Ένας απλός παίκτης, και όχι καν του υψηλότερου επιπέδου, νίκησε το ηγετικό σύστημα τεχνητή νοημοσύνη στο επιτραπέζιο παιχνίδι Go, το οποίο προκάλεσε έκπληξη, γιατί η νίκη που κέρδισε ο υπολογιστής το 2016 θεωρήθηκε σημαντικό ορόσημο στην ανάπτυξη της τεχνητής νοημοσύνης.
Ο Kellyn Pelrin, ένας Αμερικανός ερασιτέχνης παίκτης, εκμεταλλεύτηκε ένα ελάττωμα του συστήματος που είχε ανακαλυφθεί προηγουμένως από… άλλον υπολογιστή και κέρδισε 14 από τα 15 παιχνίδια. Αυτή η νίκη ανέδειξε την αδυναμία των καλύτερων προγραμμάτων υπολογιστή για το παιχνίδι Go που έχουν τα περισσότερα σύγχρονα συστήματα AI, συμπεριλαμβανομένου του διαβόητου chatbot ChatGPT, που δημιουργήθηκε από την OpenAI.
Η τακτική νίκης προσφέρθηκε, αρκετά ειρωνικά, από ένα άλλο πρόγραμμα υπολογιστή που εξερεύνησε συστήματα τεχνητής νοημοσύνης αναζητώντας αδύνατα σημεία. «Ήταν εκπληκτικά εύκολο για εμάς να χρησιμοποιήσουμε το σύστημα», δήλωσε ο Adam Gleave, διευθύνων σύμβουλος της εταιρείας ερευνών FAR AI με έδρα την Καλιφόρνια, η οποία ανέπτυξε το πρόγραμμα. Το πρόγραμμα έπρεπε να παίξει περισσότερα από ένα εκατομμύριο παιχνίδια ενάντια σε ένα από τα πιο δημοφιλή συστήματα Go, το KataGo, για να βρει το λεγόμενο «τυφλό σημείο», είπε. Σύμφωνα με τον Pelrin, η στρατηγική που ανακαλύφθηκε από το πρόγραμμα «δεν είναι εντελώς ασήμαντη, αλλά ούτε και εξαιρετικά δύσκολη», επομένως ένας μέσος άνθρωπος είναι αρκετά ικανός να την κατακτήσει.
Η νίκη έρχεται επτά χρόνια αφότου η τεχνητή νοημοσύνη φάνηκε να αποδεικνύει την αδιαμφισβήτητη υπεροχή της έναντι των ανθρώπων σε αυτό που συχνά θεωρείται το πιο δύσκολο επιτραπέζιο παιχνίδι στρατηγικής. Το σύστημα AlphaGo που αναπτύχθηκε από την εταιρεία Deepmind, ιδιοκτησίας της Google, νίκησε τον παγκόσμιο πρωταθλητή Lee Sedol με 2016-4 το 1. Το 2019, ο Νοτιοκορεάτης παίκτης σταμάτησε να συμμετέχει σε διαγωνισμούς ακριβώς λόγω της ανάπτυξης του AI - δήλωσε ότι ένα άτομο δεν θα μπορούσε πλέον να τον νικήσει. Λοιπόν, ο Lee Sedol βιάστηκε να βγάλει συμπεράσματα λίγο.
Στο παιχνίδι του go, δύο παίκτες εναλλάξ τοποθετούν ασπρόμαυρα κομμάτια σε ένα ταμπλό με πλέγμα 19x19, προσπαθώντας να περιβάλλουν τα κομμάτια του αντιπάλου και να καταλάβουν τη μεγαλύτερη περιοχή. Ο τεράστιος αριθμός συνδυασμών σημαίνει ότι ο υπολογιστής δεν είναι πραγματικά σε θέση να αξιολογήσει όλες τις πιθανές μελλοντικές κινήσεις. Μια τακτική που χρησιμοποιούσε ο Pelrin ήταν να στριμώχνει αργά μια μεγάλη "θηλιά" από πέτρες για να περιβάλλει μια από τις ομάδες του αντιπάλου, αποσπώντας την προσοχή Όλα συμπεριλαμβάνονται κινείται σε άλλες γωνίες του ταμπλό. Και το bot δεν παρατήρησε την ευπάθεια ακόμη και όταν η περικύκλωση είχε σχεδόν ολοκληρωθεί. «Αλλά θα ήταν πολύ εύκολο για ένα άτομο να το παρατηρήσει», πρόσθεσε ο παίκτης.
Επίσης ενδιαφέρον:
Η ανακάλυψη μιας αδυναμίας σε ορισμένες από τις υπερσύγχρονες μηχανές Go δείχνει ένα θεμελιώδες ελάττωμα στα συστήματα βαθιάς μάθησης που στηρίζουν την τελευταία λέξη της τεχνολογίας Όλα συμπεριλαμβάνονται. Όπως λέει ο Stuart Russell, καθηγητής επιστήμης υπολογιστών στο Πανεπιστήμιο της Καλιφόρνια στο Μπέρκλεϋ, τα συστήματα μπορούν να «καταλάβουν» μόνο συγκεκριμένες καταστάσεις που έχουν αντιμετωπίσει στο παρελθόν και δεν είναι σε θέση να γενικεύσουν τα πάντα με τον τρόπο που μπορεί ένα άτομο. «Αυτό δείχνει για άλλη μια φορά ότι ήμασταν πολύ βιαστικοί στο να αποδώσουμε υπεράνθρωπη νοημοσύνη στις μηχανές», είπε ο Russell.
Είναι πιθανό ότι οι τακτικές που χρησιμοποιεί η Pelrin χρησιμοποιούνται σπάνια, πράγμα που σημαίνει ότι τα συστήματα AI δεν έχουν εκπαιδευτεί σε αρκετά παρόμοια παιχνίδια για να «κατανοήσουν» τα τρωτά σημεία τους.
Επίσης ενδιαφέρον: