AlphaGO. Wielki krok dla sztucznej inteligencji?

Zwycięstwo sztucznej inteligencji Deepmind w grze w Go nad wielokrotnym mistrzem Lee Se-dolem było ogromnym wydarzeniem w historii sztucznej inteligencji. Pozwoliło także twórcom AI sprawdzić możliwości swojego wynalazku i niesamowitej reklamy na całym świecie. Czy był to kamień milowy dla AI? Google kontynuuje tę drogę i rozwija swoją technologię.

Czym jest Go?

Go to bardzo popularna gra w krajach azjatyckich. Jest to abstrakcyjna gra planszowa wymyślona prawie 3 tysiące lat temu. Ta gra strategiczna toczy się na planszy o wymiarach 19×19 kwadratów. Gracze po kolei umieszczają czarno-białe piony, aby zakreślać punkty na siatce i podbijać terytorium przeciwnika. Chociaż zbiór zasad jest bardzo mały, stwarza to wyzwanie o niezwykłej głębi i niuansach. Dzięki zawiłości Go, ludzie stają się ekspertami po latach praktyki, doskonaląc swoją intuicję i ucząc się rozpoznawać wzorce gry. Gra się głównie dzięki intuicji, a dzięki jej pięknu, subtelności i intelektualnej głębi, urzeka ludzką wyobraźnię od wieków.

Dlaczego Go, a nie szachy?

Go jest uważane za nieporównywalnie trudniejsze niż szachy i inne gry strategiczne. Jest w nim więcej intuicji niż w szachach i trudniej jest poznać różne warianty gry. Jak wiadomo, gry są trudne do porównania, ale jeśli chodzi o trudność dla AI, gra w Go jest na wyższym poziomie.
„Just to remind you, the AI pioneer – DeepBlue won with Chess Grandmaster Kasparov in the 1990s. It was a great feat in those days. However, DeepBlue acted on a different basis than today’s artificial intelligence. It has been programmed to search thousands of chess games and evaluate the best movement it has. Everyone knew that his only goal is to play chess, and his programming cannot be used for many other elements. However, AlphaGo used the idea of computing power and added human reasoning or intuition – this combination makes it ideal for countless purposes.

AlphaGo learning process

The complexity of Go means that it has long been seen as the most challenging classic game for artificial intelligence. Despite decades of work, Go’s strongest computer programs have been able to play only at the level of human amateurs. Traditional AI methods that build search trees in all possible positions have no chance in Go. This is due to a large number of possible moves and difficulties in assessing the strength of each possible position of the board.

To capture the intuitive aspect of the game, the developers have adopted a novel approach. AlphaGo combines advanced tree search with deep neural networks. These neural networks describe the Go card as input and process it through a number of different network layers containing millions of neuron-like connections. One neural network, the „rules network
Przypomnijmy, pionier sztucznej inteligencji – DeepBlue wygrał z arcymistrzem szachowym Kasparowem w latach 90. Był to wielki wyczyn w tamtych czasach. Jednak DeepBlue działał na innej podstawie niż dzisiejsza sztuczna inteligencja. Został zaprogramowany do przeszukiwania tysięcy partii szachowych i oceny najlepszego ruchu, jaki posiada. Wszyscy wiedzieli, że jego jedynym celem jest gra w szachy, a jego programowanie nie może być wykorzystane do wielu innych elementów. Jednak AlphaGo wykorzystał ideę mocy obliczeniowej i dodał ludzkie rozumowanie lub intuicję — ta kombinacja czyni go idealnym do niezliczonych celów.

Proces uczenia się AlphaGo

Złożoność Go oznacza, że od dawna jest postrzegana jako najtrudniejsza klasyczna gra dla sztucznej inteligencji. Pomimo dziesięcioleci pracy, najsilniejsze programy komputerowe Go były w stanie grać tylko na poziomie ludzkich amatorów. Tradycyjne metody AI, które budują drzewa wyszukiwania we wszystkich możliwych pozycjach, nie mają szans w Go. Wynika to z dużej liczby możliwych ruchów i trudności w ocenie siły każdej możliwej pozycji planszy.

Aby uchwycić intuicyjny aspekt gry, twórcy przyjęli nowatorskie podejście. AlphaGo łączy zaawansowane wyszukiwanie drzewa z głębokimi sieciami neuronowymi. Te sieci neuronowe opisują kartę Go jako dane wejściowe i przetwarzają ją przez szereg różnych warstw sieci zawierających miliony połączeń neuronopodobnych. Jedna sieć neuronowa, „sieć reguł”, wybiera następny ruch w grze. Druga sieć neuronowa, „sieć wartości”, przewiduje zwycięzcę gry.

