211service.com
In plaats van te oefenen, beheerste deze AI het schaken door erover te lezen
Een schaakbord. Unsplash
Schaakfans doen niets liever dan praten over een meesterlijk offer door Bobby Fischer of een ingenieuze aanvalslinie van de huidige wereldkampioen Magnus Carlsen . Het blijkt dat dit gebabbel AI-programma's kan helpen om het spel op een nieuwe manier te leren spelen. Op een dag zou dezelfde techniek machines in staat kunnen stellen de emotionele inhoud van onze taal te gebruiken om verschillende praktische taken onder de knie te krijgen.
Het schaakalgoritme, genaamd FeelMATE , is ontwikkeld door onderzoekers Nicholas McCarthy, Isaac Kamlish en Isaac Bentata Chocron van University College London. Het evalueert de kwaliteit van schaakzetten door de reactie van deskundige commentatoren te analyseren.
Het team analyseerde de tekst van 2.700 schaakspelcommentaren die online beschikbaar waren. Ze schrapten commentaar dat geen betrekking had op bewegingen van hoge kwaliteit en voorbeelden die te dubbelzinnig waren. Daarna gebruikten ze een speciaal type terugkerend neuraal netwerk en woordinbedding (een wiskundige techniek die woorden verbindt op basis van hun betekenis), getraind op een ander state-of-the-art model voor het analyseren van taal.
AI heeft onlangs aanzienlijke vooruitgang geboekt bij het ontleden van taal. Een algoritme dat is ontwikkeld door onderzoekers van OpenAI, een onderzoeksbedrijf in San Francisco, bleek bijvoorbeeld in staat om hele nieuwsverhalen te genereren uit een prompt van een paar woorden.
De volgende stap in de vooruitgang van natuurlijke taalverwerking is om deze geleerde informatie om te zetten in tastbare acties om echte taken op te lossen, aldus de onderzoekers in een e-mail aan MIT Technology Review. We waren van mening dat een leerstrategie van op tekst gebaseerde gegevens een zeer belangrijke onderzoeksrichting zou kunnen zijn om te verkennen.
SentiMATE verraste de onderzoekers met zijn vermogen om enkele basisprincipes van schaken uit te werken, evenals verschillende belangrijke strategieën, zoals forken (wanneer twee of meer stukken tegelijkertijd worden bedreigd) en rokeren (wanneer de koning en het kasteel beide naar een meer verdedigende positie op de achterkant van het bord).
Het was nauwelijks een AI-grootmeester: het slaagde er niet in om sommige conventionele schaakbots consequent te verslaan. Maar het programma toont de belofte aan van het gebruik van taal om erachter te komen hoe het spel goed te spelen, met minder oefengegevens en minder computerkracht dan conventionele benaderingen vereisen.
Schaken is lange tijd een maatstaf geweest voor vooruitgang in machine-intelligentie, van Alan Turing's programma uit 1951 voor het spelen van het spel (geschreven op papier) tot de nederlaag van Garry Kasparov door toedoen van IBM's Deep Blue.
Meer recentelijk demonstreerde de Alphabet-dochter DeepMind een schaakvariant van AlphaGo, het programma dat zichzelf kan leren het eeuwenoude Chinese bordspel Go te spelen. Dit programma, bekend als AlphaZero , kreeg de regels van het spel en verbeterde vervolgens zijn vaardigheden door tegen andere versies van zichzelf te spelen. Omdat het zichzelf leerde, ontwikkelde AlphaZero een aantal ongebruikelijke en verrassende strategieën. Maar net als Deep Blue had AlphaZero duizenden gespecialiseerde Tensor Processing Unit (TPU)-chips van Google nodig, evenals de gegevens van miljoenen oefengames.
De onderzoekers zeggen dat de leertechnieken die door SentiMATE worden gebruikt, veel andere praktische toepassingen kunnen hebben dan schaken. Ze kunnen bijvoorbeeld machines helpen om sport te analyseren, financiële activiteiten te voorspellen en betere aanbevelingen te doen. Er is een overvloed aan boeken, blogs en papers die allemaal wachten om geleerd te worden, benadrukt het team.