Googles AI gennembrud, hvad det betyder og hvordan det påvirker dig

Den 27. januar annoncerede Google, at AlphaGo, en kunstig intelligens. Hvad kunstig intelligens ikke er, hvad kunstig intelligens ikke er. Vil intelligente, oplagte robotter overtage verden? Ikke i dag - og måske ikke nogensinde. udviklet af datterselskabet DeepMind, havde besejret den europæiske Go-mester Fan Hui i en fem-kamp.

Du har muligvis hørt om denne nyhed, da den skaber overskrifter overalt i verden, men hvorfor er folk så interesserede i det? Hvad betyder det hele? Hvis du ikke kender spillet Go eller dets betydning for kunstig intelligens, føler du dig måske lidt tabt.

Bare rolig, vi har dig dækket. Her er alt hvad du har brug for at vide om gennembrudet, og hvordan det påvirker regelmæssige mennesker som dig og mig.

The Game of Go: Simple Yet Complex

Go er et gammelt kinesisk strategispil, hvor to spillere kæmper for at fange territorium. Drej for tur, hver spiller - den ene hvid, den anden sort - placerer sten på skæringspunktene mellem et 19 x 19 gitter. Når en gruppe af sten er helt omgivet af den anden spillers sten, er de det “fanget” og fjernet fra brættet.

I slutningen af ​​spillet er hvert tomt sted “ejede” af den spiller, der omgiver den. Hver spillers score er baseret på hvor meget territorium han ejer (dvs. hvor meget tom plads han har omgivet) plus antallet af modstanderbrikker, der blev fanget under spillet.

Mens de fleste sandsynligvis tænker på Skak som kongen af ​​strategispil, er Go faktisk mere kompleks. Ifølge Wikipedia er der 10⁷⁶¹ mulige Go-spil sammenlignet med 10¹²⁰ anslåede mulige spil i skak.

Denne kompleksitet sammen med nogle esoteriske regler og en vægt på at spille ved instinkt gør Go til et særligt vanskeligt spil for computere at lære og spille på et højt niveau.

Den utrolige verden af ​​AI'er til spil-spil

I det store skema med ting virker design af en kunstig intelligens, der spiller et spil, ikke som en meget værd forfølgelse, især når IBMs Watson AI allerede arbejder for at forbedre sundhedsvæsenet, et område, der har brug for al den hjælp, den kan få. Så hvorfor brugte Google så mange timer og dollars på at oprette en Go-playing AI?

På et niveau hjælper det AI-forskere med at finde ud af den bedste måde at lære computere at gøre ting på. Hvis du kan lære en computer at løse, hvordan man finder de bedste træk i et spil Checkers eller Tic-Tac-Toe, kan du få indsigt i at lære en anden computer, hvordan man kan anbefale film på Netflix 4 Machine Learning Algorithms That Shape Your Life 4 Maskinlæringsalgoritmer, der former dit liv Du er måske ikke klar over det, men maskinlæring er allerede rundt omkring dig, og det kan udøve en overraskende grad af indflydelse på dit liv. Tro mig ikke? Du bliver måske overrasket. , oversæt med det samme tale eller forudsig jordskælv.

Mange af de anvendelser til AI, vi hidtil har set, ville drage fordel af forbedrede evner til problemløsning og mønsterudtrækning, hvilket også tilfældigvis er vigtigt for effektive AI'er til spil-spil.

Deep Blue, skakmesteren AI, arbejdede ved at bruge en enorm mængde computerkraft og brute force-teknikker til at evaluere alle mulige næste træk - op til 200.000.000 positioner i sekundet. Og selvom denne strategi var effektiv nok til at slå en tidligere verdenschachmester, er den ikke særlig “menneskelignende” måde at spille skak på. Det kræver også programmerere at “forklare” spillereglerne til AI.

