Почему самые умные компьютеры в мире начнут свое существование с игр.
В фильме Свежий (1994) есть замечательный поворотный момент, когда 12-летний Майкл, окруженный насилием, наркоторговцами и охранниками гетто, применяет уроки шахмат своего отца для устранения противостоящих ему сил. Игры — это больше, чем просто времяпрепровождение; они являются основой для мышления. Именно поэтому они являются отличными обучающими инструментами как для людей, так и для машин.
Впервые я начал играть в го, когда мне было немного за двадцать. Я открыл для себя эту игру благодаря своей одержимости японской культурой и принес старинную деревянную доску в офис небольшого цифрового стартапа, которым я руководил в то время, бросив вызов своим коллегам Майку Кэннону-Бруксу и Ники Счевак. Им не потребовалось много времени, чтобы превзойти мои собственные ограниченные навыки, и в этот момент они просто играли друг с другом. Тем не менее, я не упустил из виду иронию: здесь мы были на заре цифровой революции, играя в древнюю игру более чем 2500-летней давности.
Правила ГО обманчиво просты. В нее играют на сетке 19x19 с черными и белыми камнями. Цель состоит в том, чтобы окружить большую часть территории на доске к концу игры. Однако количество возможных ходов в игре огромно, больше, как говорят, чем количество атомов в известной Вселенной. Все эти перестановки создают огромное дерево поиска возможных ходов, из-за чего компьютерам сложно использовать грубую силу, подход ИИ, который Deep Blue использовал, чтобы обыграть Гэри Каспарова в шахматы в 1997 году. Вместо этого требуется что-то близкое к интуиции. .
Когда AlphaGo, программа, созданная DeepMind (подразделение Google), обыграла Fan Hui, европейского чемпиона по го, в пяти играх подряд, она использовала другой подход, чем Deep Blue. Создатели AlphaGo обучили свою нейронную сеть распознавать выигрышные комбинации из огромной библиотеки из 30 миллионов опытных ходов в го. Уже одно это сделало бы его компетентным игроком в го. Но чтобы создать игрока действительно мирового класса, они пошли еще дальше: они заставили систему учиться, играя против самой себя.
Для большинства людей, воспитанных на поп-культуре, идея роботов, создающих роботов, должна вызывать тревогу. Конечно, искренне верящие в Сингулярность боятся ИИ, разрабатывающего более умные ИИ, но если на самом деле не существует суперкомпьютера эпохи холодной войны, играющего в крестики-нолики против самого себя, нам, вероятно, нечего бояться в ближайшем будущем. Однако интересно представить, где в будущем могут оказаться эти обученные в играх нейронные сети.
Возможно, однажды, когда ваш беспилотный автомобиль будет путешествовать по лондонскому лабиринту, он станет вариантом нейронной сети AlphaGo, которая управляет сложностью миллионов автономных транспортных средств, движущихся вместе одновременно. Точно так же в следующий раз, когда вы посетите больницу, вы, возможно, обнаружите, что взаимодействуете с Ватсоном IBM, изначально обученным Опасности, а теперь диагностирующим вашу болезнь. Это может быть боевой ИИ из многопользовательской игры, встроенный в качестве системы предотвращения препятствий в сеть доставки дронов Amazon, или алгоритм сопоставления шаблонов знакомств, который обретает новую жизнь в качестве автоматизированного аватара обслуживания клиентов.
Загляните глубже в происхождение ИИ, которые будут управлять нашим будущим миром, и я уверен, вы найдете игры, на которых они впервые обучались.
Если вас интересуют другие мои идеи, вы можете следить за мной в Интернете. Я провожу 300 дней в году в путешествиях: изучаю рынки, беру интервью у умных людей, выступаю с докладами и ищу будущее в семенах настоящего. Напишите мне, если хотите, чтобы я выступил на вашем следующем мероприятии.
Подпишитесь на меня в Твиттере | Смотри мои выступления | Слушай мой подкаст
