AlphaGo Zero Shows mašīnas var kļūt par pārcilvēku bez jebkādas palīdzības

www.alphagomovie.com

AlphaGo ilgi nebija labākais Go spēlētājs uz planētas. Ir parādījusies jauna meistarīgās AI programmas versija, un tas ir briesmonis. Cīņā AlphaGo Zero uzvarēja sākotnējo programmu ar 100 spēlēm pret nevienu.

Patiešām forši ir tas, kā AlphaGo Zero to paveica. Tā kā sākotnējā AlphaGo mācījās, uzņemot datus no simtiem tūkstošu cilvēku ekspertu spēlētu spēļu, AlphaGo Zero, ko arī izstrādāja Alphabet meitasuzņēmums DeepMind , sākās tikai ar tukšu dēli un spēles noteikumiem. Tā mācījās, vienkārši spēlējot miljoniem spēļu pret sevi, izmantojot katrā spēlē apgūto, lai uzlabotu.

Jaunā programma ir solis uz priekšu, meklējot patiesi inteliģentas iekārtas. Tas ir tāpēc, ka mašīnām būs jāizdomā sarežģītu problēmu risinājumi pat tad, ja nav daudz apmācības datu, no kuriem mācīties.

Saistīts stāsts

Saistīts stāsts

Visspilgtākais ir tas, ka mums vairs nav vajadzīgi nekādi cilvēku dati, saka Demis Hassabis, DeepMind izpilddirektors un līdzdibinātājs. Hassabis saka, ka AlphaGo Zero izveidei izmantotās metodes ir pietiekami spēcīgas, lai tās izmantotu reālās situācijās, kurās ir nepieciešams izpētīt plašu iespēju ainavu, tostarp zāļu atklāšanu un materiālu zinātni. Pētījums par AlphaGo Zero šodien tiek publicēts žurnālā Daba.

Jāatzīmē, ka šī pašmācības procesa laikā AlphaGo Zero atklāja daudzus trikus un paņēmienus, ko cilvēku Go spēlētāji ir izstrādājuši pēdējo vairāku tūkstošu gadu laikā. Pēc dažām dienām tas no jauna atklāj zināmās labākās lugas, un pēdējās dienās tas pārsniedz šīs lugas, lai atrastu kaut ko vēl labāku, saka Hassabis. Tas ir diezgan forši redzēt.

DeepMind, kas atrodas Londonā, Google iegādājās 2014. gadā. Uzņēmums koncentrējas uz lielu progresu AI jomā, izmantojot spēles, simulācijas un mašīnmācīšanos; tā ir nolīgusi simtiem AI pētnieku, lai sasniegtu šo mērķi. AlphaGo Zero izstrādē bija iesaistīti aptuveni 15 cilvēki un, iespējams, miljoniem dolāru vērti skaitļošanas resursi, saka Hassabis.

Gan AlphaGo, gan AlphaGo Zero izmanto mašīnmācības pieeju, kas pazīstama kā pastiprināšanas mācīšanās (skatiet sadaļu 10 Breakthrough Technologies 2017: Reinforcement Learning), kā arī dziļos neironu tīklus. Mācību pastiprināšana ir iedvesmota no tā, kā dzīvnieki, šķiet, mācās, izmantojot eksperimentus un atgriezenisko saiti, un DeepMind ir izmantojis šo paņēmienu, lai sasniegtu pārcilvēcisku sniegumu vienkāršās Atari spēlēs.

Iespējamo konfigurāciju skaits uz Go dēļa ir lielāks nekā atomu skaits Visumā. www.alphagomovie.com

Galda spēles Go apgūšana bija īpaši nozīmīga, jo spēle ir tik sarežģīta un labākie spēlētāji veic savas kustības tik instinktīvi. Citiem vārdiem sakot, labas spēles noteikumus nevar viegli izskaidrot vai ierakstīt kodā.