For nylig blev der udviklet en proces kaldet dyb læring, hvilket væsentligt banede vejen for computere til at lære sig selv, og som fuldstændigt ændrede løbet om kunstig intelligens Microsoft vs Google - Hvem leder det kunstige intelligens race? Microsoft vs Google - Hvem fører lederen af ​​kunstig intelligens? Kunstige intelligensforskere gør konkrete fremskridt, og folk begynder at tale alvorligt om AI igen. De to titaner, der fører det race af kunstig intelligens, er Google og Microsoft. .

Med dyb læring kan en computer udtrække nyttige mønstre fra data - i stedet for at blive fortalt af programmerere, hvilke mønstre den skal kigge efter - og bruge disse mønstre til at optimere sine egne beslutninger. Hvis dyb læring er vellykket, kan en AI endda opdage mønstre, der er mere effektive end hvad vi kan genkende som mennesker.

Denne type læring blev demonstreret sidste år, da Google-ejet AI-forskningsfirma DeepMind afslørede en AI, der lærte sig selv at spille 49 forskellige Atari-spil Atari Arcade - Spil Retro videospil i HTML5 [MUO Gaming] Atari Arcade - Spil Retro videospil i HTML5 [MUO Gaming] Enhver, der spiller videospil i dag, skylder Atari og de stiftere og ingeniører, der arbejdede for virksomheden i dets formative år, en enorm taknemmelighed. Atari var ansvarlig for mange af ... efter kun at have givet rå input. (Du kan se det lære at spille Breakout ovenfor.)

Processen er den samme som at lære et videospil uden en tutorial eller forklaring. Du ser et stykke tid, prøv derefter at trykke på tilfældige knapper, begynder derefter at finde ud af tingene, udvikle strategier og til sidst fortsætter med at udmærke.

Og det gjorde det godt. DeepMind AI ødelagde absolut menneskelige modstandere på professionelt niveau i nogle af disse spil, f.eks. Video Pinball. Det klarede sig markant værre i andre spil, inklusive Ms. Pac-Man, men havde en meget imponerende rekord samlet.

AlphaGo: Det næste niveau af AI

AlphaGo, computeren, der besejrede Fan Hui ved Go, brugte denne dybe indlæringsstrategi til at gå ubesejret i fem kampe.

I stedet for at bruge brute force computing som Deep Blue, bestemte AlphaGo det næste træk ved at bruge det, som det havde lært i træning, til at begrænse omfanget af potentielt effektive træk og derefter køre simuleringer for at se hvilke træk der mest sandsynligt ville resultere i positive resultater.

To forskellige neurale netværk Den nyeste computerteknologi, du er nødt til at se for at tro Den nyeste computerteknologi, du skal se for at tro, tjek nogle af de nyeste computerteknologier, der er indstillet til at transformere verdenen inden for elektronik og pc'er i de næste par år. , politiknetværket og værdienetværket, arbejdede sammen om at evaluere træk og vælge det bedste hver tur.

På grund af Go's kompleksitet er en brute force-tilgang over alle mulige bevægelser bare ikke mulig, ligesom det er i skak. Så AlphaGo udnyttede den viden, den opnåede i træningsfasen, som bestod af at se 30 millioner træk foretaget af menneskelige eksperter, lære at forudsige deres træk, komme med sine egne strategier og spille mod sig selv tusinder af gange.

Ved hjælp af forstærket læring blev dens beslutningsprocesser udviklet og styrket, indtil AlphaGo blev den bedste Go-playing AI i verden. I 500 spil mod de mest avancerede Go-computere vandt det 499 af dem - selv efter at have givet disse programmer et firetrins hovedstart.

Og selvfølgelig slog AlphaGo Fan Hui, den nuværende europæiske Go-mester. Sejren blev faktisk opnået i oktober 2015, men meddelelsen blev forsinket til at falde sammen med frigivelsen af ​​DeepMinds forskningsdokument i Natur. I marts overtager AlphaGo Lee Sedol, den mest dominerende spiller i verden i løbet af de sidste ti år.

