Le IA stanno vincendo 5 volte quando i computer picchiano gli umani

L'intelligenza artificiale è la frontiera dell'informatica. La scienza è avanzata abbastanza che l'IA ci sta battendo nel nostro stesso gioco - o dovremmo dire, i giochi. Alcune persone possono temere l'ascesa di Skynet Ecco perché gli scienziati pensano che dovresti essere preoccupato per l'intelligenza artificiale Ecco perché gli scienziati pensano che dovresti essere preoccupato per l'intelligenza artificiale Pensi che l'intelligenza artificiale sia pericolosa? L'intelligenza artificiale può rappresentare un serio rischio per la razza umana. Questi sono alcuni motivi per cui potresti voler essere preoccupato. Leggi di più con ogni evoluzione dell'IA, ma siamo un po 'più ottimisti.

AlphaGo è l'ultima IA per battere un umano in un gioco da tavolo, ma proviene da un lungo pedigree. Sebbene queste cinque macchine siano nate come programmi specifici, alcuni hanno trovato una seconda vita che va oltre le loro chiamate originali.

In questo articolo, esamineremo ogni volta un umano brillante perso a un computer e esamineremo cosa ha dato a ciascuno di quei computer il suo vantaggio decisivo.

1. Deep Blue, il maestro di scacchi

Deep Blue di IBM e Garry Kasparov hanno avuto una delle prime battaglie di alto profilo tra uomo e macchina. Naturalmente, Kasparov ha perso, ma hanno avuto una storia un po 'complicata.

Dopo che Kasparov ha battuto per la prima volta il fratello minore di Deep Blue, Deep Thought, nel 1989, IBM è tornata con il suo nuovo Deep Blue migliorato nel 1996. Kasparov ha perso una partita d'apertura, ha pareggiato un secondo, ma poi ha vinto tre partite consecutive per prendere la partita..

Fu solo dopo una seconda rivincita nel 1997 che Deep Blue vinse Kasparov, vincendo una partita di sei partite per una partita.

Kasparov ha detto di aver visto l'intelligenza nel gioco di Deep Blue e ha accusato l'IBM di intervenire. Il “intelligenza” era in realtà un bug che causava a Deep Blue di agire fuori dal personaggio. Fondamentalmente, l'intelligenza artificiale era piuttosto primitiva, brutale che si faceva strada attraverso possibili mosse e risultati ...

... e se non riusciva a trovare una scelta ottimale, sceglieva a caso.

Per ciascuna delle sue mosse, Deep Blue ha modellato tutte le mosse possibili e le risposte di Kasparov. È stato in grado di modellare fino a venti passi avanti, valutando milioni di possibili posizioni al secondo. Tale modellazione richiedeva hardware capace di un'elaborazione parallela potente.

L'elaborazione parallela sta suddividendo le attività in attività di elaborazione più piccole e completando quelle attività contemporaneamente. I dati risultanti vengono quindi compilati di nuovo insieme per il risultato.

Tra le due partite, a Deep Blue è stato dato un aggiornamento hardware significativo. L'hardware vincente era un sistema a 30 nodi in esecuzione sulla piattaforma Power PC di IBM. Ogni nodo aveva processori secondari dedicati alle istruzioni degli scacchi 10 Modi creativi per potenziare il tuo allenamento di scacchi 10 Modi creativi per potenziare il tuo allenamento di scacchi Migliorare gli scacchi normalmente riguarda la pratica deliberata di molti giochi scoraggianti, quindi diamo un'occhiata a alcuni dei modi in cui puoi portare divertimento e creatività nel tuo allenamento di scacchi. Leggi di più .

Tutti insieme, Deep Blue aveva 256 processori che lavorano in parallelo.

Ci sono discendenti di questo hardware che lavorano nei data center, ma la vera eredità di Deep Blue è Watson, il campione di Jeopardy. Alla fine, IBM ha incaricato Deep Blue di lavorare su modelli finanziari, data mining e discovery di farmaci, tutte aree che richiedono simulazioni su larga scala.

