211service.com
Gli scacchi alieni di Alpha Zero mostrano il potere e la particolarità dell'IA
L'ultimo progresso di DeepMind si comporta in modo molto sorprendente. Aspettati che altri sistemi di intelligenza artificiale siano altrettanto strani. 8 dicembre 2017
L'ultimo programma di intelligenza artificiale sviluppato da DeepMind non è solo brillante e straordinariamente flessibile, ma è anche piuttosto strano.
Pubblicato DeepMind un documento questa settimana descrivendo un programma di gioco che ha sviluppato che si è dimostrato in grado di padroneggiare gli scacchi e il gioco giapponese Shoju, avendo già imparato il gioco del Go.
Demis Hassabis, fondatore e CEO di DeepMind e lui stesso un esperto giocatore di scacchi, ha presentato giovedì ulteriori dettagli del sistema, chiamato Alpha Zero, in una conferenza sull'IA in California. Il programma faceva spesso mosse che sembrerebbero impensabili per un giocatore di scacchi umano.
Non suona come un essere umano e non funziona come un programma, ha detto Hassabis alla conferenza Neural Information Processing Systems (NIPS) a Long Beach. Suona in un terzo modo, quasi alieno.
Oltre a mostrare quanto possano essere brillanti i programmi di apprendimento automatico in un compito specifico, questo mostra che l'intelligenza artificiale può essere molto diversa dal genere umano. Man mano che l'IA diventa più comune, potremmo aver bisogno di essere consapevoli di tale comportamento alieno.
Storia correlata
Storia correlata Una versione aggiornata dell'IA di gioco insegna da sola ogni trucco nel libro Go, utilizzando una nuova forma di apprendimento automatico.Alpha Zero è una versione più generale di AlphaGo, il programma sviluppato da DeepMind per giocare al gioco da tavolo Go. In 24 ore, Alpha Zero ha imparato a giocare a scacchi abbastanza bene da battere uno dei migliori programmi di scacchi esistenti in circolazione.
Ciò che è anche notevole, tuttavia, ha spiegato Hassabis, è che a volte fa sacrifici apparentemente folli, come offrire un alfiere e una regina per sfruttare un vantaggio posizionale che ha portato alla vittoria. Tali sacrifici di pezzi di alto valore sono normalmente rari. In un altro caso il programma ha spostato la sua regina nell'angolo del tabellone, una presa molto bizzarra con un valore posizionale sorprendente. Sono come gli scacchi di un'altra dimensione, ha detto Hassabis.
Hassabis ipotizza che, poiché Alpha Zero si insegna da sé, tragga vantaggio dal non seguire il solito approccio di assegnare valore ai pezzi e cercare di ridurre al minimo le perdite. Forse la nostra concezione degli scacchi è stata troppo limitata, ha detto. Potrebbe essere un momento importante per gli scacchi. Possiamo innestarlo nel nostro stesso gioco.
Il gioco degli scacchi ha una lunga storia nell'intelligenza artificiale. I migliori programmi, sviluppati e perfezionati nel corso di decenni, incorporano enormi quantità di intelligenza umana. Sebbene nel 1996 Deep Blue di IBM avesse battuto il campione del mondo dell'epoca, quel programma, come altri programmi di scacchi convenzionali, richiedeva un'attenta programmazione manuale.
L'AlphaGo originale, progettato specificamente per Go, è stato un grosso problema perché era in grado di imparare a giocare a un gioco estremamente complesso e difficile da insegnare, che richiedeva un senso istintivo delle posizioni del tabellone. AlphaGo ha padroneggiato Go ingerendo migliaia di giochi di esempio e poi esercitandosi contro un'altra versione di se stesso. Lo ha fatto in parte addestrando una grande rete neurale utilizzando un approccio noto come apprendimento per rinforzo, che è modellato sul modo in cui gli animali sembrano imparare (vedi AI Masters di Google andare un decennio prima del previsto).
Da allora DeepMind ha dimostrato una versione del programma, chiamata AlphaGo Zero, che apprende senza alcun gioco di esempio, basandosi invece esclusivamente sul gioco autonomo (vedi AlphaGo Zero mostra che le macchine possono diventare superumane senza alcun aiuto). Alpha Zero migliora ulteriormente dimostrando che lo stesso programma può padroneggiare tre diversi tipi di giochi da tavolo.
I risultati di Alpha Zero sono impressionanti, ma ha ancora bisogno di giocare a molti più giochi di pratica di un maestro di scacchi umano. Hassabis afferma che ciò potrebbe essere dovuto al fatto che gli esseri umani traggono vantaggio da altre forme di apprendimento, come leggere come si gioca e guardare altre persone giocare.
Tuttavia, alcuni esperti avvertono che le capacità del programma, sebbene notevoli, dovrebbero essere considerate nel contesto. Parlando dopo Hassabis, Gary Marco , un professore alla New York University, ha affermato che una grande quantità di conoscenza umana è stata necessaria per costruire Alpha Zero. E suggerisce che l'intelligenza umana sembra coinvolgere alcune capacità innate, come una capacità intuitiva di sviluppare il linguaggio.
Josh Tenenbaum , un professore del MIT che studia l'intelligenza umana, ha affermato che se vogliamo sviluppare un'intelligenza artificiale reale a livello umano, dovremmo studiare la flessibilità e la creatività che gli esseri umani esibiscono. Ha indicato, tra gli altri esempi, l'intelligenza di Hassabis e dei suoi colleghi nell'ideazione, progettazione e costruzione del programma in primo luogo. È impressionante quasi quanto una regina nell'angolo, ha scherzato.