Bilgisayarlar İnsanları Yendiğinde AI'lar 5 Kez Kazanıyor

Yapay zeka bilgisayar bilimlerinin sınırıdır. Bilim, AI'nın bizi kendi oyunumuzda - ya da söylemeliyiz, oyunlar - yenecek kadar gelişmiş. Bazı insanlar Skynet'in yükselişinden korkabilirler. İşte Bilim Adamları Yapay Zeka için Endişelenmeniz gerektiğini Düşünüyor İşte Bilim Adamları Yapay Zeka İçin Endişelenmeniz gerektiğini Düşünüyor Neden Yapay Yapay Zekanın Tehlikeli Olduğunu Sence? AI insan ırkı için ciddi bir risk oluşturabilir mi? Bunlar endişe duymak isteyebileceğiniz bazı nedenler. Her AI evrimi ile, ama biz biraz daha iyimseriz.

AlphaGo bir tahta oyununda bir insanı yenen en son AI'dır, ancak uzun bir soyağacından gelir. Bu beş makine amaca yönelik programlar olarak başlatılsa da, bazıları orijinal aramaların ötesine geçen ikinci hayatlar buldu..

Bu makalede, ne zaman parlak bir insan bir bilgisayara kaybedilirse ve bu bilgisayarların her birine belirleyici üstünlüğü neyin verdiğini inceleyeceğiz..

1. Deep Blue, Satranç Ustası

IBM'in Deep Blue ve Garry Kasparov, insan ve makine arasındaki ilk yüksek profilli savaşlardan birini yaptı. Kasparov elbette kaybetti ama biraz karmaşık bir geçmişleri vardı.

Kasparov'un ilk olarak Deep Blue'nun küçük kardeşi Deep Thought'u 1989'da yendikten sonra, IBM 1996'da yeni ve geliştirilmiş Deep Blue'yla geri döndü. Kasparov açılış oyununu kaybetti, bir saniye bağladı, ancak maçı kazanmak için üç düz maç kazandı..

1997'de ikinci bir rövanşa kadar Deep Blue, bir maçta altı maç maçı kazanan Kasparov'u en iyi şekilde oyladı..

Kasparov, Deep Blue'nun oyununda istihbarat gördüğünü ve IBM'i araya girmekle suçladığını söyledi. “zeka” Aslında Deep Blue'nun karakterden uzak durmasına neden olan bir hataydı. Temel olarak, AI oldukça ilkeldi, kaba davranışı muhtemel hareketler ve sonuçlar yoluyla zorluyordu…

… Ve optimal bir seçenek bulamazsa, rastgele seçti.

Her hareketi için Deep Blue, olası tüm hareketleri ve Kasparov'un yanıtlarını modelledi. Saniyede yirmiden fazla hamle modelleyebildi ve saniyede milyonlarca olası pozisyonu değerlendirdi. Bu modelleme, güçlü paralel işlem yapabilen donanım gerektiriyordu.

Paralel işleme, görevleri daha küçük bilgi işlem görevlerine bölmek ve bu görevleri aynı anda tamamlamaktır. Elde edilen veriler daha sonra sonuç için tekrar bir araya getirilir..

İki maç arasında Deep Blue'ya önemli bir donanım yükseltmesi yapıldı. Kazanan donanım, IBM'in Power PC platformunda çalışan 30 düğümlü bir sistemdi. Her düğümde satranç talimatlarına adanmış ikincil işlemciler vardı. 10 Satranç Eğitiminizi Süperlaştırmanın Yaratıcı Yolları 10 Satranç Satrançunuzu Süper Şekillendirme Yaratıcı Yolları Satrançta daha iyi hale gelmek normalde birçok bulaşık oyununda kasıtlı olarak yapılan uygulamalarla ilgilidir. satranç antrenmanınıza eğlenceli ve yaratıcılık. .

Hepsi bir arada, Deep Blue paralel çalışan 256 işlemciye sahipti..

Bu donanımın veri merkezlerinde çalışan torunları var, ancak Deep Blue'nun gerçek mirası Jeopardy şampiyonu Watson. Nihayetinde IBM, Deep Blue’yu büyük ölçekli simülasyonlara ihtiyaç duyan tüm alanlarda finansal modelleme, veri madenciliği ve uyuşturucu keşfi üzerine çalışmaya koydu..

