Den bedrift har hyllats som ett genombrott inom artificiell intelligens, men datorer är mycket mindre effektiv än oss
Google DeepMind är AlphaGo segern kom mycket snabbare än väntat.
Foto: Cheryl Kläcks/AP
Torsdag 28 januari 2016 16.56 GMT
Senast ändrad torsdagen den 28 januari 2016 16.59 GMT
Idag möttes vi av den första sidan av Naturen kom ett genombrott inom artificiell intelligens: datorer är nu överträffar även de bästa människorna på den Kinesiska spelet Go, länge betraktats som den sista bevara mänskliga spel-spela mästerskap. Genombrott, från ett team som baseras på Googles DeepMind group i London, har kommit mycket tidigare än vad många experter förväntat sig.
Relaterat: Google AI landmärke seger över Gå grandmaster
Uppnåendet är också hyllas som ett genombrott i förståelsen av den mänskliga intelligensen, och ett stort steg mot att efterlikna det. Dock så var Djupt Blå prestation när det första slå schack världsmästaren Gary Kasparov, för nästan 20 år sedan. Så var det här senaste lyckas verkligen få oss?
Det system som DeepMind team utvecklat är baserad på två huvudområden: lärande och slumpmässiga spel-träd sökning. Söker ett spel träd är ett sätt att utforska och utvärdera möjliga framtida åtgärder. Den fysiska planeringen för att se framåt i spelet. Maskininlärning är en teknik för utbildning datorer genom att visa dem: i detta fall styrelseuppdrag från spelet. Du tränar datorn att känna igen bra mönster på tavlan.
Datorn är utbildad genom att spela mot sig själv, det kan då lära sig från de spel som styrelsen positioner resulterade i seger. För att göra detta hade det att spela många miljoner spel. Av den tid det spelas mot en människa som hade spelat fler spel än någon människa kan i sin livstid. Detta innebär att den takt som det lär sig att spela är mycket långsammare än någon människa.
I området maskininlärning vi refererar till detta som data effektivitet. Det hänvisar till mängden data som krävs för att lösa ett särskilt problem. Människor är otroligt data effektivt, den senaste genombrott inom AI, är mycket mindre så.
1712, Thomas Newcomen utvecklat en kol-drivna ångmaskin för att pumpa ur gruvor. Han var inspirerad av utmaningarna i Korniska tenn brytning: djupare gruvorna var känsliga för översvämningar och häst-drivna pumpar var endast effektiva för att ett visst djup. I slutet men Newcomen motor finns betydligt mer använd i kolgruvor. Anledningen var att det var så ineffektiv att det bara var praktiska när det var en lätt tillgänglig källa av kol.
I vårt moderna sinnen, namn av James Watt är mycket mer förknippade med ångmaskin än Newcomen. Varför? Watt gjorde ångmaskinen mer praktiskt genom införandet av en separat kondensor, omedelbart fördubbla sin effektivitet, vilket gör redundant gruvor fungerande och bildar den plan som alla moderna ång-motorer är konstruerade.
Så långt, maskininlärning saknas separat kondensor ögonblick. Så är AlphaGo ett genombrott på vägen för att efterlikna mänsklig intelligens? Jag tänker på det mer som en trig punkt. Det är verkligen ett viktigt delmål, en chans att kartan och landskapet samt vidta de udda foto, men det är bara ett steg på resan och som vi redan visste att vi skulle nå. Vi har dock fått det snabbare än väntat, och det är en naturlig anledning till att fira.
För att få weekly news analys, jobb varningar och evenemang direkt till din inkorg, registrera dig kostnadsfritt för Medier & Tech medlemskap i Nätverket.
Alla Guardian Media & Tech Network innehåll är redaktionellt oberoende, utom för delar betecknas som “Betalat av” – läs mer här.