Zašto je podučavanje ai igranja igara važno | ben dickson

OpenAI, laboratorij za istraživanje umjetne inteligencije koji su osnovali Sam Altman i Elon Musk, nedavno su izjavili da će u kolovozu poslati ekipu u Vancouver koji će sudjelovati na profesionalnom turniru čuvene online borbene igre Dota 2. Ali za razliku od drugih timova koji će biti natječući se za višemilijunsku nagradu, OpenAI-a tim neće uključivati ​​ljude - barem, ne izravno.

Nazvani OpenAI Five, tim se sastoji od pet umjetnih neuronskih mreža koje su gorjele ogromnom računalnom snagom Googleovog oblaka i prakticirale igru ​​iznova i iznova, milijunima puta. OpenAI Five već je pobijedio poluprofesionalne igrače na Dota 2 i testirat će svoje uspjehe u odnosu na prvih 1 posto igrača koji dolaze u kolovozu.

Na prvi pogled, trošenje skupih računalnih resursa i oskudni AI talent podučavati AI da igraju igre može se činiti neodgovornim. OpenAI ima neke od najboljih svjetskih AI znanstvenika koji, prema pisanju The New York Timesa , zarađuju sedam cifara. Na kraju krajeva, zar ne mogu raditi na važnijim problemima, poput razvoja AI koji se može boriti protiv raka ili učiniti sigurnije automobile sigurnijima?

Kao što se nekima možda čini apsurdnim, igre su se pokazale važnim dijelom AI istraživanja. Od šaha do Dota 2, svaka pobjeda koju je AI osvojio, pomogla nam je da probijemo novu zemlju u području informatike i drugim poljima.

Igre pomažu pratiti napredak AI

Od početka ideje o umjetnoj inteligenciji 1950-ih, igre su bile učinkovit način za mjerenje kapaciteta AI. Posebno su pogodni za testiranje kapaciteta novog AI-ja Tehnike, jer možete kvantificirati performanse AI numeričkim rezultatima i ishodima-gubitkom i usporediti ih s ljudima ili drugim AI.

Prva igra koju su istraživači pokušali savladati kroz AI bio je šah, koji se u ranim danima smatrao konačnim testom napretka na terenu. 1996. IBM-ov Deep Blue bio je prvo računalo koje je pobijedilo svjetskog prvaka (Garry Kasparov) u šahu. AI iza Deep Blue-a upotrijebio je grubu silu metodu koja je analizirala milijunske sekvence prije nego što su napravili potez.

Iako je metoda omogućila Deep Blueu da savlada šah, nigdje nije bila dovoljno učinkovita za rješavanje složenijih društvenih igara. Prema današnjim standardima, smatra se sirovim. Kad je Deep Blue pobijedio Kasparov, znanstvenik je primijetio da će proći još stotinu godina prije nego što AI uspije osvojiti drevnu kinesku igru ​​Go, koja ima više mogućih poteza od broja atoma u svemiru.

No 2016. godine, istraživači AI-ove tvrtke DeepMind u vlasništvu Google-a stvorili su AlphaGo, Go-play AI koji je u natjecanju u pet igara pobijedio Lee Sedol, svjetskog prvaka, 4 na 1. AlphaGo je zamijenio grubu silu metodom Deep Blue-a dubokim učenjem, AI tehnikom koja djeluje na mnogo sličniji način na koji funkcionira ljudski mozak. Umjesto da ispituje svaku moguću kombinaciju, AlphaGo je ispitao način na koji su ljudi igrali Go, a zatim je pokušao smisliti i ponoviti uspješne uzorke igranja.

Istraživači DeepMind-a kasnije su stvorili AlphaGo Zero, poboljšanu verziju AlphaGo-a koji je koristio učenje ojačanja, metodu koja zahtijeva nula ljudskog unosa. AlphaGo Zero bio je naučen osnovnim pravilima Go i naučio je igru ​​igrajući protiv sebe bezbroj puta. I AlphaGo Zero pobijedio je svog prethodnika 100 na nulu.