Polaris, Poker Şampiyonu

Alberta Üniversitesi, turnuvada poker profesyonellerini yenen ilk AI olan Polaris'i yarattı. Araştırmacılar AI için en az şansa dayandığı için bir Texas Hold 'Em çeşidi seçtiler.

Polaris poker oyuncularına karşı iki kez karşı karşıya geldi. İlki 2007 yılında iki oyuncuya karşıydı. Ellerin ön dağıtımı yapıldı - Polaris bir oyuncuya karşı karşıya gelirken bir kart setine, diğer oyuncuya karşı oynamaya ise ters ele sahipti (şans kontrolü için).

Polaris daha sonra altı oyuncuya karşı 2008 turnuvası için yeniden düzenlendi. Bu aynı zamanda önceden dağıtılmış bir oyun setiydi. Polaris ilk oyunda berabere kaldı ve ikinciyi kaybetti, ancak sonunda turnuvayı kazandı, arkadan gelip iki düz maç kazandı.

Satrançtan farklı olarak, poker modelleme yoluyla kaba bir şekilde zorlanamaz, çünkü AI oyunun sınırlı bir resmine sahiptir - rakiplerinin elleri hakkında hiçbir fikri yoktur..

Kart anlaşmaları neredeyse sonsuz eşsizdir ve bu da modellemeyi daha az etkili hale getirir. Aynı kartlar, dağıtılan diğer kartlara bağlı olarak iyi veya değersiz bir el olabilir. Bluffing, tek başına bahis oynamak için el gücünün iyi bir göstergesi olmadığı için AI için başka bir sorun sunuyor.

Polaris, ajan denilen birçok programın bir kombinasyonudur. Bu programların her birinin kendi stratejisi vardı ve bunlardan hangisinin belirli bir el için en iyisi olduğunu seçecek başka bir ajan vardı..

Poker oyununu parçalamak için kullanılan stratejiler çeşitlidir ve oyun teorisi gerektirir. Temel fikir, her oyuncunun en iyi stratejisinin mevcut tüm verilere dayanarak ne olacağını bulmaktır ve Polaris bunu bir teknikle başarmıştır. bucketing.

Kovalama, kart ellerini mukavemetine göre sınıflandırmak için kullanılır. Polaris'in oyunun izini sürmek için gereken veri noktalarının sayısını azaltmasına izin verdi. Daha sonra, diğer tüm olası kovaların olasılığını kullandı, bunları görünür kartlardan aldı..

Polaris'in kendine has bir donanımı vardı: her birinde 4 CPU ve 8 GB RAM bulunan 8 bilgisayar grubu. Bu makineler her ajan için kovalar ve stratejiler oluşturmak için gerekli simülasyonları çalıştırdılar..

O zamandan beri, Polaris Cepheus adlı başka bir programda gelişti ve araştırmacılar şimdi Texas Hold'em ilan ettiler. “zayıf çözülmüş”.

Oyunlar “çözülmüş” Ne zaman algoritmalar bir oyunun sonucunu herhangi bir pozisyondan belirleyebiliyorsa. Bir oyun “zayıf çözülmüş” algoritma kusurlu oyun için hesap oluşturduğunda. Cepheus'a karşı şansınızı deneyebilirsiniz burada.

3. Watson, Jeopardy Genius

Tarihin bu noktasına kadar AI zaferleri düşük anahtarlıklı oyunlardı, bu nedenle Watson'ın zaferi ana halk için bu kadar önemli bir dönüm noktası: Watson, AI savaşını doğruca Amerika'nın oturma odalarına getirdi.

Jeopardy, zorlu önemsiz şeyleriyle bilinen sevilen bir oyun programı ve kendine özgü bir tuhaflığı var: ipuçları, yarışmacıların soruları ortaya koyması gereken ipuçları.. Tanınmış Jeopardy şampiyonu Brad Rutter ve Ken Jennings'i üstlenen Watson için gerçek bir sınav..

Rutter tüm zamanların en iyi para şampiyonuydu ve Ken Jennings en uzun galibiyet serisine sahipti. Üçüncü bir şahıs, soruların Watson'a yardım etmek veya istismar etmek için yazılmadığından emin olmak için eski bölümlerden rastgele bir soru çeşitliliği seçti..

