I et stort gennembrud for kunstig intelligens, AlphaGo Nul tog kun tre dage til at beherske det gamle Kinesiske brætspil Go … uden menneskelig hjælp
@iansample
Onsdag den 18 oktober 2017 18.00 BST
Sidst opdateret torsdag den 19 oktober 2017 15.21 BST
Google ‘ s artificial intelligence group, DeepMind, har afsløret den seneste inkarnation af sin Gå-afspilning af program, AlphaGo – en AI så kraftig, at den afledte tusinder af år af den menneskelige viden om spillet, før at opfinde bedre træk af sin egen, alle i løbet af tre dage.
Opkaldt AlphaGo Nul, AI program er blevet hyldet som et stort fremskridt, fordi det mestrer de gamle Kinesiske brætspil fra bunden, og med ingen menneskelig hjælp uden at blive fortalt, at reglerne. I spil mod 2015-version, som er berømt for at slå Lee Sedol, Syd koreanske stormester i de følgende år, AlphaGo Nul vundet 100 til 0.
Det kunststykke markerer en milepæl på vejen til generelle formål AIs, der kan gøre mere end thrash mennesker på brætspil. Fordi AlphaGo Nul lærer på egen hånd fra en blank tavle, sine talenter kan nu blive vendt til et væld af den virkelige verdens problemer.
På DeepMind, der er baseret i London, AlphaGo Nul arbejder ud af, hvordan proteiner fold, en massiv videnskabelig udfordring, som kan give drug discovery en hårdt tiltrængt skud i armen.
Match 3 af AlphaGo vs Lee Sedol i Marts 2016. Foto: Erikbenson
“For os, AlphaGo var ikke kun om at vinde spillet,” sagde Demis Hassabis, administrerende DIREKTØR for DeepMind og en forsker på holdet. “Det var også et stort skridt for os, i retning af at opbygge disse generelle formål algoritmer.” De fleste AIs er beskrevet som “smalle”, fordi de kun udføre en enkelt opgave, såsom at oversætte sprog eller med at genkende ansigter, men generelle formål AIs potentielt kan overgå mennesker på mange forskellige opgaver. I det næste årti, Hassabis mener, at AlphaGo ‘ s efterkommere vil arbejde sammen med mennesker som videnskabelige og medicinske eksperter.
Det åbner for en ny bog, som er der, hvor computere lære mennesker, hvordan at spille Gå bedre, end de plejede at
Tom Mitchell, datalog, Carnegie Mellon University
Tidligere versioner af AlphaGo lært deres bevæger sig med uddannelse på tusindvis af spil, der spilles af stærke menneskelige amatører og professionelle. AlphaGo Zero havde ikke en sådan hjælp. I stedet, det lærte rent ved at spille sig millioner af gange. Det begyndte ved at placere stenene på Farten bestyrelsen tilfældigt, men hurtigt forbedret, da den opdagede vindende strategier.
David Silver beskriver, hvordan det Går med at spille AI program, AlphaGo Nul, opdager ny viden fra bunden. Kredit: DeepMind
“Det er mere kraftfuld end tidligere tilgange, fordi ved ikke at bruge humane data, eller menneskelig ekspertise på nogen måde, at vi har fjernet de begrænsninger af den menneskelige viden, og det er i stand til at skabe viden i sig selv,” sagde David Silver, AlphaGo ledende forsker.
Det kan kun arbejde på problemer, der kan simuleres i en computer, lave opgaver, såsom at køre ud af spørgsmålet
Programmet amasses sine færdigheder gennem en procedure, der kaldes forstærkning læring. Det er den samme metode, som balance på den ene side, og slidt knæ på de andre, hjælpe mennesker mestrer kunsten at cykle. Når AlphaGo Nul spiller en god flytte, det er mere tilbøjelige til at blive belønnet med en sejr. Når det gør et dårligt træk, er det kanter tættere på et tab.
Demis Hassabis, administrerende DIREKTØR for DeepMind: “For os, AlphaGo var ikke kun om at vinde spillet Go.’ Foto: DeepMind/Natur
Kernen i programmet er en gruppe af software “neuroner”, som er sluttet sammen til at danne et kunstigt neuralt netværk. For hver omdrejning af spillet, netværk, ser på de positioner i stykker på Farten bestyrelsen og beregner, som bevæger sig kan gøres, ved siden af og sandsynligheden for dem, der fører til en sejr. Efter hvert spil, det opdaterer sin neurale netværk, der gør det stærkere spiller til den næste kamp. Selvom langt bedre end tidligere versioner, AlphaGo Nul er en enklere program og mestrer spillet hurtigere på trods af uddannelse på mindre data og kører på en mindre computer. Have mere tid, kunne det have lært regler for sig selv for, Sølv sagde.
