Как изкуственият интелект усвоява игри и защо това е важно
Игрите се оказаха значима част от проучванията за изкуствен интелект. Типичните характерности, които стоят в основата на логическите игри, ги вършат съвършена среда за насърчаване и актуализиране на AI техники.
От зараждането на концепцията за изкуствен интелект през 50-те години на предишния век, всякога, когато ИИ завладее дадена игра, това ни оказва помощ да пробием нови знания по отношение на потенциала на машините.
Методологията е изключително комфортна при тестване опциите на нови AI роботи, защото информацията, основана на резултати от победи и загуби против хора и други машини може да бъде генерирана и употребена относително елементарно и тъкмо.
През последните десетилетия роботите сполучливо се оправиха със комплицирани логичен игри като шах, Го, покер и бридж. Особено скъпи за научните проучвания и напредъка на AI са последните достижения на роботите Pluribus, който съумя да, и NooK, който се оправи ослепително с. Но по какъв начин се стигна дотук?
Първата игра, която откривателите се пробваха да овладеят посредством изкуствен интелект, беше шахът. Първоначално античната логическа игра се смяташе за най-хубавия тест за прогрес в региона. През 1996 година Deep Blue на IBM беше първият компютър, победил международен първенец по шах, откакто изигра сполучлива партия с известния шахматист Гари Каспаров. Изкуственият разсъдък употребява способ, който проучва милиони последователности, преди да направи ход.
Въпреки че методът разреши на Deep Blue да овладее шаха, той не беше задоволително ефикасен, с цел да се оправи с по-сложни настолни игри. Когато Deep Blue победи Каспаров, един академик означи, че ще отнеме още най-малко 100 години, преди AI да успее да научи античната китайска игра Го, която има повече вероятни ходове от броя на атоми във Вселената.
През 2016 година обаче това изказване беше опровергано. Изследователи от притежаваната от Гугъл компания за изкуствен интелект DeepMind сътвориха изкуствения разсъдък AlphaGo, който победи международния първенец по Го, Лий Седол, с 4 към 1 в съревнование от пет игри. AlphaGo размени метода на Deep Blue с надълбоко образование, AI техника, която работи по метод, доста по-сходен с човешкия мозък. Вместо да изследва всяка допустима композиция, AlphaGo изследва метода, по който хората играят Го, след което се пробва да разбере и възпроизведе сполучливи модели на игра.
По-късно откривателите на DeepMind сътвориха AlphaGo Zero, усъвършенстваната версия на AlphaGo, която употребява по този начин нареченото образование с укрепване - способ, който не изисква човешка интервенция. AlphaGo Zero беше теоретичен на главните правила на Go и се самоусъвършенства в играта, тренирайки против самия себе си. Впоследствие, AlphaGo Zero победи своя предходник със забележителния резултат от 100 на 0.
Колкото и удивителни за времето си да се оказаха тези достижения, те не разкриха целия. Макар и много комплицирани и сложни за асимилиране, тези игри имат известни ограничавания. Първо, всеки един ход следва известна логичност и може да бъде предвидим. Това значи, че AI не е напрегнат да взема решения в среда, която се трансформира непрекъснато. Второ, изкуственият разсъдък има достъп до цялата информация в околната среда (в този случай дъската) и не би трябвало да прави догатки или да поема опасности въз основа на незнайни фактори. Именно такива са факторите в играта на покер.
Покерът се оказа по-голямо предизвикателство, тъй като изисква тактика, вътрешен глас и разсъждения, основани на непълна информация. Но както наподобява, нищо не е невероятно за изкуствения разсъдък.
Системите DeepStack и Libratus, бяха първите роботи, които се оправиха сполучливо с играта, като проправиха пътя за Pluribus, AI, който победи петима от най положителните играчи на Texas Hold’em - най-популярната версия на покер. Това достижение надвишава упованията и потвърждава, че изкуственият разсъдък към този момент може да се разшири, с цел да помогне за решаването на някои от най-предизвикателните проблеми в света.
Последното и най-впечатляващо достижение в областта на роботите, играещи игри, е дело на френската стартъп компания NukkAI. Техният робот овладя безпогрешно играта на бридж, което се оказа фундаментален прогрес в развиването на AI технологиите. Машината не просто е способна да имитира и да се учи от човешкото държание, само че и да изяснява своите лични дейности. Това ново изобретение безспорно ще докара до фрапантна смяна в метода, по който възприемаме и работим с машини с изкуствен интелект.
