De ce este important să învățați jocul la jocuri | ben dickson

OpenAI, laboratorul de cercetare a inteligenței artificiale fondat de Sam Altman și Elon Musk, a declarat recent că va trimite o echipă la Vancouver în august pentru a participa la un turneu profesionist al celebrului joc online de luptă Dota 2. Dar spre deosebire de alte echipe care vor fi concurând pentru premiul de mai multe milioane de dolari, lui OpenAI echipa nu va implica niciun om - cel puțin, nu direct.

Numită OpenAI Five, echipa este alcătuită din cinci rețele neuronale artificiale care au fost arzând prin puterea de calcul imensă a norului Google și care practică jocul de mai multe ori, de milioane de ori. OpenAI Five a câștigat deja semifavoarea la Dota 2 și își va testa metoda în fața primului 1% dintre jucători veniți în august.

La primul Privirea, cheltuirea resurselor de calcul costisitoare și talentul AI limitat pentru a învăța AI să joace jocuri ar putea părea iresponsabile. OpenAI găzduiește unii dintre cei mai importanți oameni de știință AI din lume, care, potrivit The New York Times , câștigă salarii de șapte cifre. La urma urmei, nu pot lucra la probleme mai importante, cum ar fi dezvoltarea AI care poate lupta împotriva cancerului sau poate face mașinile cu autovehicule mai sigure?

Absurd cum ar părea unii, jocurile s-au dovedit a fi o parte importantă a cercetării AI. De la șah la Dota 2, fiecare joc pe care AI l-a cucerit ne-a ajutat să rupem teren nou în informatică și în alte domenii.

Jocurile Ajută la urmărirea progresului AI

De la înființarea ideii de inteligență artificială în anii '50, jocurile au fost un mod eficient de a măsura capacitatea AI. Sunt deosebit de convenabile în testarea capacității noii AI tehnici, pentru că puteți cuantifica performanța AI cu scoruri numerice și rezultate câștig-pierdere și comparați-o cu oamenii sau alte AI.

Primul joc pe care cercetătorii au încercat să-l stăpânească prin AI a fost șahul, care în primele zile a fost considerat testul final al avansurilor în domeniu. În 1996, Deep Blue de la IBM a fost primul computer care a învins un campion mondial (Garry Kasparov) la șah. AI din spatele Deep Blue a folosit o metodă de forță brută care a analizat milioane de secvențe înainte de a face o mișcare.

În timp ce metoda a permis Deep Blue să stăpânească șahul, nu a fost niciodată suficient de eficientă pentru a aborda jocuri de masă mai complicate. Conform standardelor de astăzi, este considerat brut. Când Deep Blue l-a învins pe Kasparov, un om de știință a remarcat că va dura încă o sută de ani înainte ca AI să poată cuceri vechiul joc chinez de Go, care are mai multe mișcări posibile decât numărul de atomi din univers.

Dar, în 2016, cercetătorii companiei AI a companiei Google, DeepMind, au creat AlphaGo, o AI care joacă Go-playing, care a învins-o pe Lee Sedol, campioana mondială, 4 la 1 într-o competiție de cinci jocuri. AlphaGo a înlocuit metoda forței brute a Deep Blue cu învățarea profundă, o tehnică AI care funcționează într-un mod mult mai asemănător cu modul în care funcționează creierul uman. În loc să examineze fiecare combinație posibilă, AlphaGo a examinat modul în care oamenii au jucat Go, apoi a încercat să-și dea seama și să reproducă tipare de joc de succes.

Cercetătorii companiei DeepMind au creat ulterior AlphaGo Zero, o versiune îmbunătățită a AlphaGo, care a folosit învățarea la armare, o metodă care a necesitat zero contribuții umane. AlphaGo Zero a fost învățat regulile de bază ale lui Go și a învățat jocul jucând împotriva sa de nenumărate ori. Iar AlphaGo Zero și-a bătut predecesorul 100 la zero.