Q&A Hvad er AI?
Vis
Skjul
Kunstig Intelligens har forskellige definitioner, men i almindelighed det betyder, at et program, der anvender data til at bygge en model af nogle aspekter af verden. Denne model er derefter brugt til at træffe informerede beslutninger og forudsigelser om fremtidige begivenheder. Den teknologi, der er udbredt, til at levere tale, og ansigtsgenkendelse, oversættelse, og personlige anbefalinger på musik -, film-og shopping steder. I fremtiden, det kunne levere førerløse biler, smart personlige assistenter, og intelligente energinet. AI har potentiale til at gøre organisationer mere effektive, men den teknologi, rejser alvorlige spørgsmål om etik, ledelse, privatlivets fred og ret.
Var dette en hjælp?
Tak for din feedback.
At skrive i tidsskriftet Nature, forskere beskriver, hvordan AlphaGo Nul startede forfærdeligt, udviklet sig til det niveau af en naiv amatør, og i sidste ende indsat meget strategiske træk, der anvendes af stormestre, alle i løbet af få dage. Det opdagede en fælles leg, der hedder en joseki, i de første 10 timer. Andre bevæger sig, med navne som “lille lavine” og “knight’ s move pincer” fulgte snart efter. Efter tre dage, programmet havde opdaget helt nye bevægelser, at den menneskelige eksperter nu undersøge. Betagende, programmet forstået nogle avancerede bevæger sig længe, før de opdagede, enklere dem, som et mønster kaldet en stige, at den menneskelige Gå spillere har en tendens til at gribe tidligt.
AlphaGo Nul starter med ingen viden, men gradvist bliver stærkere og stærkere efterhånden som den lærer spillet Go. Kredit: DeepMind
“Det opdager nogle af de bedste spil, josekis, og så går det ud over dem, der spiller, og finder noget, der er endnu bedre,” sagde Hassabis. “Du kan se det ved at genopdage tusinder af år af menneskelig viden.”
Eleni Vasilaki, professor i computational neuroscience på Sheffield University, sagde, at det var en imponerende bedrift. “Det kan meget vel indebære, at der ikke involverer en menneskelig ekspert i sin uddannelse, AlphaGo opdager bedre træk, der overgår den menneskelige intelligens på dette specifikke spil,” sagde hun. Men hun påpegede, at selv computere er at slå mennesker på spil, der involverer komplekse beregninger og præcision, de er langt fra at matche mennesker på andre opgaver. “AI ikke i opgaver, der er overraskende let for mennesker,” sagde hun. “Bare se på udførelsen af en menneskelignende robot i de daglige opgaver, som at gå, løbe og sparke til en bold.”
Tom Mitchell, en computer, forsker ved Carnegie Mellon University i Pittsburgh kaldet AlphaGo Nul, en “fremragende teknik realisering”. Han tilføjede: “Det lukker bogen om, hvorvidt mennesker nogensinde kommer til at hamle op med computere på Go. Jeg tror, at svaret er nej. Men det åbner for en ny bog, som er der, hvor computere lære mennesker, hvordan at spille Gå bedre, end de er vant til.”
David Silver beskriver, hvordan AI program AlphaGo Nul lærer at spille Go. Kredit: DeepMind
Superhelten af kunstig intelligens: kan dette geni for at holde det i skak?
Læs mere
Ideen blev positivt modtaget af Andy Okun, præsident for den Amerikanske Gå Association: “jeg ved ikke, om moral lider af computere, der er stærk, men det kan faktisk være lidt sjovt at udforske spillet med neurale netværk, software, da det ikke er at vinde ved at ud-læser os, men ved at se mønstre og figurer mere dybt.”
Mens AlphaGo Nul er et skridt i retning af et generelt formål AI, kan det kun arbejde med problemer, der kan være perfekt, der simuleres i en computer, lave opgaver, såsom at køre en bil ud af spørgsmålet. AIs at matche mennesker på et stort udvalg af opgaver, der er stadig en lang vej, Hassabis sagde. Mere realistisk i det næste årti er brugen af AI til at hjælpe mennesker med at opdage nye stoffer og materialer, og knæk mysterier i partikelfysik. “Jeg håber, at disse typer af algoritmer og fremtidige versioner af AlphaGo-inspireret ting vil være rutinemæssigt samarbejde med os, som videnskabelige eksperter og medicinske eksperter om fremme af grænserne for videnskab og medicin,” Hassabis sagde.