Zakaj je učenje ai igranja iger pomembno | ben dickson

OpenAI, laboratorij za raziskovanje umetne inteligence, ki sta ga ustanovila Sam Altman in Elon Musk, je nedavno izjavil, da bo avgusta napotil ekipo v Vancouver, da sodeluje na profesionalnem turnirju znamenite spletne bojne igre Dota 2. Toda za razliko od drugih ekip, ki bodo tekmujejo za večmilijonsko nagrado, OpenAI-ji ekipa ne bo vključevala nobenega človeka - vsaj ne neposredno.

Skupina se imenuje OpenAI Five, sestavljena iz petih umetnih nevronskih mrež, ki so gorele skozi ogromno računalniško moč Googlovega oblaka in več milijonovkrat vadile igro. OpenAI Five je že premagal polprosote v Dota 2 in bo preizkušal svoje uspehe v primerjavi z najboljšimi 1 odstotki igralcev, ki prihajajo avgusta.

Na prvi pogled, poraba dragih računalniških virov in premalo talentov AI za učenje AI za igranje iger se lahko zdi neodgovorno. OpenAI ima nekaj vrhunskih znanstvenikov AI na svetu, ki po poročanju The New York Times zaslužijo sedemmestno plačo. Konec koncev, ali ne morejo delati na pomembnejših težavah, kot je na primer razvoj AI, ki se lahko bori proti raku ali naredi varnejše avtomobile?

Igre so se, kot se morda nekateri zdijo, izkazale kot pomemben del raziskav AI. Od šaha do Dota 2 nam je vsaka igra, ki jo je AI osvojil, pomagala prebiti nova tla na področju računalništva in drugih področij.

Igre pomagajo slediti napredku AI

Od začetka ideje o umetni inteligenci v petdesetih letih prejšnjega stoletja so bile igre učinkovit način za merjenje zmogljivosti AI. Še posebej so primerni pri preizkušanju zmogljivosti novega AI tehnike, ker lahko količinsko ocenite uspešnost AI s številčnimi rezultati in rezultati, ki jih izgubijo, in jih primerjate z ljudmi ali drugimi AI.

Prva igra, ki so jo raziskovalci poskušali obvladati prek AI, je bil šah, ki je v zgodnjih dneh veljal za končni test napredka na tem področju. Leta 1996 je bil IBM-ov Deep Blue prvi računalnik, ki je v šahu premagal svetovnega prvaka (Garry Kasparov). AI, ki stoji za Deep Blue, je uporabil metodo brute-force, ki je analizirala milijone zaporedja, preden so se premaknili.

Medtem ko je metoda Deep Blue omogočala obvladovanje šaha, ni bila še nikoli dovolj učinkovita, da bi se lotila bolj zapletenih družabnih iger. Po današnjih standardih velja za surovo. Ko je Deep Blue premagal Kasparov, je znanstvenik pripomnil, da bo minilo še sto let, preden bo AI lahko osvojil starodavno kitajsko igro Go, ki ima več možnih premikov kot število atomov v vesolju.

Toda leta 2016 so raziskovalci AI družbe DeepMind, ki je v lasti Googla, ustvarili AlphaGo, AI, ki igra Go-igra, ki je v tekmovanju v petih igrah s 4 na 1 premagal Leeja Sedola, svetovnega prvaka. AlphaGo je nadomestno metodo globoke modre barve nadomestil z globokim učenjem, tehniko AI, ki deluje na veliko bolj podoben način, kako delujejo človeški možgani. Namesto da bi preučil vsako možno kombinacijo, je AlphaGo preučil, kako so ljudje igrali Go, nato pa poskušal ugotoviti in ponoviti uspešne vzorce igranja.

Raziskovalci DeepMind so kasneje ustvarili AlphaGo Zero, izboljšano različico AlphaGo, ki je uporabljala okrepljeno učenje, metodo, ki zahteva nič človeškega vložka. AlphaGo Zero so se naučili osnovnih pravil Go in se igro naučili tako, da so neštetokrat igrali proti sebi. In AlphaGo Zero je svojega predhodnika 100 premagal na nič.