Mācību pastiprināšana liecina arī par solījumu automatizēt mašīnu programmēšanu daudzos citos kontekstos, tostarp tajos gadījumos, kad būtu nepraktiski tās programmēt ar roku. Tas jau tiek pārbaudīts kā veids, kā iemācīt robotiem, piemēram, satvert neērtus objektus, un kā līdzeklis enerģijas taupīšanai datu centros, lidojuma laikā pārkonfigurējot aparatūru. Tomēr daudzās reālās situācijās var nebūt daudz piemēru, no kuriem mācīties, un tas nozīmē, ka mašīnām būs jāmācās pašām. Tas padara AlphaGo Zero interesantu.

Neizmantojot cilvēku datus vai cilvēku zināšanas, mēs faktiski esam novērsuši cilvēku zināšanu ierobežojumus, saka Deivids Sudrabs , DeepMind vadošais pētnieks un Londonas Universitātes koledžas profesors. Tas spēj radīt sev zināšanas no pirmajiem principiem.

Lai sasniegtu Go pārākumu, AlphaGo Zero vienkārši spēlēja pret sevi, sākumā nejauši. Tāpat kā oriģināls, tas izmantoja dziļu neironu tīklu un jaudīgu meklēšanas algoritmu, lai izvēlētos nākamo gājienu. Bet AlphaGo Zero par abām funkcijām rūpējās viens neironu tīkls.

Mārtiņš Mullers , profesors Albertas Universitātē Kanādā, kurš ir paveicis nozīmīgu darbu pie Go-playing programmatūras, ir pārsteigts par AlphaGo Zero dizainu un saka, ka tas veicina pastiprināšanas mācīšanos. Viņš saka, ka arhitektūra ir vienkāršāka, taču jaudīgāka nekā iepriekšējās versijas.

DeepMind jau ir AI nozares mīļākais, un tā jaunākais sasniegums noteikti piesaistīs virsrakstus un izraisīs diskusijas par virzību uz daudz jaudīgākām AI formām.

Tomēr ir iemesli pieņemt paziņojumu piesardzīgi. Pētera svētdienas Vašingtonas universitātes profesors norāda, ka programmai joprojām ir jāspēlē daudzi miljoni spēļu, lai apgūtu Go — daudz vairāk nekā pieredzējušam spēlētājam. Tas liek domāt, ka programmā izmantotais intelekts kaut kā būtiski atšķiras.

Tā lieliski ilustrē neseno progresu padziļinātās mācīšanās un pastiprinošās mācīšanās jomā, taču es to pārāk daudz nelasītu kā zīmi, ko datori var iemācīties bez cilvēka zināšanām, saka Domingoss. Būtu patiešām iespaidīgi, ja AlphaGo pārspētu [leģendāro Dienvidkorejas čempionu] Lī Sedolu pēc tam, kad nospēlējis aptuveni tik daudz spēļu, cik viņš nospēlēja savā karjerā, pirms kļuva par čempionu. Mēs tam ne tuvu neesam.

Patiešām, gan Sudrabs, gan Hassabis atzīst, ka viņu pastāvīgajos meklējumos iegūt inteliģenci būs svarīgi atrast veidus, kā mašīnām mācīties no daudz mazāk datu. Tas var ietvert jaunu pieeju izstrādi, lai ļautu mašīnām pārnest to, ko viņi ir iemācījušies vienā jomā uz citu, vai mācīties, novērojot citus (gan cilvēkus, gan citus AI).

Taču, neskatoties uz vēl veicamo darbu, Hassabis cer, ka 10 gadu laikā AI spēlēs nozīmīgu lomu svarīgu problēmu risināšanā zinātnē, medicīnā vai citās jomās. Es ceru, ka šāda veida algoritmi un turpmākās versijas regulāri sadarbosies ar mums, virzot zinātnes un medicīnas robežas, viņš saka. Iespējams, visu veidu lietas būs daļēji izstrādātas un atklātas ar šāda veida algoritmiem, strādājot tandēmā ar ļoti gudriem cilvēkiem.

paslēpties