12 Temmuz 2018 Perşembe

Robot tüm bu oyunlarda kıçını tekmeleyebilir

AI can kick your ass at all these games

1950'lerde yapay zekânın başlangıcından beri, AI alanındaki ilerlemeyi ölçmenin yollarını bulmaya çalışıyoruz. Bir çoğu için, Turing Testinin AI için altın kriterleri, bir bilgisayarın insan davranışını sergileyip gösteremeyeceğinin bir değerlendirmesidir. Ancak Turing Testi, sadece AI'nın insanları kandırabildiğini, onlarla rekabet etmediğini ve Test'in ne kadar derin olduğunu söylemek zor olduğunu tanımlar.

AI’nın zekasının derecesini test etmek için çok daha iyi bir alan olan birçok bilim insanı, yarışmacıların başarılarını ölçüp karşılaştırabildikleri ve hangisinin daha iyi performans gösterdiğini açıkça belirleyebilecekleri oyunlar, alanlar. Onlarca yıl boyunca, farklı kural ve zorluklarla çeşitli oyunlarda insanlara karşı yapay zeka algoritmaları uyguladık.

Ve tek tek, AI bu oyunlara hakim oldu. AI'nın son yıllarda fethettiği en önemli oyunların bir listesi ve bunun, yetkin insan oyuncularınkinden daha üst seviyede veya daha üst seviyede performans gösterebileceğini kanıtlıyor.

AI dünya satranç şampiyonu yener
Deep_Blue.jpg
Uzun zamandır, satrançın yapay zekanın nihai testi olduğuna inandık. 1950'lerde “yapay zekâ” terimini kuran bilim adamı John McCarthy, bir zamanlar 20. yüzyılın başlarında meyve sinekleri üzerine yapılan genetik araştırmalara atıfta bulunarak “AI'nin Drosophila'sı” olarak adlandırılan satrança atıfta bulundu.

Bilgisayar satranç neredeyse modern AI kendisi kadar eskidir, ilk iterasyonlar 1959 gibi erken bir tarihte ortaya çıkıyor. Birçok eğitim ve bilim kurumu, insanlarla rekabet edebilecek AI satranç motorları yaratmaya çalıştı. Satranç oyunları, ilk kez 1980'lerde ortaya çıktığı için kişisel bilgisayarların ayrılmaz bir parçasıydı.

Ancak, dünya şampiyonalarıyla rekabet edebilecek ilk yapay zeka satranç oyuncusunu görmeden önce, 1990'ların ortalarına kadar beklememiz gerekti. 1996 yılında, IBM tarafından oluşturulan satranç oynayan bilgisayar Deep Blue, standart yönetmelikler uyarınca dünya şampiyonu Gary Kasparov'a karşı bir dizi satranç maçı gerçekleştirdi. Kasparov üç maç kazandı ve diğer ikisi berabere kaldı.

Gelecek yıl, bir yükseltilmiş Deep Blue altı oyun maçında Kasparov'u yendi.

Kasparov, yenilgiyi “yıkıcı bir deneyim” olarak nitelendirdi. Time Magazine'in bir yazısında, Deep Blue'nun yaptığı akıllıca bir harekete atıfta bulunarak “Masada yeni bir tür zeka kokusu alabiliyordum” diye yazdı. son turda.

Ancak günümüzün baskın AI teknikleri, makine öğrenimi ve derin öğrenmeye kıyasla Deep Blue aptaldı. Her dönümde mümkün olan her hamle sırasını test edip değerlendiren ve en iyi olanı seçen, kaba-insan tarafından oluşturulan bir mantık olan “eski moda yapay zeka” (GOFAI) tarafından desteklendi.

AI Jeopardy'yi kazandı!
Watson Jeopardy.png
 

IBM, 2011'de, yeni “akıllı” bilgisayarı, bu kez doğal dil işleme yeteneklerine sahip olan bir ürünü tanıttı. Codenamed “Watson”, yapay akıllı makine daha sonra IBM'in en başarılı ve kârlı hizmetlerinden birinin merkezi haline gelmek için evrimleşecek.

