211service.com
Hoe AlphaZero de spelregels zelf heeft herschreven
David Silver zegt dat het computerprogramma dat zichzelf heeft geleerd schaakgrootmeester te zijn, de essentie van creativiteit laat zien.
22 februari 2019
Geordie Wood
David Silver heeft iets uitgevonden dat misschien inventiever is dan hij.
Silver was de hoofdonderzoeker van AlphaGo, een computerprogramma dat Go leerde spelen - een beroemd lastig spel dat gebruikmaakt van menselijke intuïtie in plaats van duidelijke spelregels - door games te bestuderen die door mensen worden gespeeld.
Dit verhaal maakte deel uit van ons nummer van maart 2019
- Zie de rest van het nummer
- Abonneren
De nieuwste creatie van Silver, AlphaZero, leert bordspellen zoals Go, schaken en Shogi spelen door tegen zichzelf te oefenen. Door miljoenen oefenspellen ontdekt AlphaZero strategieën die mensen millennia nodig hadden om te ontwikkelen.
Dus zou AI ooit problemen kunnen oplossen die de menselijke geest nooit zou kunnen? Ik sprak met Silver op zijn kantoor in Londen bij DeepMind, nu eigendom van Alphabet.
In een beroemde wedstrijd tegen misschien wel de beste Go-speler ooit, maakte AlphaGo een briljante zet waarvan menselijke waarnemers aanvankelijk dachten dat het een vergissing was. Was het creatief zijn op dat moment?
Move 37, zoals het bekend werd, verraste iedereen, inclusief de Go-gemeenschap en ons, de makers. Het was iets buiten de verwachte manier om Go te spelen die mensen in de loop van duizenden jaren hadden ontdekt. Voor mij is dit een voorbeeld van iets creatiefs.
Omdat AlphaZero niet van mensen leert, is het dan nog creatiever?
Als je iets uit jezelf leert, dat zijn eigen kennis volledig vanaf het begin opbouwt, is dat bijna de essentie van creativiteit.
AlphaZero moet alles zelf uitzoeken. Elke stap is een creatieve sprong. Die inzichten zijn creatief omdat ze er niet door mensen aan zijn gegeven. En die sprongen gaan door totdat het iets is dat onze mogelijkheden te boven gaat en het potentieel heeft om ons te verbazen.
Je hebt AlphaZero laten spelen tegen de beste conventionele schaakengine, Stockfish. Wat heb je geleerd?
Stockfish heeft deze zeer geavanceerde zoekmachine, maar de kern ervan is deze module die zegt: Volgens mensen is dit een goede of een slechte positie. Dus mensen zitten daar echt diep in de lus. Het is moeilijk voor hem om zich los te maken en een standpunt te begrijpen dat fundamenteel anders is.
AlphaZero leert posities voor zichzelf te begrijpen. Er was een prachtig spel waar we net naar keken waar het vier pionnen op rij opgeeft, en het probeert zelfs een vijfde pion op te geven. Stockfish vindt het fantastisch winnen, maar AlphaZero is echt blij. Het heeft een manier gevonden om de positie te begrijpen die ondenkbaar is volgens de normen van schaken. Het begrijpt dat het beter is om de positie te hebben dan de vier pionnen.
Stelt AlphaZero voor dat AI een rol gaat spelen in toekomstige wetenschappelijke innovatie?
Machine learning werd gedomineerd door een benadering die gesuperviseerd leren wordt genoemd, wat betekent dat je begint met alles wat mensen weten, en dat je probeert te distilleren in een computerprogramma dat dingen op precies dezelfde manier doet. Het mooie van deze nieuwe benadering, versterkend leren, is dat het systeem zelf leert, vanaf de eerste principes, hoe de doelen te bereiken die we het stellen. Het zijn net een miljoen mini-ontdekkingen, de een na de ander, die deze creatieve manier van denken vormen. En als je dat kunt doen, kun je eindigen met iets dat een enorme kracht heeft, een enorm vermogen om problemen op te lossen, en dat hopelijk tot grote doorbraken kan leiden.
Zijn er aspecten van menselijke creativiteit die niet geautomatiseerd kunnen worden?
Als we nadenken over de mogelijkheden van de menselijke geest, zijn we nog ver verwijderd van dat doel. We kunnen resultaten behalen in gespecialiseerde domeinen zoals schaken en Go met een enorme hoeveelheid computerkracht die aan die ene taak is gewijd. Maar de menselijke geest is in staat om radicaal te generaliseren naar iets anders. Je kunt de regels van het spel veranderen, en een mens heeft niet nog eens 2000 jaar nodig om erachter te komen hoe ze moet spelen.
Ik zou zeggen dat de grens van AI op dit moment - en waar we naartoe zouden willen gaan - is om het bereik en de flexibiliteit van onze algoritmen te vergroten om het volledige gamma te dekken van wat de menselijke geest kan doen. Maar dat is nog ver weg.
Hoe zouden we daar kunnen komen?
Ik wil graag dit idee behouden dat het systeem vrij is om te creëren zonder te worden beperkt door menselijke kennis.
Een baby maakt zich geen zorgen over zijn carrière of hoeveel kinderen hij zal krijgen. Het is spelen met speelgoed en manipulatievaardigheden leren. Er valt ontzettend veel te leren over de wereld als er geen einddoel is. Hetzelfde kan en moet gelden voor onze systemen.