Forskning på Google på onsdag annonserte at AlphaGo har blitt den første datamaskinen software system for å slå en menneskelig ved det gamle spillet Gå.
Det er flere mulige posisjoner i Går enn det er antall atomer i universet, og det har en googol (som er 1 etterfulgt av 100 nuller) flere stillinger enn sjakk, bemerket Google DeepMind forskere David Sølv og Demis Hassabis i et blogginnlegg. Denne kompleksiteten gjør det vanskelig for datamaskiner å spille på Farten.
“Sjakk kan bli spilt veldig bra med et nummer-knaser CPU,” sier Rob Enderle, rektor analytiker på Enderle Group.
“Gå og krever en visuell komponent for å gjøre det bra, eller GPU mer vanlig i dagens superdatamaskiner,” fortalte han TechNewsWorld, fordi “Go krever mønstergjenkjenning i tillegg til analyse.”
Tradisjonell kunstig intelligens metoder, som konstruerer et søk treet som dekker alle mulige posisjoner, kan ikke håndtere Gå, bemerket DeepMind er Sølv og Hassabis, så Google forskere kombinert med en avansert treet søk med to dype nevrale nettverk for å skape AlphaGo.
“Å bygge et søk tre som innebærer å definere og vurdere alle mulige posisjoner eller utfall ikke er AI,” påpekte Gartner Fellow Tom Austin.
Det er en brute-force er en modell som er “for beregninger dyrt,” fortalte han TechNewsWorld.
AlphaGo slå 499 av de 500 Gå programvare, deretter slo regjerende tre-tiden Europeiske Gå mester Fan Hui fem spill til null i oktober, Google DeepMind er Sølv og Hassabis skrev.
I Mars, AlphaGo vil spille en fem-spill kamp i Seoul, Sør-Korea, mot Lee Sedol, som DeepMind forskere beskrevet som den øverste Gå spiller over hele verden de siste tiår.
Lee er ikke uslåelig, han har vunnet 71.8 prosent av hans spill.
Hvordan Fungerer AlphaGo
AlphaGo er nevrale nettverk ta en beskrivelse av Gå styret som en input og prosess det gjennom 12 nettverk lag som inneholder millioner av nevron-som-tilkoblinger.
En AlphaGo nevrale nettverk, “policy-nettverk, velger neste gå til spille, og den andre, “value network,” spår vinneren av spillet.
Google forskere trent systemets to nevrale nettverk på 30 millioner beveger seg fra spill som er spilt av menneskelig eksperter, før det kunne forutse neste trekk 57 prosent av tiden. Hvis det høres lav, den forrige rekorden var 44 prosent.
AlphaGo er nevrale nettverk da spilte tusenvis av Gå-spill med hverandre og justert sine forbindelser med forsterkning læring for å oppdage nye strategier for seg selv.
Det som kreves for å utnytte Google Cloud Plattform for å trykke den nødvendige datakraft.
“Det tar enorme mengder data og beregne sykluser for å trene en dyp nevrale nettverk,” Gartner ‘ s Austin sa. Når trent og testet, men disse nettverkene “kan ofte kjøre i en smarttelefon.”
Muligens, men, mens Google Cloud eller noe lignende “er et must for å utnytte enorm datakraft [AlphaGo] til enkelte mennesker, det krever high-speed kablet eller trådløst nettverk,” påpekte Chansu Yu, leder av Cleveland State University
Institutt for Elektroteknikk og informatikk.
Gjøre Godt
Den viktigste aspektet av AlphaGo er at den bruker de generelle maskinen lære teknikker for å finne ut hvordan å vinne i Går, i stedet for å være en ekspert system bygget med hånd-laget regler, i henhold til Googles Sølv og Hassabis. Det betyr at det kan brukes til å løse noen av samfunnets tøffeste og mest presserende problemer, fra klima-modellering for å kompleks sykdom analyse.
Ekspert systemer for medisin og naturlig språk prosessering er mulige områder hvor AlphaGo kan være nyttig, CSU er Yu foreslått.
“Akkurat nå, AlphaGo er et utstillingsvindu for hvor langt disse systemene har utviklet seg,” observert Enderle. “Neste er å vise frem hva det betyr utsiden av et spill. Husker at [IBMS] Watson vant Jeopardy!, og nå går det som en god del av vårt nasjonale forsvar.”
Spøkelset i Maskinen
Stephen Hawking,
Elon Musk og Bill Gates har uttrykt bekymring for om
ubegrenset forskning på AI, og Cambridge University har satt opp
Senter for Studier av Eksistensiell Risiko å se på den teknologiske risikoen AI kan utgjøre i fremtiden.
Oxford University også er å studere effekten av AI på Future of Humanity Institute.
“Forventningene er, datamaskiner vil overgå menneskelig intelligens før midcentury,” Enderle sa.
Likevel, det kan være en stund før AI kan matche den menneskelige hjernen fordi “det er ikke bare et spørsmål om datakraft,” sa CSU er Yu. “Det er [effektiv] sammenkobling av celler.”
Richard Adhikari har skrevet om high-tech for ledende publikasjoner siden 1990-tallet og under der det er alle fører til. Vil det RFID-chips i mennesker være Dyrets Merke? Vil nanotech løse våre kommende mat krise? Gjør Stør ‘ s Lov fortsatt holder sant? Du kan koble til med Richard på
Google+.