Watson, Jeopardy! 'Da ısırganlığını kanıtladı, ünlü televizyon yarışması gösterisinde en çok 74 oyunu kazanan Ken Jennings'in de aralarında bulunduğu iki insan rakibinin karşısına çıktı. Jeopardy'de rekabet etmek için Watson, doğal dil sorularını anlayabilmeli ve ansiklopedik geri çağırma yoluyla onlarla ilişkili bilgiyi bulabilmelidir. Ancak bu sorular çoğu zaman nüanslıdır ve bulmak zor olan, daha da zorlaştıran gizli, kıvrımlı anlamlar içerir.

Ama sonunda, Watson üstünlüğünü kanıtladı ve üç maçtan sonra Jennings'in 24,000 dolar ve 21.600 $ 'lık Brad Rutter'i, diğer insan rakibi ve bir başka Jeopardy ası için ödüller kazandı.

Jennings, Jeopardy tarafından yenildikten sonra video ekranına yazdı.

Watson, sert kodlanmış mantığı, büyük veri kümelerinden algıladığı içgörüler ve kalıplarla değiştiren ve kuralların tanımlanmasının zor olduğu alanlarda daha etkili olan, bir tür yapay zeka olan makine öğrenimini kullandı. Zaferi, Yapay Zekanın problemlerin deterministik olmadığı alanlara girebileceğini kanıtladı. O zamandan beri, Watson’ın AI, sağlık hizmetleri, siber güvenlik, hava durumu tahmini ve daha fazlası dahil olmak üzere oyunların ötesinde birçok alana girdi.

DeepMind’in AI ustaları Git ve dünya şampiyonu - ve kendisini yener
Alphago-compressor.png
Deep Blue, Kasparov'u satrançta yendikten sonra, Princeton'dan bir astrofizikçi, en az 100 yıl önce bilgisayarların ve AI'nın eski Çin oyununda insanları yenebileceğini belirtti. Go'nun satrançtan daha basit kurallara sahip olmasına rağmen, ustalaşmak çok daha zordur. Git oyuncuları oyunu farklı seviyelerde oynamayı öğrenmeli, taşlarını tahtaya yerleştirirken kısa ve uzun vadeli kararlar vermelidir. Bir araştırmaya göre Go, evrendeki atomların sayısından daha fazla hamle yapıyor ve bu da onu dünyadaki en sofistike tahta oyunu yapıyor.

Bununla birlikte, yirmi yıldan kısa bir süre sonra, 2016'da, İngiltere'de satın alınan bir AI başlangıç ​​projesi olan DeepMind, 2016'da AI Alpha’nın tarihini yaptı.

Go Going Lee Sedol'u beş maçlık bir maçta yendin, “Oyunun en başından beri, lider olduğumu hissettiğim zamanlar yoktu,” dedi Lee Sedol, son oyundan sonra, AlphaGo'da. özellikle zekice bir hamle yaptı.Örneğin usta zeka için Deep Blue usta satranç ile aynı şekilde, kaba kuvvetli bir şekilde, muhakkak bilgi işlem gücü gerektirecekti. Bununla birlikte, DeepMind'deki bilim adamları,

AlphaGo'nun becerilerini geliştirmek için derin öğrenmeyi kullandılar. İnsan oyunlarında binlerce oyunu inceleyerek ve insan oyunculara karşı yüzlerce oynayarak, AlphaGo, oyunda başarılı taktikler oluşturan ortak kalıpları “öğrendi”. Daha sonra geliştirdiği AlphaGo Sıfır (AlphaGo Sıfır), elde edilebilen ve daha fazlasını gerçekleştirebilen - Aynı “sıfır” insan katılımı ile sonuçlanır (böylece isim). AlphaZero'nun yeni iterasyonunda kullanılan yöntem takviye öğrenmesiydi.