Vendar imajo družabne igre omejitve. Prvič, temeljijo se na potezi, kar pomeni, da AI ni pod napetostjo sprejemati odločitve v okolju, ki se nenehno spreminja. Drugič, AI ima dostop do vseh informacij v okolju (v tem primeru odbor) in mu ni treba ugibati ali tvegati na podlagi neznanih dejavnikov.

Glede na to je AI, imenovan Libratus, naredil naslednji preboj v raziskavah umetne inteligence, saj je premagal najboljše igralce v pokerju Texas Hold 'Em. Libratus, ki so ga razvili raziskovalci iz Carnegie Mellon, je pokazal, da lahko AI tekmuje s človekom v situacijah, kjer ima dostop do delnih informacij. Libratus je uporabil več tehnik AI, da se je učil pokra in izboljšal svoj igralni igri, ko je preučeval taktike svojih človeških nasprotnikov.

Video igre v realnem času so naslednja meja AI in OpenAI ni edina organizacija na tem področju. Facebook je preizkusil poučevanje AI-ja v igranju strateške igre StarCraft v realnem času, DeepMind pa je razvil AI, ki lahko igra prvo igralsko igro strelec Quake III. Vsaka igra predstavlja svoj nabor izzivov, vendar je skupni imenovalec, da vsi predstavljajo AI z okoljem, v katerem morajo sprejemati odločitve v realnem času in z nepopolnimi informacijami. Poleg tega AI dajejo areno, kjer lahko preizkusi svojo moč pred ekipo nasprotnikov in se nauči samega timskega dela.

Za zdaj še nihče ni razvil AI, ki bi lahko premagal profesionalne igralce. Toda že samo dejstvo, da AI na tako zapletenih igrah tekmuje s človekom, kaže, kako daleč smo prišli na tem področju.

Igre pomagajo razviti AI na drugih področjih

Medtem ko znanstveniki uporabljajo igre kot preizkusne ploščice za razvoj novih AI tehnik, njihovi dosežki niso ostali omejeni na igre. Pravzaprav so nam igranje AI utrli pot do inovacij na drugih področjih.

Leta 2011 je IBM predstavil superračunalnik, ki je bil sposoben za obdelavo in ustvarjanje naravnih jezikov (NLG / NLP) in je bil imenovan po nekdanjem direktorju podjetja Thomas J Watsonu. Računalnik je igral dva slovita kviz TV-oddaja Jeopardy proti dvema najboljšima svetovnima igralcema in zmagal. Kasneje je Watson postal osnova za ogromno linijo storitev AI s strani IBM-a na različnih področjih, vključno z zdravstvom, kibernetsko varnostjo in napovedovanjem vremena.

DeepMind uporablja svoje izkušnje z razvojem AlphaGo za uporabo AI na drugih področjih, kjer lahko okrepljeno učenje pomaga. Podjetje je z National Grid UK začelo projekt za uporabo AlphaGo's pametno izboljšati učinkovitost britanskega elektroenergetskega omrežja. Google, matično podjetje DeepMind, uporablja tudi tehniko za znižanje stroškov električne energije svojih ogromnih podatkovnih centrov z avtomatizacijo nadzora porabe svoje različne strojne opreme. Google uporablja tudi okrepljeno učenje za usposabljanje robotov, ki bodo nekega dne ravnali s predmeti v tovarnah.

• Umetna inteligenca ima težave s pristranskostjo in naša napaka Umetna inteligenca ima težavo s pristranskostjo in naša napaka
• IBM za umetno inteligenco prevzame odločitve o človekovih razpravah, ki jih vodi IBM-ova umetna inteligenca
• Zakaj mora AI razkriti, da je to AI, zakaj mora AI razkriti, da je to AI

Libratus lahko AI, ki igrajo poker, pomagajo razviti takšne algoritme, ki lahko pomagajo v različnih situacijah, kot so politična pogajanja in dražbe, kjer mora AI tvegati in kratkoročno žrtvovati za dolgoročne dobičke.

Zdaj se veselim, kako bo OpenAI Five nastopal v avgustovskem tekmovanju Dota 2. Medtem ko me ne zanima predvsem, ali nevronske mreže in njegovi razvijalci odnesejo domov nagrado v višini 15 milijonov dolarjev, vendar želim videti, kakšna nova okna bodo odprla njene dosežke.