2. Polaris, il campione di poker

L'Università di Alberta ha creato Polaris, la prima IA per battere i professionisti del poker in un torneo. I ricercatori hanno scelto una variante di Texas Hold 'Em per la loro IA in quanto si basa sul meno sulla fortuna.

Polaris ha affrontato due volte i giocatori di poker. Il primo è stato nel 2007 contro due giocatori. Le mani erano pre-distribuite - Polaris aveva un set di carte quando si fronteggiava contro un giocatore, e la mano inversa quando giocava con l'altro giocatore (da controllare per fortuna).

Polaris è stato successivamente riorganizzato per un torneo del 2008 contro sei giocatori. Questo era anche un insieme di giochi pre-deal. Polaris ha ottenuto un pareggio nel primo gioco e ha perso il secondo, ma alla fine ha vinto il torneo, arrivando da dietro e vincendo due partite consecutive.

A differenza degli scacchi, il poker non può essere brutale costretto a modellare perché l'IA ha una visione limitata del gioco - non ha idea delle mani dei suoi avversari.

Le offerte di carte sono quasi infinitamente uniche, rendendo la modellazione ancora meno efficace. Le stesse carte possono essere una mano buona o senza valore, solo in base alle altre carte distribuite. Il bluffing presenta un altro problema per l'intelligenza artificiale poiché le scommesse da sole non sono un buon indicatore della forza della mano.

Polaris è una combinazione di diversi programmi, chiamati agenti. Ciascuno di questi programmi aveva una propria strategia, e c'era un altro agente che avrebbe scelto quale di questi era il migliore per ogni mano data.

Le strategie utilizzate per abbattere il gioco del poker sono varie e richiedono la teoria dei giochi. L'idea di base è quella di capire quale strategia migliore di ciascun giocatore sarebbe basata su tutti i dati disponibili, e Polaris ha raggiunto questo obiettivo tramite una tecnica chiamata bucket.

Bucketing è usato per classificare le mani di carte in base alla forza. Permetteva a Polaris di ridurre il numero di punti dati necessari per tenere traccia del gioco. Quindi ha utilizzato la probabilità di tutti gli altri possibili bucket disponibili, ricavandoli dalle carte visibili.

Polaris disponeva di un hardware unico: un cluster di 8 computer ciascuno con 4 CPU e 8 GB di RAM. Queste macchine eseguivano le simulazioni necessarie per creare i bucket e le strategie per ciascun agente.

Da allora, Polaris si è evoluto in un altro programma chiamato Cefeo, diventando così avanzato che i ricercatori hanno ora dichiarato che Texas Hold 'Em sarà “debolmente risolto”.

I giochi sono “risolto” quando gli algoritmi possono determinare l'esito di una partita da qualsiasi posizione. Un gioco è “debolmente risolto” quando l'algoritmo non può rendere conto del gioco imperfetto. Puoi tentare la fortuna contro Cefeo qui.

3. Watson, il genio di Jeopardy

Le vittorie AI fino a questo punto della storia sono state giochi di basso livello, motivo per cui la vittoria di Watson è una pietra miliare per le persone mainstream: Watson ha portato la battaglia di AI proprio nei salotti americani.

Jeopardy è un gioco molto amato noto per le sue curiosità, e ha una peculiarità unica: gli indizi sono le risposte e i concorrenti devono trovare le domande. Un vero test per Watson, che ha affrontato i ben noti campioni di Jeopardy Brad Rutter e Ken Jennings.

Rutter era il campione di tutti i tempi e Ken Jennings aveva la striscia più lunga vincente. Una terza parte ha scelto un assortimento casuale di domande da vecchi episodi per garantire che le domande non siano state scritte per aiutare o sfruttare Watson.