Bu, AI'ya oyunun temel kuralları ve mekaniği verildiği ve kendi yolunu bulmasını istediği bir teknikti. Bu, AlphaGo Zero'nun milyonlarca kez sessizce oynandığını ve oyunun öğrenileceği anlamına geliyor. AlphaGo Zero, üç gün süren antrenman sonrasında, Lee Sedol'ü yenen kendi eski versiyonuna karşı 100 oyun oynadı - bunların hepsini 100 kazandı. AlphaGo Zero daha sonra sadece Go değil, satranç ve shogi dahil olmak üzere diğer oyunlar olan bir AI olan AlphaZero'ya genellendi. AI'nın daha önce insan zekasının özel alanı olduğu düşünülen oyunlarda ustalaşabilmesi için AlphaGo'nun başarıları var. büyük güç şebekeleri yönetmek gibi diğer alanlarda AI kullanımını girmek için yol açtı.

App pokerpoker-686981_1920.jpg rakibi out-blöfleri ise satranç ve Go mantıksal karmaşıklığı epitom olarak tanınan oyunlar vardır, poker bir tamamen farklı bir canavar, şans oyunu, aldatma ve blöf yapma, kesinlikle matematik ve mantık üzerine kurulu makineler için çatlamak için sert bir somun. Ancak, 2017 yılında, Carnegie Mellon Üniversitesi'nde araştırmacılardan oluşan bir ekip Libratus'u geliştirdi. Texas Hold 'Em Poker'in dört uzman oyuncusu, 120.000 el pokerden oluşan 20 günlük bir turnuvada onları mağlup etti. Texas Hold 'Em uzun vadede bahis stratejileri ve oyun teorisine dayanan poker'nin özellikle karmaşık bir versiyonudur.

Libratus'un muhaliflerinden ve dünyanın en iyi Texas Hold'em oyuncularından biri olan Wong, bu kararı verdi. Yarışma boyunca, AI'nın kartlarını görebileceğini hissetmeye başladı. “Onu aldatmakla suçlamıyorum” dedi. “Bu sadece iyi bir şeydi.” Libratus, oyunu bir trilyon süresine karşı oynamak için takviye öğrenmeyi kullanarak insani yardım olmadan oynamayı öğrendi.

İçerik oluşturucuları, aynı zamanda, insan oyuncu davranışlarını izleyerek ana AI'deki zayıflıkları inceleyen ve ekleyen ve bir diğeri “nihai oyun çözücü” olarak adlandırılan ve ana AI'ın dikkatini çeken ve bu durumun ortadan kaldırılmasına yardımcı olan tamamlayıcı AI sistemlerini Libratus'a entegre etti. yararsız oyun senaryolarını gözden geçirme ihtiyacı.

Libratus sadece mantık ve akıl yürütmenin ötesine geçen bir oyuna hakim olduğu için değil, aynı zamanda politik müzakereler ve müzayedeler gibi ortamlarda AI kullanmanın yolunu açabileceğinden de dikkate değerdi. Gerçek zamanlı oyunların oynanmasıOptimized- Starcraft deepmind.png AI'nın şimdiye kadar ele geçirdiği tüm oyunların sınırlarından biri, sıra tabanlı doğalarıdır. Rakipler sıralarını beklemeli ve geldiğinde, başkalarının neler yapabileceğinden endişe etmeden hareketlerini düşünmek ve planlamak için yeterli zamana sahipler.

Birkaç yıl önce bilim adamları, tüm yarışmacıların aynı anda hareket etmesi gereken gerçek zamanlı video oyunlarına gözlerini koydular. Genel fikir, AI'ya bir insan oyuncunun sahip olduğu tam olarak aynı bilgiyi vermektir. Oyunlardaki bilgisayar rakipleri genellikle kapağın altında bulunan verilere erişemez. Bunun yerine, oyuncuların yaptığı gibi oyun durumunu gösteren bir video çıkışı olacaktır. Ayrıca, oyuncular ile aynı şekilde oyun ile etkileşime girmek zorunda kalacaklar, yani fare tıklamaları ve klavye düğmeleri gibi giriş komutları vererek. (Gerçekte, oyunlar AI için daha kolay hale getirecek şekilde biraz değiştirilir). Oyun içeriğini anlamak ve komutları göndermek için, ancak temelde bunu insanların sahip olduğu bilgi ve kontrol miktarlarıyla sağladıkları.) DeepMind, Blizzard'ın popüler gerçek zamanlı strateji oyunu StarCraft 2 ile şansını deniyor. RTS oyunlarının zorluğu, öncelikle, AI'nın rakipleriyle aynı anda ikiye bölünmüş kararlar vermesi ve ikincisi, eksik verilere sahip olması.