Последвайте Епицентър.БГ към този момент и в !
От зараждането на концепцията за изкуствен интелект през 50-те години на предишния век, всякога, когато ИИ завладее дадена игра, това ни оказва помощ да пробием нови знания по отношение на потенциала на машините.
Методологията е изключително комфортна при тестване опциите на нови AI роботи, защото информацията, основана на резултати от победи и загуби против хора и други машини може да бъде генерирана и употребена относително елементарно и тъкмо.
През последните десетилетия роботите сполучливо се оправиха със комплицирани логичен игри като шах, Го, покер и бридж. Особено скъпи за научните проучвания и напредъка на AI са последните достижения на роботите Pluribus, който съумя да, и NooK, който се оправи ослепително с. Но по какъв начин се стигна дотук?
Първата игра, която откривателите се пробваха да овладеят посредством изкуствен интелект, беше шахът. Първоначално античната логическа игра се смяташе за най-хубавия тест за прогрес в региона. През 1996 година Deep Blue на IBM беше първият компютър, победил международен първенец по шах, откакто изигра сполучлива партия с известния шахматист Гари Каспаров. Изкуственият разсъдък употребява способ, който проучва милиони последователности, преди да направи ход.
Въпреки че методът разреши на Deep Blue да овладее шаха, той не беше задоволително ефикасен, с цел да се оправи с по-сложни настолни игри. Когато Deep Blue победи Каспаров, един академик означи, че ще отнеме още най-малко 100 години, преди AI да успее да научи античната китайска игра Го, която има повече вероятни ходове от броя на атоми във Вселената.
През 2016 година обаче това изказване беше опровергано. Изследователи от притежаваната от Гугъл компания за изкуствен интелект DeepMind сътвориха изкуствения разсъдък AlphaGo, който победи международния първенец по Го, Лий Седол, с 4 към 1 в съревнование от пет игри. AlphaGo размени метода на Deep Blue с надълбоко образование, AI техника, която работи по метод, доста по-сходен с човешкия мозък. Вместо да изследва всяка допустима композиция, AlphaGo изследва метода, по който хората играят Го, след което се пробва да разбере и възпроизведе сполучливи модели на игра.
По-късно откривателите на DeepMind сътвориха AlphaGo Zero, усъвършенстваната версия на AlphaGo, която употребява по този начин нареченото образование с укрепване - способ, който не изисква човешка интервенция. AlphaGo Zero беше теоретичен на главните правила на Go и се самоусъвършенства в играта, тренирайки против самия себе си. Впоследствие, AlphaGo Zero победи своя предходник със забележителния резултат от 100 на 0.
Колкото и удивителни за времето си да се оказаха тези достижения, те не разкриха целия. Макар и много комплицирани и сложни за асимилиране, тези игри имат известни ограничавания. Първо, всеки един ход следва известна логичност и може да бъде предвидим. Това значи, че AI не е напрегнат да взема решения в среда, която се трансформира непрекъснато. Второ, изкуственият разсъдък има достъп до цялата информация в околната среда (в този случай дъската) и не би трябвало да прави догатки или да поема опасности въз основа на незнайни фактори. Именно такива са факторите в играта на покер.
Покерът се оказа по-голямо предизвикателство, тъй като изисква тактика, вътрешен глас и разсъждения, основани на непълна информация. Но както наподобява, нищо не е невероятно за изкуствения разсъдък.
Системите DeepStack и Libratus, бяха първите роботи, които се оправиха сполучливо с играта, като проправиха пътя за Pluribus, AI, който победи петима от най положителните играчи на Texas Hold’em - най-популярната версия на покер. Това достижение надвишава упованията и потвърждава, че изкуственият разсъдък към този момент може да се разшири, с цел да помогне за решаването на някои от най-предизвикателните проблеми в света.
Последното и най-впечатляващо достижение в областта на роботите, играещи игри, е дело на френската стартъп компания NukkAI. Техният робот овладя безпогрешно играта на бридж, което се оказа фундаментален прогрес в развиването на AI технологиите. Машината не просто е способна да имитира и да се учи от човешкото държание, само че и да изяснява своите лични дейности. Това ново изобретение безспорно ще докара до фрапантна смяна в метода, по който възприемаме и работим с машини с изкуствен интелект.
Последвайте Епицентър.БГ към този момент и в !
Източник: epicenter.bg
КОМЕНТАРИ