Googles AI-genombrott: Vad det betyder och hur det påverkar dig

Annons

Den 27 januari meddelade Google att AlphaGo, en artificiell intelligens Vad konstgjord intelligens inte ärKommer intelligenta, känsliga robotar att ta över världen? Inte idag - och kanske inte någonsin. Läs mer utvecklat av sitt dotterbolag DeepMind, hade besegrat den europeiska Go-mästaren Fan Hui i en match med fem spel.

Du kanske har hört talas om den här nyheten eftersom det gör rubriker runt om i världen, men varför bryr sig människor så mycket om det? Vad betyder allt? Om du inte känner till Go-spelet eller dess betydelse för konstgjord intelligens kanske du känner dig lite förlorad.

Oroa dig inte, vi har täckt. Här är allt du behöver veta om genombrottet och hur det påverkar vanliga människor som du och jag.

The Game of Go: Simple Yet Complex

Go är ett forntida kinesiskt strategispel där två spelare kämpar för att fånga territorium. Vrid för tur, varje spelare - en vit, den andra svart - placerar stenar i skärningspunkten mellan ett 19 x 19 rutnät. När en grupp stenar är helt omgiven av den andra spelarens stenar, "fångas de" och tas bort från brädet.

I slutet av spelet "ägs" varje tom plats av spelaren som omger det. Varje spelares poäng är baserat på hur mycket territorium han äger (dvs hur mycket tomt utrymme han har omgiven) plus antalet motståndare som fångades under spelet.

Medan de flesta antagligen tycker om Chess som kungen av strategispel, är Go faktiskt mer komplex. Enligt Wikipedia finns det 10⁷⁶¹ möjliga Go-spel jämfört med 10¹²⁰ uppskattade möjliga schackspel.

Denna komplexitet, tillsammans med några esoteriska regler och betoning på att spela med instinkt, gör Go till ett särskilt svårt spel för datorer att lära sig och spela på en hög nivå.

The Incredible World of AIs för spelspel

I det stora planen för saker verkar det inte vara mycket värt att designa en konstgjord intelligens som spelar ett spel strävan, särskilt när IBMs Watson AI redan arbetar för att förbättra hälso- och sjukvården, ett område som behöver all den hjälp den kan skaffa sig. Så varför använde Google så många timmar och dollar för att skapa en Go-playing AI?

På en nivå hjälper det AI-forskare att hitta det bästa sättet att lära datorer att göra saker. Om du kan lära en dator att lösa hur du hittar de bästa rörelserna i ett spel med Checkers eller Tic-Tac-Toe, kan du få insikt i att lära en annan dator hur rekommenderar filmer på Netflix 4 Algoritmer för maskininlärning som formar ditt livDu kanske inte inser det men maskininlärning finns redan runt omkring dig och det kan utöva en överraskande grad av inflytande över ditt liv. Tro mig inte? Du kanske blir förvånad. Läs mer , översätt omedelbart tal eller förutsäg jordbävningar.

Många av användningsområdena för AI som vi hittills har sett skulle gynnas av förbättrade förmågor att lösa problem och mönsterutvinning, vilket också råkar vara viktigt för effektiva AI-spel.

Deep Blue, schackmästaren AI, arbetade med att använda en enorm mängd beräkningskraft och brute force-tekniker för att utvärdera alla möjliga nästa drag - upp till 200.000.000 positioner per sekund. Och även om denna strategi var tillräckligt effektiv för att slå en tidigare världschackmästare, är det inte ett särskilt "mänskliknande" sätt att spela schack. Det kräver också programmerare att ”förklara” spelets regler för AI.

På senare tid har en process utvecklats Djup lärning, som i grunden banade vägen för datorer att lära sig själva, och som helt förändrade lopp för konstgjord intelligens Microsoft vs Google - Vem leder det artificiella intelligensloppet?Artificiella intelligensforskare gör konkreta framsteg, och människor börjar prata allvarligt om AI igen. De två titanerna som leder den artificiella intelligensen är Google och Microsoft. Läs mer .

Med djup inlärning kan en dator extrahera användbara mönster från data - istället för att få höra av programmerare vilka mönster den ska leta efter - och använda dessa mönster för att optimera sina egna beslut. Om djup inlärning är framgångsrik kan en AI till och med upptäcka mönster som är mer effektiva än vad vi kan känna igen som människor.

Denna typ av lärande demonstrerades förra året, då Googles ägda AI-forskningsföretag DeepMind avslöjade en AI som lärde sig spela 49 olika Atari-spel Atari Arcade - Spela retro videospel i HTML5 [MUO Gaming]Den som spelar tv-spel idag är en stor tacksam skuld till Atari och grundarna och ingenjörerna som arbetade för företaget under de formativa åren. Atari var ansvarig för många av ... Läs mer efter att ha gett endast rå input. (Du kan se att det lär sig att spela Breakout ovan.)

Processen är densamma som att lära sig ett videospel utan en självstudie eller förklaring. Du tittar på ett tag, försöker sedan trycka på slumpmässiga knappar, börjar sedan ta reda på saker, utveckla strategier och fortsätter så småningom att utmärka.

Och det gjorde det. DeepMind AI förstörde absolut mänskliga motståndare på professionell nivå i några av dessa spel, som Video Pinball. Det klarade sig betydligt sämre i andra spel, inklusive Pac-Man, men hade en mycket imponerande rekord totalt sett.

