מדוע חשוב ללמד ai לשחק משחקים | בן דיקסון

OpenAI, מעבדת המחקר לבינה מלאכותית שהוקמה על ידי סם אלטמן ואלון מאסק, הצהירה לאחרונה כי היא תשלח צוות לוונקובר באוגוסט להשתתף בטורניר מקצועי של משחק הקרב המקוון המפורסם דוטה 2. אך בניגוד לקבוצות אחרות שיהיו מתחרה על הפרס של מיליון הדולר, של OpenAI הצוות לא יהיה כרוך בבני אדם - לפחות לא באופן ישיר.

הצוות נקרא OpenAI Five, ומורכב מחמש רשתות עצביות מלאכותיות ששרפו דרך כוח המחשוב העצום של הענן של גוגל והתאמנו את המשחק שוב ושוב, מיליוני פעמים. OpenAI Five כבר העניקה את מקצוענים למחצה בדוטה 2 והיא תבחן את ההתאמה שלה מול האחוז הראשון בשחקנים שיגיע באוגוסט.

בשעה ראשון מבט, הוצאת משאבי מחשוב יקרים וכישרון AI נדיר ללמד AI לשחק במשחקים עשויים להיראות חסרי אחריות. OpenAI מאכלס כמה מדעני AI הבכירים בעולם, שלדברי הניו יורק טיימס מרוויחים משכורות של שבע דמות. אחרי הכל, האם הם לא יכולים לעבוד על בעיות חשובות יותר, כמו פיתוח AI שיכול להילחם בסרטן או להפוך את המכוניות בנהיגה עצמית לבטוחות יותר?

אבסורדי ככל שיהיה נראה, משחקים הוכחו כחלק חשוב במחקר AI. משחמט לדוטה 2, כל משחק ש- AI כבש עזר לנו לפרוץ דרך חדשה במדעי המחשב ותחומים אחרים.

משחקים עוזרים להתחקות אחר התקדמות AI

מאז הקמת רעיון הבינה המלאכותית בשנות החמישים, המשחקים היו דרך יעילה למדידת יכולת ה- AI. הם נוחים במיוחד בבדיקת הקיבולת של AI חדש טכניקות, מכיוון שאתה יכול לכמת את הביצועים של AI עם ציונים מספריים ותוצאות לנצח-הפסד ולהשוות אותה מול בני אדם או AI אחר.

המשחק הראשון שניסו החוקרים לשלוט באמצעות AI היה שחמט, שבימים הראשונים נחשב למבחן ההתקדמות האולטימטיבי בתחום. בשנת 1996, הכחול העמוק של יבמ היה המחשב הראשון שהביס אלופת העולם (גארי קספרוב) בשחמט. ה- AI שמאחורי כחול עמוק השתמש בשיטה של ​​כוח ברוט אשר ניתח מיליוני רצפים לפני שעשה מהלך.

בעוד שהשיטה אפשרה לכחול עמוק לשלוט בשחמט, היא לא הייתה כמעט מספיק יעילה להתמודד עם משחקי לוח מורכבים יותר. בסטנדרטים של ימינו זה נחשב לגס. כשכחול עמוק ניצח את קספרוב, מדען העיר כי ייקח מאה שנים נוספות עד שה- AI תוכל לכבוש את המשחק Go הסיני העתיק, שיש לו מהלכים אפשריים יותר ממספר האטומים ביקום.

אבל בשנת 2016 יצרו החוקרים בחברת AI שבבעלות Google DeepMind את AlphaGo, AI שמשחק Go, שניצח את לי סדול, אלופת העולם, 4 עד 1 בתחרות בת חמישה משחקים. AlphaGo החליפה את שיטת הכוח הזרוע של כחול עמוק בלמידה עמוקה, טכניקת AI העובדת בצורה הרבה יותר דומה לאופן בו המוח האנושי עובד. במקום לבחון כל שילוב אפשרי, AlphaGo בדקה את הדרך בה בני אדם שיחקו את גו, ואז ניסו להבין ולשכפל דפוסי משחק מצליחים.

החוקרים של DeepMind יצרו לימים את AlphaGo Zero, גרסה משופרת של AlphaGo שהשתמשה בלימוד חיזוק, שיטה שדרשה אפס קלט אנושי. AlphaGo אפס לימדו את הכללים הבסיסיים של גו ולמדו את המשחק על ידי משחק נגד עצמו אין ספור פעמים. ו- AlphaGo Zero ניצחה את קודמתה 100 לאפס.