Okay, hvad betyder det hele?

Hvorfor skaber dette overskrifter verden over? Faktisk af flere grunde.

For det første troede mange mennesker, at det var umuligt med den nuværende teknologi. De fleste estimater sagde, at en AI ikke ville slå en Go-spiller i verdensklasse i mindst yderligere ti år. AlphaGos værdinetværk kan evaluere ethvert Go-spil, der i øjeblikket spilles, og forudsige en eventuel vinder, et problem, som Google siger, er “så hårdt, det blev antaget at være umuligt.”

For det andet er det faktum, at dyb og uafhængig læring blev brugt, meget vigtigt. Dette viser, at en nuværende kunstig intelligens kan indsamle data, udtrække mønstre, lære at forudsige sådanne mønstre og til sidst udvikle problemløsningsstrategier, der er komplekse og effektive nok til at slå et menneske i verdensklasse.

Og mens det at vinde på Go ikke kommer til at ændre verden, er det faktum, at en computer var i stand til at komme med dette niveau af strategi ved hjælp af sin egen læringsalgoritmer, meget imponerende.

Det er denne dybe læring, der har AI-forskere virkelig begejstret for AlphaGo. Mange mener, at uafhængig læring er det første skridt hen imod at lave en stærk kunstig intelligens. En stærk AI henviser til en computer, der kan løse intellektuelle opgaver på niveau med mennesker (hvilket er utroligt vanskeligt, stort set på grund af kompleksiteten og effektiviteten af ​​den menneskelige hjerne). Dette er den slags AI, du ser i mange science fiction-film OBS, Internet! De bedste film om kunstig intelligens opmærksomhed, internet! De bedste film om kunstig intelligens Hollywood har udgivet en masse gode film, der udforsker spørgsmålene om kunstig intelligens gennem årene, og her er 10 af de bedste film om AI, vi anbefaler, at du flytter Himmel og jord til ... .

Det er af denne grund, at det er så stor ting at skabe AI'er, der kan opføre sig på menneskelignende måder. Udvinding af mønstre og udvikling af strategier er noget, vi gør hele tiden, og vi bruger ikke brute force-metoder, når vi træffer beslutninger.

Det er meget vanskeligt at få en computer til at gøre det uden megen vejledning, men takket være AlphaGo ved vi nu, at stærk AI ikke bare er mulig, men nærmere, end vi troede.

Selvfølgelig er en Go-playing AI stadig langt væk fra en generelt intelligent AI. Det gør kun én ting, som er så simpelt som en kunstig intelligens kan få - selv den Aari-spillende AI var i stand til at spille 49 forskellige spil Future Video Game AIs Serious Freak You Out Future Video Game AIs Serious Freak You Out Videogame AI er ikke så stor - endnu. Med de nylige teknologiske fremskridt kan det dog snart ændre sig. - men AlphaGos effektive uafhængige læring kan være det første skridt mod et stort paradigmeskifte i AI.

Hvad synes du?

Der er ingen tvivl om, at AlphaGos sejr over Fan Hui er vigtig, men hvorvidt det er værdigt for verdensomspændende overskrifter er op til debat.

Tror du, det er meget? Er vi et skridt tættere på robotapokalypsen Microsoft, kunstig intelligens og robotapokalypsen Microsoft, kunstig intelligens og robotapokalypsen Microsoft giver en række autonome robotter et seriøst look. Er dette begyndelsen på slutningen for mennesker, eller bare endnu et skridt fremad i skubbet til sikker kunstig intelligens? ? Eller er du ikke imponeret over en AI, der bare kan spille et spil? Del dine tanker nedenfor, og lad os tale om det.

Billedkreditter: gå-spil af vvoe via Shutterstock, Tatiana Belova via Shutterstock.com, Mciura via Wikimedia Commons, Zerbor via Shutterstock.com