Watson üç düz maç kazandı - biri pratik, ikisi televizyon yayınlandı - ama bazılarının Watson'ın cevaplarına tuhaflıklar oldu. Örneğin, Jennings bir soruyu yanlış cevapladıktan hemen sonra, Watson aynı yanlış cevapla cevap verdi..

Ancak, Watson'ı benzersiz yapan şey, doğal dili kullanma becerisiydi.. IBM, bunun için durduğu bu Derin KG'yi çağırdı. “soru cevaplama”. Kilit başarı, Watson’ın sadece anahtar kelime alaka düzeyi ile değil bağlamdaki cevapları arayabilmesiydi..

Yazılım, dağıtılmış sistemlerin bir kombinasyonudur. Hadoop ve Apache UIMA, verileri endekslemek ve Watson'ın çeşitli düğümlerinin birlikte çalışmasına izin vermek için birlikte çalışır..

Deep Blue gibi, Watson da IBM'in Power PC platformunda geliştirildi. Watson, 16 TB RAM'e sahip 90 çekirdekli bir kümeydi. Jeopardy oyunları için ilgili tüm veriler yüklenip RAM’e kaydedilmiştir..

Hangi alakalı veriler? Watson, Wikipedia'nın tam metnine erişebildi. Bir dizi sözlük, eş anlamlılar, ansiklopediler ve diğer referans malzemeleri vardı. Watson maç boyunca internete giremedi, ancak tüm yerel veriler yaklaşık 4 TB oldu.

Son zamanlarda, Watson kanser hastaları için tedavi seçeneklerini analiz etmek ve önermek için kullanılmıştır. Watson'ın son girişimi, çocuklar için kişiselleştirilmiş öğrenme uygulamaları oluşturmaya yardımcı oluyor. IBM'in Watson'ı nasıl pişireceği konusunda yemek pişirmek için girişimler bile var. Şükran Günü Yemeği Oluşturdu - İşte Olanlar IBM'in Watson'ı Şükran Günü Yemeği Yaptı - İşte, Watson'ın yaptığı akıllı zeka şeyleri yapabilen IBM'in yapay zekası. Eşsiz Şükran Günü yemeği? Denerim. Ne olduğunu görün! !

4. Deepmind, Kendi Kendine Öğretilen

Google'ın Deepmind'i sonunda ineklere endişelenecek bir şey verebilir çünkü klasik Atari oyunlarında insanları dövdüğü için Internet Arşivi, Tarayıcınıza 900 Klasik Arcade Oyunları getiriyor. İşte En İyi 7 İnternet Arşivinin 7'si Tarayıcınıza 900 Klasik Arcade Oyunları getiriyor. İşte En İyilerden 7'si Şehrinizin arsası 90'lı yılların ortalarında kapanmış olabilir, ancak bu klasik oyunlarınızı düzeltmenize engel olmamalıdır. - en azından bazı oyunlar. İnsanlık hala Asteroid ve Gravitar gibi oyunlarda üstünlüğü koruyor.

Deepmind yapay bir ağdır AI. Yapay sinir ağları, insan zihninin çalışma şeklini taklit etmek için yaratılan ve sanal olarak yaratarak yapılan AI'lardır. “nöronlar” bilgisayar hafızasını kullanma.

Deepmind, ekranın her pikselini analiz edebildi, kazanma koşullarında verilen en iyi eyleme karar verdi, ardından kontrol cihazı girişi ile yanıt verdi..

AI, Deep Learning adlı bir Q-Learning değişkenini kullanarak oyunları öğrendi. Bu, AI'nın belirli bir durumda verilen en iyi kararı aldığı ve aynı durumla karşılaştığında tekrar ettiği bir öğrenme yöntemidir..

Deepmind'in varyantı benzersizdir, çünkü harici bellek kaynakları eklediğinden.

Bu tutulan bilgi sistemi, Deepmind’in bazı Atari oyunlarının düzenlerinde ustalaşmasına izin verdi ve hatta Breakout’un en uygun stratejisini kendi başına bulmasını sağladı..

Deepmind neden bazı oyunlarda kötü performans gösterdi? Durumları yargıladığı için. Deepmind'in bir seferde yalnızca dört kareyi analiz edebildiği, bu da labirentte gezinme veya hızlı tepki verme yeteneğini sınırlandırdığı ortaya çıktı..

Ayrıca, Deepmind her oyunu sıfırdan öğrenmek zorunda kaldı ve bir oyundan diğerine becerilerini uygulayamadı..

5. Alpha Go, İnanılmaz

AlphaGo, başka bir DeepMind projesi ve dikkat çekici çünkü iki profesyonel Go şampiyonunu yenmeyi başardı. Google’ın AI Atılımı: Ne İfade Ediyor ve Sizi Ne Etkiliyor? Google'ın AI Atılımı: Ne Demek - Sizi Nasıl Etkiliyor? - Fan Hui ve Lee Sedol - Kazanarak sırasıyla 5-0 ve 4-1 ile eşleşir.

Oyunculara ve maç yorumcularına göre, hepsi AI'nın muhafazakar oynadığını, bunun da şaşırtıcı olmadığını söyledi çünkü daha fazla puan kazandıracak riskli hamlelere karşı zafer kazandıracak güvenli hamleler lehine programlanmıştı..

Go bir zamanlar AI için ulaşamadığı düşünüldü, ancak Alpha Go şimdi oyunda profesyonel olarak sıralanan ilk AI oldu..

Oyunun basit bir düzenlemesi var: iki oyuncu tahtayı beyaz ve siyah taşlar kullanarak fethetmeye çalışıyor. Tahta 36 x kavşaktan oluşan 19 x 19'lık bir ızgaradır ve taşların yerleştirilmesi her oyuncunun bölgesini belirler. Hedef, diğerinden daha fazla bölge ile sona ermektir..

Potansiyel hamle ve oyun durumlarının sayısı, az söylemek çok büyük. Evet, merak ediyorsanız, satrançtan çok daha büyük.

Alpha Go, daha önce belirtilen Deep Learning AI sistemini kullanır; bu, Alpha Go'nun, oynanan oyunların hafızasını sakladığı ve onları deneyim olarak çalıştığı anlamına gelir. Daha sonra, en fazla sayıda pozitif potansiyel sonucu olan seçimi seçerek, bunlar arasında araştırma yapar..

Alpha Go, hesaplama ağırlıklı algoritmasını çalıştırmak için çok fazla bilgisayar gücüne ihtiyaç duyuyor. Maçları oynayan sürüm toplam 1.920 CPU ve 280 GPU içeren dağıtılmış bir sunucu setinde yayınlandı - oyun sırasında 64 eşzamanlı arama dizisine izin veren muazzam miktarda güç.

Watson gibi, DeepMind tıp fakültesine gidiyor. Deepmind, sağlık kayıtlarını analiz etmek için İngiltere’nin NHS’iyle bir ortaklık yaptığını açıkladı. Proje, Streams, böbrek hasarı riski taşıyan hastaların belirlenmesine yardımcı olacak.

Yapay Zeka Ciddileşiyor

Şu anda AI’ya girecek çok fazla araştırma var.

Google, AI’nın arama işlerine yardımcı olabileceğini umuyor. Rankbrain adlı bir proje, Sayfa Sıralamasının etkinliğini arttırmak için AI kullanmak istiyor. Microsoft ve Facebook hem sohbetleri serbest bıraktı. Tesla, otomatik sürüş modu ile kanama kenarını yönetiyor ve Google kendi kendine sürüş otomobilleriyle hemen geride..

Bu projelerle oyun kazanmak için yapay zeka eğitimi arasındaki bağlantıyı görmek zor olabilir, ancak bu yapay zekaların her biri bir şekilde makine öğrenmesini şekillendirmiştir..

Alan geliştikçe, AI'ların daha karmaşık veri kümeleriyle çalışmasına izin verdi. Go'daki neredeyse sonsuz sayıda hamle, açık yoldaki neredeyse sonsuz sayıda değişkene tercüme edebilir. Gerçekten, bu oyunlar daha başlangıçtır - bir uygulama aşaması,.

Gerçekten ilginç şeyler köşeyi dönünce ve hepsini ilk elden deneyimleyebilmemiz çok mümkün.

AI hakkında sizi ne heyecanlandırıyor? AI'nın nihayetinde fethedemeyeceğini düşündüğünüz bir oyun var mı? Yorumlarda bize bildirin.

Image Credit: Flickr ile David Pacey, IBM ile Debbie Miesel, Alberta Üniversitesi ile CPRG, Flickr ile Arkadaş Paf, Flickr ile Bay Seb, Flickr ile Matt Brown, Flickr ile Jiuguang Wang