Inhoudsopgave:
- Games helpen de voortgang van AI te volgen
- Games helpen bij het ontwikkelen van AI op andere gebieden
Video: How to get empowered, not overpowered, by AI | Max Tegmark (November 2024)
OpenAI, het kunstmatige intelligentie-onderzoekslaboratorium opgericht door Sam Altman en Elon Musk, heeft onlangs verklaard dat het in augustus een team naar Vancouver zou sturen om deel te nemen aan een professioneel toernooi van de beroemde online vechtgame Dota 2. Maar in tegenstelling tot andere teams die strijden om de prijs van meerdere miljoenen dollars,
Bij
Hoe absurd het ook lijkt, games hebben bewezen een belangrijk onderdeel van AI-onderzoek te zijn. Van schaken tot Dota 2, elk spel dat AI heeft overwonnen, heeft ons geholpen nieuwe wegen in de informatica en andere gebieden te veroveren.
Games helpen de voortgang van AI te volgen
Sinds het begin van het idee van kunstmatige intelligentie in de jaren 1950, zijn games een efficiënte manier geweest om de capaciteit van AI te meten. Ze zijn vooral handig bij het testen van de capaciteit van nieuwe AI
Het eerste spel dat onderzoekers probeerden te beheersen via AI was schaken, dat in vroegere dagen werd beschouwd als de ultieme test van de vooruitgang in het veld. In 1996 was IBM's Deep Blue de eerste computer die een wereldkampioen (Garry Kasparov) versloeg bij het schaken. De AI achter Deep Blue gebruikte een brute-force methode die miljoenen sequenties analyseerde voordat hij een beweging maakte.
Hoewel de methode Deep Blue in staat stelde om het schaken te beheersen, was het lang niet effectief genoeg om meer gecompliceerde bordspellen aan te pakken. Volgens de normen van vandaag wordt het als ruw beschouwd. Toen Deep Blue Kasparov versloeg, merkte een wetenschapper op dat het nog honderd jaar zou duren voordat AI het oude Chinese spel Go kon veroveren, dat meer mogelijke bewegingen heeft dan het aantal atomen in het universum.
Maar in 2016 creëerden onderzoekers van AI-bedrijf DeepMind van Google AlphaGo, een Go-playing AI die Lee Sedol, de wereldkampioen, met 4 tegen 1 versloeg in een vijf-game competitie. AlphaGo verving de brute-force methode van Deep Blue door deep learning, een AI-techniek die op een veel vergelijkbare manier werkt als hoe het menselijk brein werkt. In plaats van elke mogelijke combinatie te onderzoeken, onderzocht AlphaGo de manier waarop mensen Go speelden en probeerde vervolgens succesvolle gameplay-patronen te achterhalen en te repliceren.
De onderzoekers van DeepMind creëerden later AlphaGo Zero, een verbeterde versie van AlphaGo die versterkingsleren gebruikte, een methode die geen menselijke input vereist. AlphaGo Zero heeft de basisregels van Go geleerd en het spel geleerd door talloze keren tegen zichzelf te spelen. En AlphaGo Zero versloeg zijn voorganger 100 tot nul.
Bordspellen hebben echter beperkingen. Ten eerste zijn ze turn-based, wat betekent dat de AI niet onder druk staat om beslissingen te nemen in een omgeving die voortdurend verandert. Ten tweede heeft de AI toegang tot alle informatie in de omgeving (in dit geval het bord) en hoeft hij niet te raden of risico's te nemen op basis van onbekende factoren.
Dit in beschouwing genomen, heeft een AI genaamd Libratus de volgende doorbraak in onderzoek naar kunstmatige intelligentie gemaakt door de beste spelers van Texas Hold 'Em poker te verslaan. Libratus, ontwikkeld door onderzoekers van Carnegie Mellon, toonde aan dat AI kan concurreren met mensen in situaties waarin het toegang heeft tot gedeeltelijke informatie. Libratus gebruikte verschillende AI-technieken om poker te leren en de gameplay te verbeteren terwijl het de tactiek van zijn menselijke tegenstanders onderzocht.
Real-time videogames zijn de volgende grens voor AI en OpenAI is niet de enige organisatie die in het veld betrokken is. Facebook heeft AI onderwezen in het spelen van de realtime strategiegame StarCraft en DeepMind heeft een AI ontwikkeld die de first-person shooter Quake III kan spelen. Elke game heeft zijn eigen uitdagingen, maar de gemene deler is dat ze de AI allemaal voorzien van omgevingen waarin ze in realtime beslissingen moeten nemen en met onvolledige informatie. Bovendien geven ze AI een arena waar het zijn macht kan testen tegen een team van tegenstanders en zelf teamwerk kan leren.
Voorlopig had niemand AI ontwikkeld die professionele spelers kan verslaan. Maar het feit dat AI op zulke complexe games met mensen concurreert, laat zien hoe ver we zijn gekomen in het veld.
Games helpen bij het ontwikkelen van AI op andere gebieden
Hoewel wetenschappers games als testbed hebben gebruikt voor het ontwikkelen van nieuwe AI-technieken, zijn hun prestaties niet beperkt gebleven tot games. In feite hebben gameplaying-AI's de weg vrijgemaakt voor innovaties op andere gebieden.
In 2011 introduceerde IBM een supercomputer die in staat was tot natuurlijke taalverwerking en -generatie (NLG / NLP) en werd vernoemd naar de voormalige CEO van het bedrijf, Thomas J Watson. De computer speelde het beroemde quizspel Jeopardy voor tv-shows tegen twee van 's werelds beste spelers en won. Watson werd later de basis voor een enorme lijn van AI-services door IBM in verschillende domeinen, waaronder gezondheidszorg, cybersecurity en weersvoorspelling.
DeepMind zet zijn ervaring in het ontwikkelen van AlphaGo in om AI te gebruiken op andere gebieden waar versterkend leren kan helpen. Het bedrijf is een project gestart met National Grid UK om de
- Kunstmatige intelligentie heeft een bias probleem, en het is onze fout Kunstmatige intelligentie heeft een bias probleem, en het is onze fout
- IBM Artificial Intelligence neemt het op tegen Human Debate Champs IBM Artificial Intelligence neemt het op tegen Debat Champs
- Waarom AI moet onthullen dat het AI is Waarom AI moet onthullen dat het AI is
Ik kijk er naar uit om te zien hoe OpenAI Five zal presteren in de Dota 2-competitie van augustus. Hoewel ik niet bijzonder geïnteresseerd ben in de vraag of de neurale netwerken en de ontwikkelaars de prijs van $ 15 miljoen mee naar huis nemen, wil ik graag zien welke nieuwe vensters zijn prestaties zullen openen.