Watson ha vinto tre partite consecutive - una pratica e due trasmesse in televisione - ma ci sono state alcune stranezze per alcune delle risposte di Watson. Ad esempio, subito dopo che Jennings ha risposto a una domanda sbagliata, Watson ha risposto con la stessa risposta sbagliata.

Tuttavia, ciò che rendeva Watson unico era la sua capacità di usare il linguaggio naturale. IBM ha definito questo Deep QA, che rappresentava “domanda di risposta”. Il risultato chiave era che Watson poteva cercare le risposte con il contesto, non solo la pertinenza delle parole chiave.

Il software è una combinazione di sistemi distribuiti. Hadoop e Apache UIMA lavorano insieme per indicizzare i dati e consentono ai vari nodi di Watson di lavorare insieme.

Come Deep Blue, Watson è stato realizzato sulla piattaforma Power PC di IBM. Watson era un cluster a 90 core con 16 TB di RAM. Per i giochi Jeopardy, tutti i dati rilevanti sono stati caricati e archiviati nella RAM.

Quali dati rilevanti? Bene, Watson ha avuto accesso al testo completo di Wikipedia. Aveva una serie di dizionari, thesauri, enciclopedie e altri materiali di riferimento. Watson non ha avuto accesso a Internet durante il gioco, ma tutti i dati locali erano di circa 4 TB.

Più recentemente, Watson è stato utilizzato per analizzare e suggerire opzioni di trattamento per i malati di cancro. L'ultima avventura di Watson sta contribuendo a creare app di apprendimento personalizzate per bambini. Ci sono persino tentativi di addestrare Watson a cucinare il Watson creato da IBM Il mio pasto del Ringraziamento - Ecco cosa è successo Watson di IBM ha creato il mio pasto del Ringraziamento - Ecco cosa è successo L'intelligenza artificiale di IBM nota come Watson può fare molte cose intelligenti, ma può creare un pasto unico del Ringraziamento? Ci provo. Guarda cosa succede! Leggi di più !

4. Deepmind, l'autodidatta

Google's Deepmind potrebbe finalmente dare ai nerd qualcosa di cui preoccuparsi perché batte gli umani nei classici giochi Atari. Internet Archive porta 900 classici giochi arcade al tuo browser. Qui ci sono 7 dei migliori Internet Archive che portano 900 giochi arcade classici al tuo browser. Ecco 7 dei migliori La sala giochi della tua città potrebbe essersi chiusa a metà degli anni '90, ma ciò non dovrebbe impedirti di ottenere la correzione dei tuoi giochi classici. Per saperne di più - beh, alcuni giochi almeno. L'umanità mantiene ancora il suo vantaggio in giochi come Asteroid e Gravitar.

Deepmind è una rete neurale AI. Le reti neurali sono delle IA create per imitare il modo in cui funziona la mente umana, che fa creando virtuale “neuroni” usando la memoria del computer.

Deepmind è stato in grado di analizzare ogni pixel del display, decidere l'azione migliore da intraprendere date le condizioni di vincita, quindi rispondere con l'input del controller.

L'intelligenza artificiale ha imparato i giochi usando una variante del Q-Learning chiamata Deep Learning. Questo è un metodo di apprendimento in cui l'IA mantiene la migliore decisione presa in determinate situazioni, quindi la ripete quando incontra la stessa situazione.

La variante di Deepmind è unica, tuttavia, poiché aggiunge origini di memoria esterne.

Questo sistema di informazioni mantenute ha permesso a Deepmind di padroneggiare gli schemi di alcuni giochi Atari e persino di guidarlo per trovare la strategia ottimale di Breakout tutto da solo.

Perché Deepmind ha funzionato male in certi giochi? A causa del modo in cui giudica le situazioni. Si scopre che Deepmind era in grado di analizzare solo quattro fotogrammi alla volta, il che limitava la sua capacità di navigare nei labirinti o di reagire rapidamente.

