211service.com
L'IA di Google padroneggia il gioco dell'andare un decennio prima del previsto
Google ha compiuto un passo brillante e inaspettato verso la costruzione di un'IA con un'intuizione più umana, sviluppando un computer in grado di battere anche giocatori umani esperti nel gioco da tavolo diabolicamente complicato Go.
L'obiettivo di Go, gioco inventato in Cina più di 2.500 anni fa, è abbastanza semplice: i giocatori devono posizionare alternativamente pietre bianche e nere su una griglia di 19 linee orizzontali e 19 verticali con l'obiettivo di circondare i pezzi dell'avversario ed evitare di i propri pezzi circondati. Mastering Go, tuttavia, richiede una pratica infinita, oltre a un'abilità finemente sintonizzata nel riconoscere i modelli sottili nella disposizione dei pezzi sparsi su tutta la tavola.
Il team di Google ha dimostrato che le competenze necessarie per padroneggiare Go non sono poi così unicamente umane. Il loro programma per computer, chiamato AlphaGo, ha battuto il campione europeo di Go, Fan Hui, cinque partite a zero. E questo marzo affronterà uno dei migliori giocatori del mondo, Lee Sedol, in un torneo che si terrà a Seoul, in Corea del Sud.
Go è il gioco più complesso e bello mai ideato dagli umani, ha detto Demis Hassabis, capo del team di Google, e lui stesso un appassionato giocatore di Go, in una conferenza stampa. Battendo Fan Hui, ha aggiunto, il nostro programma ha raggiunto una delle grandi sfide di lunga data dell'IA.
Hassabis ha anche affermato che le tecniche utilizzate per creare AlphaGo si presterebbero allo sforzo del suo team di sviluppare un'IA generale. In definitiva, vogliamo applicare queste tecniche a importanti problemi del mondo reale, ha affermato. Poiché i metodi che abbiamo utilizzato erano di uso generale, la nostra speranza è che un giorno possano essere estesi per aiutare ad affrontare alcuni dei problemi più urgenti della società, dalla diagnostica medica alla modellazione climatica (vedi L'IA potrebbe risolvere i problemi più grandi del mondo?).
Hassabis ha affermato che il primo modo in cui la tecnologia potrebbe essere applicata a Google comporterebbe lo sviluppo di migliori assistenti personali software. Un tale assistente potrebbe apprendere le preferenze di un utente dal suo comportamento online e formulare consigli più intuitivi su prodotti o eventi, ha suggerito.
Il go è molto più impegnativo per i computer rispetto, diciamo, agli scacchi per due motivi: il numero di potenziali mosse a ogni turno è molto più alto e non esiste un modo semplice per misurare il vantaggio materiale. Un giocatore deve quindi imparare a riconoscere schemi astratti in centinaia di pezzi disposti su tutta la linea. E anche gli esperti spesso faticano a spiegare perché una particolare posizione sembra vantaggiosa o problematica.
Solo un paio di anni fa, infatti, la maggior parte dei giocatori di Go e dei programmatori di giochi riteneva che il gioco fosse così complesso che ci sarebbero voluti diversi decenni prima che i computer potessero raggiungere lo standard di un giocatore esperto umano.
AlphaGo è stato sviluppato da un team noto come Google DeepMind, un gruppo creato dopo che Google ha acquisito una piccola startup britannica di intelligenza artificiale chiamata DeepMind nel 2014. I ricercatori hanno creato AlphaGo utilizzando un metodo di apprendimento automatico estremamente popolare e di successo noto come deep learning combinato con un'altra tecnica di simulazione per modellare potenziali mosse. Il deep learning implica l'addestramento di una grande rete neurale simulata per rispondere ai modelli nei dati. Si è dimostrato molto utile per l'elaborazione di immagini e audio e molte grandi aziende tecnologiche stanno esplorando nuovi modi per applicare la tecnica.
