Os ais estão ganhando: 5 vezes quando os computadores bater seres humanos

A inteligência artificial é a fronteira da ciência da computação. A ciência tem avançado o suficiente para que AI está a bater-nos em nosso próprio jogo - ou deveríamos dizer, jogos. Algumas pessoas podem temer o ascensão da Skynet

com cada evolução AI, mas estamos um pouco mais otimista.
É aqui porque os cientistas pensam que você deve estar preocupado com a Inteligência ArtificialÉ aqui porque os cientistas pensam que você deve estar preocupado com a Inteligência ArtificialVocê acha que a inteligência artificial é perigoso? O AI pode representar um risco grave para a raça humana. Estas são algumas razões pelas quais você pode querer estar preocupado.consulte Mais informação

AlphaGo é o mais recente AI para bater um ser humano em um jogo de tabuleiro, mas vem de uma longa linhagem. Embora estes cinco máquinas começou como programas construídos de propósito, alguns encontraram segundas vidas que vão além de seus chamados originais.

Neste artigo, vamos passar por cada vez que um brilhante humano perdeu para um computador e analisar o que deu a cada um desses computadores a sua vantagem decisiva.

1. Deep Blue, o mestre de xadrez

Deep Blue e Garry Kasparov da IBM teve uma das primeiras batalhas de alto nível entre o homem ea máquina. Kasparov perdeu, é claro, mas eles tinham um pouco de uma história complicada.

Depois de Kasparov derrotou primeiro o irmãozinho de Deep Blue, pensamento profundo, em 1989, a IBM retornou com seu novo e melhorado Deep Blue em 1996. Kasparov perdeu um jogo de abertura, amarrou um segundo, mas depois ganhou três jogos seguidos para levar o jogo.

Não foi até a segunda revanche em 1997 que Deep Blue derrotou Kasparov, ganhar uma partida de seis jogos por um jogo.

Video: Human Extinction

Kasparov disse que viu inteligência no jogo de Deep Blue e acusou a IBM de intervir. A “inteligência” era na verdade um bug que causou Deep Blue para agir fora do personagem. Basicamente, o AI era bastante primitivo, força bruta seu caminho através movimentos possíveis e os resultados ...

... e se não poderia encontrar uma opção ideal, ele escolheu aleatoriamente.

Para cada um dos seus movimentos, Deep Blue modelada para fora todos os movimentos possíveis e as respostas de Kasparov. Era capaz de modelar até vinte movimentos à frente, avaliando milhões de possíveis posições por segundo. Que a modelagem hardware necessário capaz de processamento paralelo poderoso.

O processamento paralelo é quebrar tarefas em tarefas de computação menores e completar essas tarefas ao mesmo tempo. Os dados resultantes são então compilados para trás em conjunto para o resultado.

Entre as duas partidas, Deep Blue foi dado um upgrade de hardware significativo. O hardware vencedor foi um sistema de 30-nó rodando em plataforma Power PC da IBM. Cada nó tinha processadores secundárias dedicado a instruções de xadrez.10 maneiras criativas para sobrecarregar o seu treinamento de xadrez10 maneiras criativas para sobrecarregar o seu treinamento de xadrezFicando melhor no xadrez é normalmente cerca de prática deliberada ao longo de muitos jogos desanimador, então vamos olhar para algumas das maneiras que você pode trazer diversão e criatividade em seu treinamento de xadrez.consulte Mais informação

Tudo combinado, Deep Blue tinha 256 processadores trabalhando em paralelo.

Há descendentes desse hardware trabalhando em centros de dados, mas verdadeiro legado do Deep Blue é Watson, o campeão Jeopardy. Eventualmente, a IBM colocou Deep Blue para trabalhar em modelagem financeira, mineração de dados e descoberta de medicamentos, todas as áreas que precisam de simulações em grande escala.

2. Polaris, o campeão do póquer

A Universidade de Alberta criou Polaris, o primeiro AI para bater profissionais de pôquer em um torneio. Os pesquisadores escolheram uma variante Texas Hold ‘Em por sua AI uma vez que depende menos da sorte.

Polaris enfrentou jogadores de poker duas vezes. A primeira foi em 2007, contra dois jogadores. As mãos foram pré-tratados - Polaris tinha um conjunto de cartas quando enfrentando um jogador, e a mão inversa ao jogar o outro jogador (para controle de sorte).

Polaris mais tarde foi refeito para um torneio de 2008, contra seis jogadores. Este foi também um conjunto pré-tratados de jogos. Polaris tem um empate no primeiro jogo e perdeu o segundo, mas acabou vencendo o torneio, vindo de trás e ganhar dois jogos seguidos.

