843
Грати на рівні Бога: як навчився AI перемогти чоловіка
У 16 іграх машини перемогли чоловіка (на 17, якщо ми враховуємо поразку Лі Седола в Го), але в подальшому вони матимуть ще більш вражаючі досягнення: розв’язання найбільш приголомшливих математичних, фізіологічних і біологічних проблем, ураження хвороб і віку, усунення ДТП, тріумфування в воєнних конфліктах і багато іншого.
Світ змінив прямо перед очима, але не всі помітили його. Коли і як вони навчилися правильно грати? Чи означає втрата однієї людини завжди перемога всіх людства? Чи може штучний інтелект отримати свідомість?
Автор. Стаття присвячена лекції «Артійна аналітика». Історія та перспективи, що проводяться в Московському офісі пошти. Ru Group by Сергій Марков. Сергій Марков займається машинним навчанням у Сбербанкі. У банківському секторі розроблені прогнозні моделі управління бізнес-процесами на основі достатньо великих зразків підготовки, які можуть включати кілька сотень мільйонів випадків. Серед своїх хобі, Сергій опинився на шаховому програмування, AI для ігор, мінімаксів. Програма SmarThink, створена Сергієм Марковим, стала чемпіоном Росії (2004) та СНД (2005) серед шахових програм (2004), а сьогодні в ТОП 30 найсильніших програм світу. Сергій також є засновником некомерційного науково-педагогічного порталу 22 століття.
Як це все починається?
TechnoCore – це один із штучних інтелектів у гіперіональних піснях Dan Simmons. Один приклад візуалізації сильного штучного інтелекту в науковій фантастики.
Непристойна історія відбувалася з дуже концепцією AI. З’ясування спочатку в науковій галузі серед фахівців, які працюють в галузі комп’ютерної науки, вона дуже швидко потрапила в публічне середовище і підкреслюють різні зміни. Якщо ви попросите лектора сьогодні, що AI є, швидше за все, ви почуєте від нього не визначення, що фахівці штучного інтелекту думають.
Перед тим як почати історію, нам потрібно визначити, що саме ми маємо на увазі штучний інтелект, а де є межа, на якому починається поле компраційних совах і прилеглих територій.
АІ в цілому використовуються методи автоматизації завдань, які традиційно розглядаються інтелектуальними, і для вирішення яких людина використовує свій природний інтелект. Ми створюємо AI. Ще одне - це те, що таке AI зазвичай називається наносити або, з деякими контемптами, слабкими. Неприємний нюанс - це єдиний тип AI, доступний для людства сьогодні.
Що стосується міцного інтелекту, штучний загальний інтелект (AGI), тут є деякі розробки, але ми на самому початку подорожі. Сильний інтелект – система, яка здатна вирішувати будь-яку інтелектуальну проблему. У фантастиках утворилася образ точно так само, як і штучний інтелект.
16638316
З моменту визначення штучного інтелекту так широко в галузі комп'ютерної науки, з формальної точки зору ми знайдемо елементи існування AI з давньогрецьких. Ми говоримо про відомий механізм Антикітера, який є одним з невідповідних артефактів. Даний пристрій призначений для астрофізичних розрахунків. На фото зображено одне з вижилих фрагментів і сучасна реконструкція артефакту. Механізм містив 37 бронзових шестерень в дерев'яному корпусі, на якому розміщені пальці з стрілками. Відновлено положення редукторів всередині мінерально-охолоджених фрагментів шляхом комп’ютерної томографії з використанням рентгенівських променів.
Завданням підрахунку, як тільки було розглянуто інтелектуальну мову, чи можна було добре розраховувати на те, що він може викликати один інтелект.
Абонент Джон Напер, призначений для швидкого багатозастосування.
Завдання облікового запису були одним з перших, щоб бути автоматизованими. Навіть перед першими механічними пристроями з'явилися вироби типу неперових паличок. Шотландський математик, один з винахідників логарифмів, