omgivende sektioner af brættet for at få point. Reglerne er ligetil, men fordi spillere kan placere sten hvor som helst på brættet, har spillet 1 x 10^¹²⁷ mulige stater. Det er mere end antallet af atomer i det kendte univers, og mange størrelsesordener mere end antallet af mulige skakpositioner.

Traditionelle AI-løsninger til spil involverer brug af søgetræer til at gennemløbe mulige måder, som spillet kan spille på, baseret på den aktuelle spiltilstand, for at træffe den mest informerede beslutning. Denne brute force-metode, der udnytter computerstyrken til at løbe igennem flere muligheder, end et intuitionsafhængigt menneske kunne, har altid været fuldstændig utilstrækkelig i lyset af Gå's åbne kompleksitet.

Googles team stolede i stedet på neurale netværk, en tilgang til intelligente systemer, der kører input gennem lag af virtuelle neuroner, der løst efterligner dyrs hjernefunktion. Resultatet måles i forhold til et ønsket mål, og derefter justeres forbindelsesstyrkerne inden for netværkene. Gennem gentagelse tillader dette systemer, der dynamisk "lærer", når frem til løsninger og strategier, der aldrig var direkte programmeret ind. AlphaGo, Googles system, omfattede 12 neurale netværkslag, inklusive et "politiknetværk", der valgte en flytning efter bestyrelsestilstanden blev kørt gennem de andre lag, og et "værdinetværk", der forudsiger vinderen baseret på en given bevæge sig.

30 millioner træk fra menneskelige ekspertspil blev kørt gennem netværket, indtil det med succes kunne forudsige menneskelige bevægelser 57 procent af tiden (i løbet af de foregående 44 procent rekord). AlphaGo ønskede at gøre mere end blot at efterligne menneskelige spillere, og AlphaGo blev derefter sendt til at spille tusindvis af spil mod sig selv og udvikle sine egne, ikke-programmerede strategier ved at justere forbindelser og styrke beslutninger, der førte til sejre, ved at stole på Google Cloud Platform for den nødvendige databehandling åf. Mere teknisk finurligt om, hvordan AlphaGo udviklede sig, kan findes i en artikel offentliggjort af teamet i Natur.

AlphaGo blev derefter sat på prøve. Først tog det den regerende top Gå computerprogrammer, vinder alle undtagen ét ud af 500 spil. Så kom den rigtige test, der udfordrede tre gange europæisk Gå mester Fan Hui. Bag lukkede døre i oktober sidste år gik AlphaGo 5 og 0 mod Hui, hvilket markerer første gang, at et computerprogram nogensinde har overgået en professionel Gå spiller.

Tilfældigvis, Facebook også netop annonceret sine bestræbelser på at tackle Gå med kunstig intelligens i en offentlighed stolpe fra grundlæggeren Mark Zuckerberg. Selvom Facebook tilsyneladende har gjort betydelige fremskridt i det sidste år, ser det ud til, at Google har slået dem til bunds ved at erklære AlphaGos sejr over Fan Hui. Det kan være sjovt og sjovt for nu, men at tackle udfordringer som Gå som tidligere blev anset for uoverkommelige, har større implikationer for udviklingen af ​​forbindelsesorienteret AI og maskinlæring, som har potentialet til at blive ekstremt kraftfulde værktøjer til at analysere rodet, virkelig verden problemer.

Redaktørens anbefalinger

• Hackere bruger AI til at skabe ond malware, siger FBI
• Topforfattere kræver betaling fra AI-virksomheder for at bruge deres arbejde
• De bedste AI-videoredigeringsværktøjer
• ChatGPT-producenten OpenAI står over for FTC-undersøgelse over forbrugerbeskyttelseslove
• Elon Musks nye AI-virksomhed har til formål at 'forstå universet'

Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.