Video: Film Theory: Neo ISN'T The One in The Matrix Trilogy

Ao contrário do xadrez, o poker não pode ser ataque de força bruta através de modelagem porque a AI tem uma imagem limitada do jogo - não tem idéia sobre as mãos dos seus adversários.

ofertas de cartão são quase infinitamente única, fazendo modelagem ainda menos eficaz. As mesmas cartas pode ser uma mão boa ou sem valor, apenas dependendo dos outros cartas dadas. Bluffing apresenta um outro problema para AI como apostar por si só não é um bom indicador da força da mão.

Polaris é uma combinação de vários programas, que são chamados agentes. Cada um desses programas teve a sua própria estratégia, e não havia outro agente que escolher qual deles foi o melhor para qualquer lado.

As estratégias utilizadas para quebrar o jogo de poker são variadas e exigem a teoria dos jogos. A idéia básica é a de descobrir o que melhor estratégia uns dos jogadores seria baseado em todos os dados disponíveis, e Polaris conseguiu isso por meio de uma técnica chamada bucketing.

Bucketing é usado para classificar as mãos cartão com base na força. Permitiu o Polaris para reduzir o número de pontos de dados necessários para manter o controle do jogo. Em seguida, ele usou a probabilidade de todos os outros baldes possíveis disponíveis, derivando estes das cartas visíveis.

Polaris tinha um hardware exclusivo criado: um cluster de 8 computadores com cada um tendo 4 CPUs e 8 GB de RAM. Estas máquinas correu as simulações necessárias para criar os baldes e estratégias para cada agente.

Desde então, Polaris evoluiu para um outro programa chamado Cepheus, tornando-se tão avançada que os pesquisadores já declarou Texas Hold ‘Em para ser‘fracamente resolvido’.

Os jogos são “resolvidos” quando algoritmos podem determinar o resultado de um jogo de qualquer posição. Um jogo é “fracamente resolvido” quando o algoritmo não pode explicar para o jogo imperfeito. Você pode tentar a sua sorte contra Cepheus aqui.

3. Watson, o Genius Jeopardy

vitórias AI até este ponto da história ter sido jogos low-key, que é por isso que a vitória de Watson é um marco tão importante para a gente principais: Watson trouxe a batalha da AI para a direita em salas de estar da América.

Jeopardy é um game show amado conhecida por sua trivia desafiador, e tem uma peculiaridade única: as pistas são as respostas e os participantes tem que vir acima com as perguntas. Um verdadeiro teste para Watson, que assumiu campeões Jeopardy conhecidos Brad Rutter e Ken Jennings.

Rutter foi o campeão dinheiro de todos os tempos e Ken Jennings teve a mais longa série de vitórias. Um terceiro grupo escolheu uma variedade aleatória de perguntas dos episódios mais velhos para garantir perguntas não foram escritos para ajudar ou explorar Watson.

Watson ganhou três jogos seguidos - uma prática e dois televisionado - mas havia algumas peculiaridades ímpares para algumas das respostas de Watson. Por exemplo, logo após Jennings respondeu a uma pergunta errada, Watson respondeu com a mesma resposta errada.

No entanto, o que fez Watson única foi a sua capacidade de usar a linguagem natural. IBM chamado este QA funda, que se situava para “responder a pergunta”. A conquista fundamental foi que Watson poderia procurar respostas com o contexto, não apenas palavra-chave relevância.

Video: MÃE FINGE BATER NA FILHA MAIS VELHA E IRMÃ DEFENDE

O software é uma combinação de sistemas distribuídos. Hadoop e Apache UIMA trabalhar juntos para indexar os dados e permitir para os vários nós de Watson a trabalhar juntos.

Como Deep Blue, Watson foi construído sobre a plataforma Power PC da IBM. Watson era um aglomerado de 90 núcleo 16 com TB de RAM. Para os jogos de perigo, todos os dados relevantes foi carregado e armazenado na memória RAM.

Quais são os dados relevantes? Bem, Watson teve acesso ao texto completo do Wikipedia. Ele tinha uma matriz de dicionários, enciclopédias, enciclopédias, e outros materiais de referência. Watson não têm acesso à Internet durante o jogo, mas todos os dados locais foi cerca de 4 TB.

Mais recentemente, Watson foi usado para analisar e sugerir opções de tratamento para pacientes com câncer. mais recente empreendimento da Watson está ajudando a criar aplicativos de aprendizagem personalizadas para crianças. Há até mesmo tentativas de treinar Watson como cozinhar!Watson da IBM Criado Minha graças Meal - Eis o que aconteceuWatson da IBM Criado Minha graças Meal - Eis o que aconteceuinteligência artificial da IBM conhecido como Watson pode fazer muitas coisas inteligentes, mas pode criar uma refeição completa e exclusiva de Ação de Graças? Dou-lhe uma tentativa. Veja o que acontece!consulte Mais informação

4. Deepmind, a Auto-Ensinado

Deepmind do Google pode finalmente dar nerds algo para se preocupar porque ele está batendo seres humanos em jogos clássicos de Atari - bem, certos jogos, pelo menos. A humanidade ainda mantém sua borda em jogos como Asteroid e Gravitar.