Ludzie z Google pokazali AlphaGo dużą liczbę silnych gier amatorskich, które pomogły mu rozwinąć własną wiedzę o tym, jak wygląda ludzka gra. Następnie grali przeciwko różnym wersjom siebie tysiące razy, za każdym razem ucząc się na błędach i stopniowo się poprawiając, aż AlpaGO stało się niezwykle potężne, poprzez proces znany jako nauczanie wzmacniane.

AlphaGo kontra Mistrzowie Go

Pierwszy oficjalny mecz AlphaGo był przeciwko obecnemu trzykrotnemu mistrzowi Europy, panu Fan Hui, w październiku 2015 roku. Zwycięstwo sztucznej inteligencji 5:0 było pierwszą w historii walką z profesjonalistą Go, a wyniki zostały opublikowane wraz z pełnymi informacjami technicznymi w międzynarodowych czasopismach. AlphaGo następnie rywalizowało z legendarnym graczem Lee Se-dolem, zwycięzcą 18 światowych serii. Lee Se-dol jest uważany za jednego z najlepszych graczy w historii i uważany za wielkiego geniusza w świecie Go. Przez wiele lat nikt nie wygrał z nim nawet jednej partii.

Zwycięstwo AlphaGo 4-1 w Seulu w Korei Południowej w marcu 2016 roku oglądało ponad 200 milionów ludzi na całym świecie. Było to przełomowe wydarzenie dla sztucznej inteligencji i szok dla całego świata graczy Go. Podczas gier AlphaGo grało w bardzo pomysłowy sposób, a niektóre ruchy były tak zaskakujące, że podważyły setki lat mądrości, które od tego czasu są szeroko studiowane przez graczy na wszystkich poziomach. W trakcie wygrywania AlphaGo w jakiś sposób nauczyło świat zupełnie nowej wiedzy o prawdopodobnie najbardziej badanej i kontemplowanej grze w historii.

AlphaGo Zero – usuwanie ludzkiej wiedzy z programu

Podjednostka Google zajmująca się sztuczną inteligencją, czyli Deepmind, wkrótce po słynnych grach zaprezentowała nowszą wersję oprogramowania – AlphaGo Zero. W przeciwieństwie do poprzednich wersji AlphaGo, które uczyły się grać w Go, wykorzystując tysiące ludzkich gier amatorskich i profesjonalnych, AlphaGo Zero uczyło się grać w Go po prostu grając w gry przeciwko sobie, zaczynając od całkowicie losowej rozgrywki. Nowy program jest znacznie lepszym graczem niż wersja, która pokonała mistrza świata na początku tego roku, ale co ważniejsze, jest również kompletnym samoukiem.
Według Deepmind oznacza to, że firma jest o krok bliżej do stworzenia algorytmów ogólnego przeznaczenia, które w inteligentny sposób będą potrafiły rozwiązać niektóre z najtrudniejszych problemów w nauce, od projektowania nowych leków po dokładniejsze modelowanie skutków zmian klimatycznych.

Znaczenie dla prawdziwego świata

Według niektórych specjalistów to czysto akademickie osiągnięcie niemające znaczenia dla świata biznesu. Uważają, że ważniejsza jest swobodna komunikacja na linii AI – człowiek. Mimo swojej złożoności Go, jak wszystkie gry planszowe, jest stosunkowo łatwe do zrozumienia przez komputery. Reguły są skończone, nie ma szczęścia, nie ma ukrytych informacji, a co najważniejsze – naukowcy mają dostęp do idealnej symulacji gry. Oznacza to, że sztuczna inteligencja może przeprowadzić miliony testów i mieć pewność, że niczego nie brakuje. Znalezienie innych dziedzin spełniających te kryteria ogranicza wykorzystanie inteligencji Zero. DeepMind nie stworzyło magicznej maszyny do myślenia.

Jednak podstawowe technologie stojące za AlphaGo są z pewnością ważne dla wielu różnych branż, takich jak E-commerce. Kluczem do sukcesu nie jest zapamiętywanie konkretnej sekwencji ruchów, ale rozpoznawanie wzorców i uogólnianie poprzednich doświadczeń.

Sposoby zastosowania rewolucyjnego postępu w uczeniu maszynowym – w zdolności maszyn do naśladowania ludzkiej kreatywności i intuicji – są praktycznie nieograniczone. Musimy być cierpliwi i czekać na to, co przyniosą nam rozwiązania stosowane w AlphaGo.