למשחקי לוח יש מגבלות. ראשית, הם מבוססי תור, מה שאומר שה- AI אינו תחת המתח לקבל החלטות בסביבה שמשתנה ללא הרף. שנית, ל- AI יש גישה לכל המידע בסביבה (במקרה זה הלוח) ואינו צריך לעשות ניחושים או לקחת סיכונים על סמך גורמים לא ידועים.

בהתחשב בכך, AI שנקרא ליברטוס עשה את הפריצה הבאה במחקר הבינה המלאכותית בכך שהכה את מיטב השחקנים בפוקר של טקסס הולדם. ליברטוס, שפותח על ידי חוקרים בקרנגי מלון, הראה כי AI יכול להתחרות בבני אדם במצבים שיש להם גישה למידע חלקי. ליברטוס השתמש בכמה טכניקות AI בכדי ללמוד פוקר ולשפר את משחקו כאשר בחן את הטקטיקות של מתנגדיו האנושיים.

משחקי וידאו בזמן אמת הם הגבול הבא עבור AI, ו- OpenAI אינה הארגון היחיד העוסק בתחום. פייסבוק בדקה את הוראת ה- AI לשחק את משחק האסטרטגיה בזמן אמת StarCraft, ו- DeepMind פיתחה AI שיכול לשחק את משחק היורה בגוף ראשון Quake III. כל משחק מציג מערך אתגרים משלו, אך המכנה המשותף הוא שכולם מציגים ל- AI סביבות בהן הם צריכים לקבל החלטות בזמן אמת ועם מידע לא שלם. יתר על כן, הם נותנים ל- AI זירה בה היא יכולה לבדוק את כוחה מול צוות של יריבים וללמוד עבודת צוות בעצמה.

נכון לעכשיו אף אחד לא פיתח AI שיכול לנצח שחקנים מקצועיים. אבל עצם העובדה ש- AI מתחרה בבני אדם במשחקים כה מורכבים מראה עד כמה הגענו לשטח.

משחקים עוזרים בפיתוח AI בתחומים אחרים

בעוד שמדענים השתמשו במשחקים כערכי מבחן לפיתוח טכניקות AI חדשות, הישגיהם לא נשארו מוגבלים למשחקים. למעשה, מכשירי AI במשחקים סללו את הדרך לחידושים בתחומים אחרים.

בשנת 2011 הציגה יבמ מחשב מחשב שיכול היה לעבד ולייצר שפות טבעיות (NLG / NLP) ונקראה על שם המנכ"ל לשעבר תומאס ג'ווטסון. המחשב שיחק את משחק החידון המפורסם בטלוויזיה Jeopardy מול שני השחקנים הטובים בעולם וניצח. לימים הפך ווטסון לבסיס לקו אדיר של שירותי AI של יבמ בתחומים שונים כולל שירותי בריאות, אבטחת סייבר וחיזוי מזג אוויר.

DeepMind מנצלת את הניסיון שלה מפיתוח AlphaGo לשימוש ב- AI בתחומים אחרים שבהם למידת חיזוק יכולה לעזור. החברה השיקה פרויקט עם National Grid UK לשימוש ב- AlphaGo's חכמים כדי לשפר את היעילות של רשת הכוח הבריטית. גוגל, חברת האם של DeepMind, משתמשת גם בטכניקה כדי לחתוך את עלויות החשמל של מרכזי הנתונים העצומים שלה על ידי אוטומציה של בקרת הצריכה של החומרה השונה שלה. גוגל משתמשת גם בלמידת חיזוקים בכדי להכשיר רובוטים שיטפלו יום אחד בחפצים במפעלים.

• לבינה מלאכותית יש בעיית הטיה, וזה התקלה שלנו. לבינה מלאכותית יש בעיית הטיה, וזה התקלה שלנו
• בינה מלאכותית של יבמ עובדת על אלימות הדיונים האנושיים. בינה מלאכותית של יבמ עובדת על אליפויות הדיון האנושי
• מדוע AI חייב לגלות שזה AI מדוע AI חייב לחשוף שזה AI

ליברטוס , ה- AI שמשחק פוקר, עשוי לעזור בפיתוח מסוג האלגוריתמים שיכולים לעזור במצבים שונים כמו משא ומתן פוליטי ומכירות פומביות, שם ה- AI צריך לקחת סיכונים ולהקריב טווח קצר לטובת רווחים לטווח הארוך.

אני ראשית מצפה לראות כיצד תפתח OpenAI Five בתחרות Dota 2 באוגוסט. אמנם אני לא מתעניין במיוחד אם הרשתות העצביות ומפתחי החברה גוזלות הביתה את הפרס בסך 15 מיליון דולר, אך אני מעוניין לראות אילו חלונות חדשים יושגו.