Deepmind é uma rede AI neural. As redes neurais são AIs que são criados para imitar a forma como a mente humana funciona, o que é feito através da criação de “neurônios” virtuais usando memória do computador.

Deepmind foi capaz de analisar cada pixel da tela, decidir a melhor ação a ser tomada, dadas as condições de ganhar, então responder com entrada do controlador.

A AI aprendeu jogos usando uma variante do Q-Learning chamado Profundo Learning. Este é um método de aprendizagem onde o AI mantém a melhor decisão tomada em determinada situação, em seguida, repete-lo quando ele encontra a mesma situação.

variante de Deepmind é única, no entanto, porque como acrescenta fontes de memória externa.

Este sistema de informação retida permitido Deepmind para dominar os padrões de alguns jogos de Atari, e até mesmo dirigi-lo a encontrar a melhor estratégia de Breakout tudo por conta própria.

Por que Deepmind executar mal em certos jogos? Por causa da maneira que julgar situações. Acontece que Deepmind só foi capaz de analisar quatro quadros de cada vez, o que limita a sua capacidade para navegar labirintos ou reagir rapidamente.

Além disso, Deepmind teve que aprender cada jogo a partir do zero e não pode aplicar as habilidades de um jogo para outro.

Video: How to Train a Brain - Crash Course Psychology #11

5. Alpha Go, o Incrível

AlphaGo é outro projeto DeepMind e é notável porque conseguiu vencer dois campeões profissionais Go - Fan Hui e Lee SEDOL - ao vencer suas partidas por 5-0 e 4-1, respectivamente.Breakthrough AI do Google: O que significa & Como isso afeta vocêBreakthrough AI do Google: O que significa & Como isso afeta vocêconsulte Mais informação

De acordo com os jogadores e comentaristas jogo, todos eles disseram que a AI jogado de forma conservadora, o que não é surpreendente, porque ele foi programado para favorecer movimentos seguros que garantam a vitória sobre movimentos arriscados que garantam mais pontos.

Go já foi pensado para ser fora do alcance de AI, mas Alpha Go é agora o primeiro AI para ser classificado profissionalmente no jogo.

O jogo tem uma configuração simples: dois jogadores tentam conquistar a placa usando pedras brancas e pretas. A placa é uma grade 19 x 19 com 361 cruzamentos, ea colocação de pedras determinar território de cada jogador. O objetivo é terminar com mais território do que o outro.

O número de potenciais movimentos e estados de jogo é enorme, para dizer o mínimo. Sim, muito maior do que de xadrez, se você estava pensando.

Alpha Go usa o sistema de profunda aprendizagem AI mencionado anteriormente, o que significa que Alpha Go mantém a memória dos jogos é jogado e estuda-los como experiência. Ele então procura por eles, selecionando a opção que tem o maior número de potenciais resultados positivos.

Alpha Go precisa de muita energia do computador para executar seu algoritmo computacional pesado. A versão que jogou os jogos correu em um conjunto distribuído de servidores com um total de 1.920 CPUs e 280 GPUs - uma enorme quantidade de poder que permitiu a 64 threads simultâneos de busca durante o jogo.

Como Watson, DeepMind está se dirigindo para a escola médica. Deepmind anunciou uma parceria com NHS do Reino Unido para analisar registros de saúde. O projeto, córregos, vai ajudar a identificar pacientes com risco de danos nos rins.

Inteligência Artificial está ficando sério

Há um monte de investigação entrar em AI agora.

Google espera que AI pode ajudar seu negócio de busca. Um projeto chamado Rankbrain está olhando para usar o AI para aumentar a eficácia de Page Rank. Microsoft e Facebook ambos lançados chatbots. Tesla está levando a borda do sangramento com o seu modo de condução automática, eo Google está logo atrás com seus carros de auto-condução.

Pode ser difícil ver a conexão entre esses projectos e a formação de um AI para ganhar jogos, mas cada um desses AIs moldou aprender de alguma forma máquina.

Como o campo evoluiu, permitiu AIs para trabalhar com mais conjuntos de dados complexos. Aqueles número quase infinito de movimentos em Go pode traduzir para o número quase infinito de variáveis ​​sobre a estrada aberta. Então, realmente, estes jogos são apenas o começo - uma fase prática, se você quiser.

A coisa realmente interessante é ao virar da esquina, e é muito possível que nós vamos ser capazes de experimentar tudo em primeira mão.

O que o excita sobre AI? Existe um jogo que você acha que a AI não pode, eventualmente, conquistar? Deixe-nos saber nos comentários.