Börjar med luffarschack 1954 och sedan dam 1994 har datorer stadigt arbetat sig igenom allt mer komplexa spel, matchat och sedan överträffat det bästa som mänskligheten har att erbjuda. Schack ansågs länge vara en bastion av mänskligt intellekt som var för subtil för datorer att bemästra fram till 1997 när IBM: s Deep Blue besegrade notoriskt Garry Kasparov, en av de största spelarna i schackhistorien. På senare tid gjorde IBM ännu en framgång när dess Watson besegrade två Jeopardy mästare 2011. Google skapade rubriker förra året med en generaliserad AI som framgångsrikt kunde lära sig över ett dussin
Atari spel bara baserat på pixelinmatning.
Gå har länge varit en helig gral för AI-forskare på grund av dess kombination av relativt enkla regler och enorm strategisk komplexitet. Ursprunget i Kina för över 2 500 år sedan, Gå har samlat miljontals hängivna spelare och anses vara en hög intellektuell strävan, särskilt i japansk och kinesisk kultur. Spelare växlar mellan att placera svarta eller vita stenar på ett rutnät med målet att fånga varandras pjäser eller helt omgivande sektioner av brädet för poäng. Reglerna är raka fram, men eftersom spelare kan placera stenar var som helst på brädet har spelet 1 x 10^127 möjliga stater. Det är fler än antalet atomer i det kända universum, och många storleksordningar fler än antalet möjliga schackpositioner.
Rekommenderade videor
Traditionella AI-lösningar för spel innebär att man använder sökträd för att gå igenom möjliga sätt som spelet kan spela ut, baserat på det aktuella spelläget, för att fatta det mest välgrundade beslutet. Denna brute force-metod, som utnyttjar datorstyrkan för att köra igenom fler möjligheter än en intuitionsberoende människa kunde, har alltid varit helt otillräcklig inför Gås öppna komplexitet.
AlphaGo gick 5 och 0 mot Hui, vilket markerar första gången som ett datorprogram någonsin har överträffat ett proffs Gå spelare.
Googles team förlitade sig istället på neurala nätverk, en metod för intelligenta system som kör indata genom lager av virtuella neuroner som löst efterliknar djurhjärnans funktion. Resultatet mäts mot ett önskat mål, och sedan justeras anslutningsstyrkorna inom nätverken. Genom upprepning möjliggör detta system som dynamiskt "lär sig" och kommer fram till lösningar och strategier som aldrig direkt programmerats in. AlphaGo, Googles system, bestod av 12 neurala nätverkslager, inklusive ett "policynätverk" som valde en flytt efter styrelsestaten kördes genom de andra lagren, och ett "värdenätverk" som förutsäger vinnaren baserat på en given flytta.
30 miljoner drag från mänskliga expertspel kördes genom nätverket tills det framgångsrikt kunde förutsäga mänskliga rörelser 57 procent av tiden (över de tidigare Rekord på 44 procent). AlphaGo ville göra mer än att bara härma mänskliga spelare och skickades sedan för att spela tusentals spel mot sig själv och utveckla sina egna, oprogrammerade strategier genom att justera kopplingar och förstärka beslut som ledde till segrar, förlita sig på Google Cloud Platform för den nödvändiga beräkningen oj. Mer tekniskt knepigt om hur AlphaGo utvecklades finns i en artikel publicerad av teamet i Natur.
AlphaGo sattes sedan på prov. Först tog den sig an den regerande toppen Gå datorprogram, vinna alla utom ett av 500 spel. Sedan kom det riktiga testet, utmanande tre gånger europeiska Gå mästaren Fan Hui. Bakom stängda dörrar i oktober förra året gick AlphaGo 5 och 0 mot Hui, vilket markerar första gången som ett datorprogram någonsin har överträffat ett proffs Gå spelare.
Av en slump, Facebook har också precis meddelat sina ansträngningar att ta itu med Gå med artificiell intelligens i en offentlighet posta från grundaren Mark Zuckerberg. Även om Facebook uppenbarligen har gjort betydande framsteg under det senaste året, verkar Google ha slagit dem hårt genom att förklara AlphaGos seger över Fan Hui. Det kan vara roligt och spel för nu, men att ta itu med utmaningar som Gå som tidigare ansågs oöverstigliga har större implikationer för framstegen för konnektionistisk AI och maskininlärning, som har potential att bli extremt kraftfulla verktyg för att analysera rörig, verklig värld problem.
Redaktörens rekommendationer
- Hackare använder AI för att skapa ond skadlig programvara, säger FBI
- Toppförfattare kräver betalning från AI-företag för att de använder deras arbete
- De bästa AI-videoredigeringsverktygen
- ChatGPT-tillverkaren OpenAI står inför FTC-utredning över konsumentskyddslagar
- Elon Musks nya AI-företag syftar till att "förstå universum"
Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