In AlphaGo sono state utilizzate due reti di apprendimento approfondito: una rete ha imparato a prevedere la mossa successiva e l'altra ha imparato a prevedere il risultato da diverse disposizioni sulla lavagna. Le due reti sono state combinate utilizzando un algoritmo AI più convenzionale per guardare avanti nel gioco per possibili mosse. Un articolo scientifico scritto da ricercatori di Google che descrive il lavoro appare nel diario Natura oggi .
Il gioco di Go ha un enorme spazio di ricerca, che è intrattabile per la ricerca con la forza bruta, afferma David Silver, un altro ricercatore di Google che ha guidato lo sforzo. La chiave di AlphaGo è ridurre lo spazio di ricerca a qualcosa di più gestibile. Questo approccio rende AlphaGo molto più umano rispetto agli approcci precedenti.
Quando il computer Deep Blue di IBM ha imparato gli scacchi nel 1997, ha utilizzato regole codificate a mano e ha cercato in modo esauriente le potenziali mosse di scacchi. AlphaGo ha essenzialmente imparato nel tempo a riconoscere modelli potenzialmente vantaggiosi e quindi ha simulato un numero limitato di potenziali risultati.
Il risultato di Google è stato accolto con congratulazioni e un certo stupore da altri ricercatori nel campo.
Dal punto di vista tecnico, questo lavoro è un contributo monumentale all'IA, afferma Ilya Sutskever, uno dei principali ricercatori di intelligenza artificiale e direttore di una nuova organizzazione no-profit chiamata OpenAI (vedi Innovators Under 35: Ilya Sutskever). Sutskever afferma che il lavoro è stato particolarmente importante perché AlphaGo ha essenzialmente imparato da solo come vincere. La stessa tecnica può essere utilizzata per ottenere prestazioni estremamente elevate anche su molti altri giochi, afferma.
Michele Bowling , professore di informatica all'Università di Alberta in Canada che recentemente sviluppato un programma capace di battere chiunque al limite di poker heads-up, era anche entusiasta del risultato. Ritiene che l'approccio dovrebbe effettivamente rivelarsi utile in molte aree in cui viene applicato l'apprendimento automatico. Molto di ciò che tradizionalmente considereremmo come l'intelligenza umana è costruito attorno al pattern matching, dice. E molto di ciò che considereremmo apprendimento è aver visto questi modelli in passato ed essere in grado di rendersi conto di come si collegano a una situazione attuale.
Un aspetto del risultato degno di nota è che combina il deep learning con altre tecniche, afferma Gary Marcus, professore di psicologia alla New York University e cofondatore e CEO di Intelligenza geometrica , una startup AI che sta combinando anche il deep learning con altri metodi (vedi Can This Man Make AI More Human?).
Questo non è un cosiddetto sistema di deep learning end-to-end, dice Marcus. È un sistema modulare accuratamente strutturato con una premurosa ingegneria manuale sulla parte anteriore. Che è, a pensarci bene, abbastanza parallelo alla mente umana: ricca, modulare, con un po' di modifiche dovute all'evoluzione, piuttosto che solo un mucchio di neuroni casualmente interconnessi e sintonizzati interamente dall'esperienza.
Anche Google non è l'unica azienda che utilizza il deep learning per sviluppare un'intelligenza artificiale Go-playing. Facebook ha precedentemente affermato di avere un ricercatore che lavora su un sistema del genere e ieri sera entrambi Yann LeCun , direttore della ricerca sull'IA presso Facebook e CEO Mark Zuckerberg ha pubblicato aggiornamenti sullo sforzo. Lo sforzo di Facebook è in una fase iniziale, ma combina anche il deep learning con un'altra tecnica.
Vedere il maestro AI Go può anche portare a qualche angoscia esistenziale. Durante la conferenza stampa che annunciava la notizia, Hassabis ha dovuto affrontare domande sui rischi a lungo termine dei sistemi di intelligenza artificiale che Google sta sviluppando. Ha affermato che l'azienda stava adottando misure per mitigare tali rischi collaborando con accademici, organizzando conferenze e lavorando con un comitato etico interno.