Međutim, igre na ploči imaju ograničenja. Prvo, temelje se na potezima, što znači da AI nije pod naponom da donosi odluke u okruženju koje se stalno mijenja. Drugo, AI ima pristup svim informacijama u okruženju (u ovom slučaju odbor) i ne mora nagađati ili riskirati na temelju nepoznatih čimbenika.

S obzirom na to, AI zvani Libratus napravio je sljedeći napredak u istraživanju umjetne inteligencije pobedivši najbolje igrače u Texas Hold 'Em pokeru. Libratus je razvio istraživači iz Carnegie Mellon i pokazao da se AI može natjecati s ljudima u situacijama kad ima pristup djelomičnim informacijama. Libratus je koristio nekoliko AI tehnika kako bi naučio poker i poboljšao svoj gameplay dok je ispitivao taktike svojih ljudskih protivnika.

Video igre u stvarnom vremenu sljedeća su granica AI-a, a OpenAI nije jedina organizacija koja se bavi tim poljem. Facebook je testirao podučavanje AI-a da igra strategijsku igru ​​StarCraft u stvarnom vremenu, a DeepMind je razvio AI koji može igrati igru ​​pucača prvog lica Quake III. Svaka igra predstavlja svoj niz izazova, ali zajednički nazivnik je da sve one predstavljaju AI okruženjima u kojima moraju donositi odluke u stvarnom vremenu i s nepotpunim informacijama. Štoviše, oni pružaju AI arenu u kojoj može testirati svoju snagu protiv tima protivnika i naučiti sam timski rad.

Za sada nitko nije razvio AI koji može pobijediti profesionalne igrače. No, sama činjenica da se AI natječe s ljudima u tako složenim igrama pokazuje koliko smo daleko stigli na terenu.

Igre pomažu u razvoju AI na drugim poljima

Dok su znanstvenici upotrebljavali igre kao testne trake za razvoj novih AI tehnika, njihova postignuća nisu ostala ograničena samo na igre. U stvari, igrači AI otvorili su put inovacijama na drugim poljima.

2011. godine, IBM je predstavio superračunalo koje je bilo sposobno za obradu i generiranje prirodnih jezika (NLG / NLP) i ime je dobilo po bivšem direktoru tvrtke Thomasu J Watsonu. Računalo je igralo poznatu kviz igru ​​TV emisije Jeopardy protiv dvojice najboljih svjetskih igrača i pobijedilo. Kasnije je Watson postao osnova za veliku liniju AI usluga od strane IBM-a u različitim područjima, uključujući zdravstvo, kibernetičku sigurnost i prognozu vremena.

DeepMind koristi svoje iskustvo iz razvoja AlphaGo-a za korištenje AI u drugim područjima u kojima učenje osnaživanja može pomoći. Tvrtka je pokrenula projekt s Nacionalnom mrežom UK kako bi je iskoristili AlphaGo-a pametno poboljšati učinkovitost britanske elektroenergetske mreže. Google, matična tvrtka DeepMind, također koristi tehniku ​​kako bi smanjio troškove električne energije svojih ogromnih podatkovnih centara automatizirajući kontrolu potrošnje svog različitog hardvera. Google također koristi pojačanje za obuku robota koji će jednog dana rukovati predmetima u tvornicama.

• Umjetna inteligencija ima problem pristranosti, a naša je greška Umjetna inteligencija ima problem pristranosti, i naša je greška
• IBM umjetna inteligencija preuzima humane pregovore o ljudskoj raspravi IBM umjetna inteligencija preuzima humane tribine za debatu
• Zašto AI mora otkriti da je to AI Zašto AI mora otkriti da je to AI

Libratus AI, igrajući poker, mogao bi pomoći u razvijanju algoritama koji mogu pomoći u različitim situacijama kao što su politički pregovori i aukcije, gdje AI mora riskirati i kratkoročno žrtvovati za dugoročni dobitak.

Jednom se radujem što ću vidjeti kako će OpenAI Five nastupati u kolovozu Dota 2 natjecanju. Iako me posebno ne zanima hoće li neuronske mreže i njegovi programeri kući donijeti nagradu od 15 milijuna dolara, želim vidjeti koji će se novi prozori otvoriti.