211service.com
Alpha Zero's Alien Chess toont de kracht en de eigenaardigheid van AI
De nieuwste opmars van DeepMind gedraagt zich op een zeer verrassende manier. Verwacht dat andere AI-systemen net zo vreemd zijn. 8 december 2017
Het nieuwste AI-programma ontwikkeld door DeepMind is niet alleen briljant en opmerkelijk flexibel, het is ook best raar.
DeepMind gepubliceerd een krant deze week een beschrijving van een spelprogramma dat het ontwikkelde en dat in staat bleek schaken en het Japanse spel Shoju te beheersen, nadat het het spel Go al onder de knie had.
Demis Hassabis, de oprichter en CEO van DeepMind en zelf een ervaren schaker, presenteerde donderdag op een AI-conferentie in Californië verdere details van het systeem, Alpha Zero genaamd. Het programma maakte vaak zetten die voor een menselijke schaker ondenkbaar zouden zijn.
Het speelt niet als een mens, en het speelt niet als een programma, zei Hassabis op de Neural Information Processing Systems (NIPS) conferentie in Long Beach. Het speelt op een derde, bijna buitenaardse manier.
Behalve dat het laat zien hoe briljant machine learning-programma's kunnen zijn bij een specifieke taak, laat dit zien dat kunstmatige intelligentie heel anders kan zijn dan de mens. Naarmate AI meer gemeengoed wordt, moeten we ons misschien bewust zijn van dergelijk buitenaards gedrag.
Verwant verhaal
Verwant verhaal Een verbeterde versie van de game-playing AI leert zichzelf elke truc in het Go-boek, met behulp van een nieuwe vorm van machine learning.Alpha Zero is een meer algemene versie van AlphaGo, het programma ontwikkeld door DeepMind om het bordspel Go te spelen. In 24 uur leerde Alpha Zero zichzelf goed genoeg schaken om een van de beste bestaande schaakprogramma's te verslaan.
Wat echter ook opmerkelijk is, legde Hassabis uit, is dat het soms schijnbaar gekke offers brengt, zoals het aanbieden van een bisschop en koningin om een positioneel voordeel te benutten dat tot de overwinning leidde. Dergelijke offers van waardevolle stukken zijn normaal gesproken zeldzaam. In een ander geval verplaatste het programma zijn dame naar de hoek van het bord, een zeer bizarre truc met een verrassende positionele waarde. Het is net schaken uit een andere dimensie, zei Hassabis.
Hassabis speculeert dat, omdat Alpha Zero zichzelf leert, het profiteert van het niet volgen van de gebruikelijke benadering van het toekennen van waarde aan stukken en het proberen om verliezen te minimaliseren. Misschien is onze opvatting over schaken te beperkt geweest, zei hij. Het kan een belangrijk moment zijn voor het schaken. We kunnen het in ons eigen spel enten.
Het schaakspel heeft een lange geschiedenis in kunstmatige intelligentie. De beste programma's, ontwikkeld en verfijnd gedurende tientallen jaren, bevatten enorme hoeveelheden menselijke intelligentie. Hoewel Deep Blue van IBM in 1996 de toenmalige wereldkampioen versloeg, vereiste dat programma, net als andere conventionele schaakprogramma's, zorgvuldige handprogrammering.
De originele AlphaGo, speciaal ontworpen voor Go, was een groot probleem omdat het in staat was om een spel te leren spelen dat enorm complex en moeilijk te onderwijzen is, en dat een instinctief gevoel van bordposities vereist. AlphaGo heeft Go onder de knie gekregen door duizenden voorbeeldspellen in te nemen en vervolgens te oefenen tegen een andere versie van zichzelf. Het deed dit gedeeltelijk door een groot neuraal netwerk te trainen met behulp van een benadering die bekend staat als versterkingsleren, die is gemodelleerd naar de manier waarop dieren lijken te leren (zie Google's AI Masters Go a Decade Eerder dan verwacht).
DeepMind heeft sindsdien een versie van het programma gedemonstreerd, AlphaGo Zero genaamd, die leert zonder enige voorbeeldgames, in plaats daarvan puur op zelfspel te vertrouwen (zie AlphaGo Zero laat zien dat machines zonder hulp bovenmenselijk kunnen worden). Alpha Zero verbetert nog verder door te laten zien dat hetzelfde programma drie verschillende soorten bordspellen kan beheersen.
De prestaties van Alpha Zero zijn indrukwekkend, maar het moet nog veel meer oefenspellen spelen dan een menselijke schaakmeester. Hassabis zegt dat dit kan zijn omdat mensen baat hebben bij andere vormen van leren, zoals lezen over hoe het spel moet worden gespeeld en andere mensen zien spelen.
Toch waarschuwen sommige experts dat de mogelijkheden van het programma, hoewel opmerkelijk, in hun context moeten worden gezien. Na Hassabis gesproken, Gary Marcus , een professor aan de NYU, zei dat er veel menselijke kennis is gestoken in het bouwen van Alpha Zero. En hij suggereert dat menselijke intelligentie een aantal aangeboren vermogens lijkt te omvatten, zoals een intuïtief vermogen om taal te ontwikkelen.
Josh Tenenbaum , een professor aan het MIT die menselijke intelligentie bestudeert, zei dat als we echte kunstmatige intelligentie op menselijk niveau willen ontwikkelen, we de flexibiliteit en creativiteit die mensen vertonen, moeten bestuderen. Hij wees onder meer op de intelligentie van Hassabis en zijn collega's bij het bedenken, ontwerpen en bouwen van het programma. Dat is bijna net zo indrukwekkend als een koningin in de hoek, grapte hij.