Totuși, jocurile de masă au limitări. În primul rând, sunt bazate pe rând, ceea ce înseamnă că IA nu este sub tensiunea de a lua decizii într-un mediu care se schimbă constant. În al doilea rând, AI are acces la toate informațiile din mediu (în acest caz, tabloul) și nu trebuie să facă ghiciri sau să își asume riscuri pe baza unor factori necunoscuți.

Având în vedere acest lucru, o AI numită Libratus a făcut următoarea descoperire în cercetarea inteligenței artificiale bătând pe cei mai buni jucători de la poker Texas Hold 'Em. Dezvoltat de cercetătorii de la Carnegie Mellon, Libratus a arătat că AI poate concura cu oamenii în situații în care are acces la informații parțiale. Libratus a folosit mai multe tehnici AI pentru a învăța pokerul și a-și îmbunătăți jocul în timp ce a examinat tactica adversarilor săi umani.

Jocurile video în timp real sunt următoarea frontieră pentru AI, iar OpenAI nu este singura organizație implicată în domeniu. Facebook a testat învățarea AI-ului pentru a juca jocul de strategie în timp real StarCraft, iar DeepMind a dezvoltat o AI care poate juca jocul de shooter în prima persoană Quake III. Fiecare joc prezintă propriul set de provocări, dar numitorul comun este că toți aceștia prezintă AI cu medii în care trebuie să ia decizii în timp real și cu informații incomplete. Mai mult, aceștia oferă AI o arenă în care își poate testa puterea împotriva unei echipe de adversari și să învețe munca în echipă.

Deocamdată, nimeni nu a dezvoltat AI care să poată bate jucători profesioniști. Dar însăși faptul că AI concurează cu oamenii la jocuri atât de complexe arată cât de departe am ajuns pe teren.

Jocurile ajută la dezvoltarea AI în alte domenii

În timp ce oamenii de știință au folosit jocurile ca testbeds pentru dezvoltarea de noi tehnici de AI, realizările lor nu au rămas limitate la jocuri. De fapt, AIs-urile de jocuri au deschis calea inovațiilor în alte domenii.

În 2011, IBM a introdus un supercomputer capabil de procesare și generare a limbajului natural (NLG / NLP) și a fost numit după fostul CEO al companiei, Thomas J Watson. Calculatorul a jucat celebrul joc de testare al concursului de televiziune Jeopardy împotriva a doi dintre cei mai buni jucători din lume și a câștigat. Ulterior, Watson a devenit baza pentru o gamă uriașă de servicii AI de către IBM în diferite domenii, inclusiv asistența medicală, securitatea cibernetică și prognoza meteo.

DeepMind își folosește experiența din dezvoltarea AlphaGo pentru a utiliza AI în alte domenii în care învățarea prin consolidare vă poate ajuta. Compania a lansat un proiect cu National Grid Marea Britanie pentru a utiliza lui AlphaGo smarts pentru îmbunătățirea eficienței rețelei britanice de electricitate. Google, compania-mamă a DeepMind, utilizează, de asemenea, tehnica de reducere a costurilor de energie electrică a uriașelor sale centre de date, automatizând controlul consumului diferitelor sale hardware. Google folosește, de asemenea, învățare de armare pentru a antrena roboți care vor gestiona într-o bună zi obiecte din fabrici.

• Inteligența artificială are o problemă de părtinire și este defectul nostru Inteligența artificială are o problemă de părtinire și este defectul nostru
• Inteligența artificială IBM se ocupă de câmpurile de dezbatere umană IBM Inteligența artificială se ocupă de taberele de dezbatere umană
• De ce AI trebuie să dezvăluie că este AI De ce AI trebuie să dezvăluie că este AI

Libratus , AI care joacă poker, ar putea ajuta la dezvoltarea tipului de algoritmi care pot ajuta în diverse situații, cum ar fi negocieri și licitații politice, în care AI trebuie să își asume riscuri și să facă sacrificii pe termen scurt pentru câștiguri pe termen lung.

Aștept cu nerăbdare să văd cum va evolua OpenAI Five în competiția Dota 2 din august. Deși nu mă interesează în mod deosebit dacă rețelele neuronale și dezvoltatorii săi primesc acasă premiul de 15 milioane de dolari, sunt dornic să văd ce ferestre noi se vor deschide.