Masa oyunlarının aksine, StarCraft gibi RTS oyunları, oyuncuların tüm haritayı aynı anda görmelerini sağlamaz. Gerçek zamanlı oyunlar da sıralı tahta oyunlarından çok daha fazla olanak sunar. Bir satranç oynayan yapay zeka her dönüşte 35 hamle arasında seçim yapmak zorundadır. Go’da her fırsatta olasılık sayısı 250’ye çıkıyor. Gerçek zamanlı oyunlarda, AI, alt saniye zaman dilimindeki binlerce olası hamleyi tartmak ve seçmek zorundadır.

DeepMinds’in AI’ı hala StarCraft 2’deki en iyi insan oyuncuları yenemedi, ancak bu çok yakında gerçekleşebilir. Elon Musk tarafından kurulan kar amacı gütmeyen AI araştırma örgütü OpenAI’nin dikkate değer bir çabaları. OpenAI, Valve tarafından geliştirilen, popüler bir çok oyunculu fantezi savaş oyunu olan Dota 2'yi, meydan okuma arenası olarak seçti.

OpenAI, oyunu öğrenmek ve ustalaşmak için her gün kendilerine karşı 180 yıl süren Dota 2 oyunlarını oynayan “Open AI Five” adlı beş kişilik bir grup ağ geliştirdi. Amatör oyuncular karşısında OpenAI Five, profesyonel oyun ve stratejik yetenekler sergiledi. Ağustos'ta, Kanada'daki resmi bir turnuvada profesyonellere karşı nasıl rekabet ettiğini göreceğiz. Gerçek zamanlı oyunları önemli kılan, AI sistemlerinin, bilginin sınırlı olduğu ve kararların bir arada verilmesi gereken karmaşık ortamlarda entegre olmasını sağlayacak olmasıdır. zaman-kritik moda.

AI oyun oynamak için önemlidir?
 Yüzeyde, oyun oynamak için AI öğretmek işe yaramaz bir nokta kanıtlamak için zaman ve yetenek kaybı gibi görünebilir. Fakat oyunlar çok önemli olabilir çünkü AI tekniklerini geliştirmek ve test etmek için güvenli bir ortam sağlarlar. Ve tüm bu oyun oynayan AI'lar daha pratik alanlara doğru yol alıyorlar. Oyunların alakalı olmasını sağlayan başka bir şey de, sınırlı AI'ları geliştirmek için mükemmel kılan sınırlı alanların olması.

Dar AI, genel aklı gibi genel sorunları yerine getirmek için tasarlanan yapay zeka teknolojisidir. Bu, insan zihni gibi soyut ve genel amaçlı işlevleri yerine getirir. Genel AI'nın büyük bir hayranı değilim ve geleceğin geleceğini düşünüyorum. Yapay zeka, insan zekasını ve yeteneklerini arttırmak için dar AI teknolojilerini geliştirmeye ve birleştirmeye dayanır. General AI on yıllardır olabilir, fakat dar AI burada ve şimdi ve hayatımızın her yönüne doğru yol alıyor. Aptalca bir şey yapmadığından emin olmak için alabileceğimiz tüm yardımlara ihtiyacımız var. Bu hikaye teknolojinin sorunları nasıl çözdüğünü ve yeni olanları yarattığını araştıran blog olan TechTalks'tan yeniden yayınlanıyor. Onları Facebook'ta beğen ve buradan takip et: