Защо е важно да преподаваш ай да играе игри? Бен Диксън

OpenAI, лабораторията за изследване на изкуствения интелект, основана от Сам Алтман и Елон Мъск, наскоро обяви, че ще изпрати екип във Ванкувър през август, за да участва в професионален турнир на известната онлайн игра на битката Dota 2. Но за разлика от други отбори, които ще бъдат конкурирайки се за многомилионната награда, OpenAI на екипът няма да включва хора - поне не директно.

Наречен OpenAI Five, екипът се състои от пет изкуствени невронни мрежи, които изгаряха чрез огромната изчислителна мощ на облака на Google и практикуват играта отново и отново, милиони пъти. OpenAI Five вече е победил полупрофесионалисти в Dota 2 и ще тества своите умения спрямо първите 1% от играчите, които идват август.

при първи на пръв поглед, харченето на скъпи компютърни ресурси и оскъдния AI талант да се научи AI да играе игри може да изглежда безотговорно. OpenAI приютява едни от най-добрите световни учени в ИИ, които според The New York Times печелят седемцифрени заплати. В крайна сметка, не могат ли да работят по по-важни проблеми, като например разработване на AI, който може да се бори с рака или да направи по-безопасни автомобилите?

Абсурдно, както изглежда на някои, игрите са се оказали важна част от изследванията на AI. От шах до Dota 2, всяка игра, която AI завладя, ни помогна да пробием нова почва в компютърните науки и други области.

Игри Помощ за проследяване на напредъка на AI

От създаването на идеята за изкуствен интелект през 50-те години на миналия век, игрите са ефективен начин за измерване на капацитета на ИИ. Те са особено удобни при тестване на капацитета на новия AI техники, защото можете да определите количествено резултатите на AI с числови резултати и резултати от загуба на печалба и да ги сравните с хора или други AI.

Първата игра, която изследователите се опитаха да овладеят чрез AI, беше шахмата, която в ранните дни се считаше за върховен тест за напредъка в тази област. През 1996 г. Deep Blue на IBM беше първият компютър, който победи световния шампион (Гари Каспаров) по шах. AI зад Deep Blue използва метод на груба сила, който анализира милиони последователности, преди да направи ход.

Докато методът позволяваше на Deep Blue да овладее шах, той никъде не беше достатъчно ефективен за справяне с по-сложни настолни игри. По днешните стандарти се счита за суров. Когато Deep Blue победи Каспаров, учен отбеляза, че ще са необходими още сто години, преди AI да успее да завладее древната китайска игра на Go, която има повече възможни движения от броя на атомите във Вселената.

Но през 2016 г. изследователи от собствената на Google AI компания DeepMind създадоха AlphaGo, Go-play AI, който победи Лий Седол, световен шампион, 4 на 1 в състезание с пет игри. AlphaGo замени грубия метод на Deep Blue с дълбоко учене, AI техника, която работи по много по-сходен начин с това как работи човешкият мозък. Вместо да изследва всяка възможна комбинация, AlphaGo изследва начина, по който хората играят Go, след което се опитва да измисли и повтори успешните модели на игра.

По-късно изследователите на DeepMind създадоха AlphaGo Zero, подобрена версия на AlphaGo, която използва засилване на обучението, метод, който изисква нулев човешки принос. AlphaGo Zero беше научен на основните правила на Go и научи играта, като играе срещу себе си безброй пъти. И AlphaGo Zero победи своя предшественик 100 до нула.

Настолните игри обаче имат ограничения. Първо, те са поетапни, което означава, че AI не е под напрежение да взема решения в среда, която се променя постоянно. Второ, AI има достъп до цялата информация в околната среда (в случая борда) и не е необходимо да гадае или да рискува въз основа на неизвестни фактори.

Имайки предвид това, AI, наречен Libratus, направи следващия пробив в изследванията за изкуствен интелект, като победи най-добрите играчи в покер Texas Hold 'Em. Разработен от изследователи от Carnegie Mellon, Libratus показа, че AI може да се конкурира с хората в ситуации, когато има достъп до частична информация. Libratus използва няколко AI техники, за да научи покера и да подобри играта си, докато разглеждаше тактиката на своите човешки опоненти.

Видеоигрите в реално време са следващата граница за AI, а OpenAI не е единствената организация, участваща в тази област. Facebook е тествал обучението на AI да играе стратегия в реално време на StarCraft, а DeepMind е разработил AI, който може да играе игра на стрелец от първо лице Quake III. Всяка игра представя собствен набор от предизвикателства, но общият знаменател е, че всички те представят AI със среда, в която трябва да вземат решения в реално време и с непълна информация. Освен това те дават на AI арена, където тя може да тества силата си срещу екип от противници и да се научи на самата работа в екип.

Засега никой не е разработил AI, който може да победи професионални играчи. Но самият факт, че AI се състезава с хората в такива сложни игри, показва колко далеч сме стигнали в тази област.

Игрите помагат да се развие AI в други области

Докато учените са използвали игрите като тестови ленти за разработване на нови техники за интелектуална интеграция, техните постижения не са се ограничили до игри. Всъщност, играта AIs проправи пътя за иновации в други области.

През 2011 г. IBM представи суперкомпютър, който може да обработва и генерира естествен език (NLG / NLP) и е кръстен на бившия изпълнителен директор на компанията Томас Дж Уотсън. Компютърът изигра известната игра на викторина за телевизионно шоу Jeopardy срещу двама от най-добрите играчи в света и спечели. По-късно Уотсън стана основа за огромна линия от AI услуги на IBM в различни области, включително здравеопазване, киберсигурност и прогнозиране на времето.

DeepMind използва своя опит от разработването на AlphaGo, за да използва AI в други области, където укрепването на обучението може да помогне. Компанията стартира проект с National Grid UK за използване на AlphaGo на разумни за подобряване на ефективността на британската електрическа мрежа. Google, компанията-майка на DeepMind, също използва техниката, за да намали разходите за електроенергия на своите огромни центрове за данни, като автоматизира контрола на потреблението на своя различен хардуер. Google също използва усилване за обучение за обучение на роботи, които един ден ще обработват обекти във фабриките.

• Изкуственият интелект има проблем с пристрастията и това е наша грешка Изкуственият интелект има проблем с пристрастията и това е наша грешка
• IBM Изкуствен интелект предприема шансове за дебат за човека. IBM Изкуствен интелект предприема шансове за дебат за човека
• Защо AI трябва да разкрие, че е AI Защо AI трябва да разкрие, че е AI

Libratus , AI, играещ покер, може да помогне за разработването на вида алгоритми, които могат да помогнат в различни ситуации като политически преговори и търгове, при които AI трябва да поема рискове и да прави краткосрочни жертви за дългосрочни печалби.

Аз с нетърпение очаквам да видя как OpenAI Five ще се представи в състезанието Dota 2 за август. Макар че не се интересувам особено дали невронните мрежи и неговите разработчици вземат вкъщи наградата от 15 милиона долара, искам да видя какви нови прозорци ще се отворят нейните постижения.