AlphaGo: Nästa nivå av AI

AlphaGo, datorn som besegrade Fan Hui på Go, använde denna djupa inlärningsstrategi för att bli obesegrad i fem matcher.

I stället för att använda beräkningskraftsberäkning som Deep Blue, bestämde AlphaGo sitt nästa drag genom att använda det som det hade lärt sig i utbildning begränsa omfattningen av potentiellt effektiva drag, och kör sedan simuleringar för att se vilka drag som sannolikt skulle resultera i positiva utfall.

Två olika neurala nätverk Den senaste datatekniken du måste se för att troKolla in några av de senaste datorteknologierna som är avsedda att omvandla världen inom elektronik och datorer under de närmaste åren. Läs mer , policynätverket och värdenätverket, arbetade tillsammans för att utvärdera rörelser och välja det bästa varje tur.

På grund av Go: s komplexitet är det inte möjligt med ett brutstyrkt tillvägagångssätt över alla möjliga drag som det är i schack. Så AlphaGo utnyttjade den kunskap den fick under träningsfasen, som bestod av att titta på 30 miljoner drag som gjordes av mänskliga experter, lär sig att förutsäga sina drag, komma med sina egna strategier och spela mot sig själv tusentals gånger.

Med förstärkningslärande utvecklades och förstärktes dess beslutsprocesser tills AlphaGo blev världens bästa Go-playing AI. I 500 spel mot de mest avancerade Go-datorerna vann 499 av dem - även efter att ha gett dessa program en fyrstegs headstart.

Och givetvis slog AlphaGo Fan Hui, den nuvarande European Go-mästaren. Segern uppnåddes faktiskt i oktober 2015, men tillkännagivandet försenades för att sammanfalla med frigörandet av DeepMinds forskningsdokument i Natur. I mars tar AlphaGo på sig Lee Sedol, den mest dominerande spelaren i världen under de senaste tio åren.

Okej, så vad betyder allt?

Varför gör detta rubriker runt om i världen? Av flera skäl faktiskt.

Först trodde många att detta var omöjligt med nuvarande teknik. De flesta uppskattningarna sa att en AI inte skulle slå en Go-spelare i världsklass på minst tio år till. AlphaGos värdenätverk kan utvärdera alla Go-spel som för närvarande spelas och förutsäga en eventuell vinnare, ett problem som Google säger är "så svårt var det tros vara omöjligt. ”

För det andra är det faktum att djup och oberoende lärande användes mycket viktigt. Detta visar att en aktuell konstgjord intelligens kan samla in data, extrahera mönster, lära sig att förutsäga sådant mönster och så småningom utveckla problemlösningsstrategier som är komplexa och effektiva nog för att slå en världsklass mänskliga.

Och medan vinnande på Go inte kommer att förändra världen, är det faktum att en dator lyckades komma med den strateginivån med sina egna inlärningsalgoritmer mycket imponerande.

Det är denna djupa inlärning som har AI-forskare verkligen upphetsat med AlphaGo. Många tror att självständigt lärande är det första steget mot att göra en stark konstgjord intelligens. En stark AI hänvisar till en dator som kan lösa intellektuella uppgifter i nivå med människor (vilket är oerhört svårt, till stor del på grund av den mänskliga hjärnans komplexitet och effektivitet). Detta är den typ av AI du ser i många science fiction-filmer Uppmärksamhet, Internet! De bästa filmerna om konstgjord intelligensHollywood har släppt en hel del fantastiska filmer som utforskar frågorna om konstgjord intelligens genom åren, och här är 10 av de bästa filmerna om AI, vi rekommenderar att du flyttar himmel och jord till ... Läs mer .

Det är av den anledningen att det är en så stor sak att skapa AI: er som kan uppträda på människoliknande sätt. Att utvinna mönster och utveckla strategier är något vi gör hela tiden, och vi använder inte brute force-metoder när vi fattar beslut.

Det är väldigt svårt att få en dator att göra det utan mycket vägledning, men tack vare AlphaGo vet vi nu att stark AI inte bara är möjlig, utan närmare än vi trodde.

Naturligtvis är en Go-play AI fortfarande långt borta från en generellt intelligent AI. Det gör bara en sak, som är ungefär så enkel som en konstgjord intelligens kan få - även den Atari-spelande AI var kunna spela 49 olika spel Framtida AI: s spel kommer allvarligt att sprida dig utVideogame AI är inte så bra - ännu. Med de senaste tekniska framstegen kan det dock snart förändras. Läs mer - men AlphaGos effektiva oberoende inlärning kan vara det första steget mot ett stort paradigmskifte i AI.

Vad tror du?

Det är ingen tvekan om att AlphaGos seger över Fan Hui är viktig, men huruvida det är värt globala rubriker är diskuterat.

Tror du att det här är en stor sak? Är vi ett steg närmare robot apokalyps Microsoft, artificiell intelligens och robotapokalypsenMicrosoft ser en rad autonoma robotar seriöst. Är detta början på slutet för människor, eller bara ytterligare ett steg framåt i trycket för säker konstgjord intelligens? Läs mer ? Eller är du inte imponerad av en AI som bara kan spela ett spel? Dela dina tankar nedan och låt oss prata om det.

Bildkrediter: gå spel av vvoe via Shutterstock, Tatiana Belova via Shutterstock.com, Mciura via Wikimedia Commons, Zerbor via Shutterstock.com