Inoltre, Deepmind ha dovuto imparare ogni gioco da zero e non ha potuto applicare le abilità da un gioco all'altro.

5. Alpha Go, l'incredibile

AlphaGo è un altro progetto di DeepMind ed è notevole perché è riuscito a battere due campioni professionali di Google. Innovazione AI di Google: che cosa significa e come influisce su di te Sfondamento dell'IA di Google: che cosa significa e come influisce a leggere di più - Fan Hui e Lee Sedol - vincendo le sue partite 5-0 e 4-1, rispettivamente.

Secondo i giocatori e i commentatori delle partite, tutti hanno detto che l'IA giocata in modo conservativo, il che non è sorprendente perché è stato programmato per favorire mosse sicure che assicurerebbero la vittoria su mosse rischiose che garantirebbero più punti.

Una volta si pensava che Go fosse fuori dalla portata dell'IA, ma Alpha Go è ora la prima IA ad essere classificata professionalmente nel gioco.

Il gioco ha un semplice set up: due giocatori cercano di conquistare la scacchiera usando pietre bianche e nere. Il tabellone è una griglia 19 x 19 con 361 intersezioni e il posizionamento delle pietre determina il territorio di ciascun giocatore. L'obiettivo è finire con più territorio rispetto all'altro.

Il numero di mosse e stati di gioco potenziali è enorme, per non dire altro. Sì, molto più grande degli scacchi, se ti stavi chiedendo.

Alpha Go utilizza il già citato sistema di Deep Learning AI, il che significa che Alpha Go conserva memoria dei giochi che svolge e li studia come esperienza. Quindi cerca attraverso di loro, selezionando la scelta che ha il maggior numero di risultati potenziali positivi.

Alpha Go ha bisogno di molta potenza del computer per eseguire il suo algoritmo di calcolo pesante. La versione che riproduceva le partite girava su un set distribuito di server con un totale di 1.920 CPU e 280 GPU: un'enorme quantità di potenza che consentiva 64 thread di ricerca simultanei durante il gioco.

Come Watson, DeepMind si sta dirigendo verso la facoltà di medicina. Deepmind ha annunciato una partnership con il NHS del Regno Unito per analizzare i record sanitari. Il progetto, Streams, aiuterà a identificare i pazienti a rischio di danno renale.

L'intelligenza artificiale sta diventando seria

Ci sono molte ricerche in corso su IA in questo momento.

Google spera che l'IA possa aiutare la loro attività di ricerca. Un progetto chiamato Rankbrain sta cercando di utilizzare l'intelligenza artificiale per migliorare l'efficacia del Page Rank. Microsoft e Facebook hanno entrambi rilasciato chatbots. Tesla sta guidando il sanguinamento con la sua modalità di guida automatica e Google è subito dietro con le sue auto a guida automatica.

Potrebbe essere difficile vedere la connessione tra questi progetti e l'addestramento di un'IA per vincere giochi, ma ognuna di queste IA ha modellato l'apprendimento automatico in qualche modo.

Poiché il campo si è evoluto, ha permesso alle IA di lavorare con set di dati più complessi. Il numero quasi infinito di mosse in Go può tradursi in un numero pressoché infinito di variabili sulla strada aperta. Quindi, davvero, questi giochi sono solo l'inizio - una fase di esercitazione, se vuoi.

Le cose davvero interessanti sono dietro l'angolo, ed è molto probabile che saremo in grado di provarle tutte di prima mano.

Cosa ti eccita dell'IA? C'è un gioco che pensi che l'intelligenza artificiale non possa alla fine conquistare? Fateci sapere nei commenti.

Immagine di credito: David Pacey via Flickr, Debbie Miesel via IBM, CPRG via Università di Alberta, Play Among Friends Paf via Flickr, Mr Seb via Flickr, Matt Brown via Flickr, Jiuguang Wang via Flickr

Scopri di più su: Intelligenza Artificiale.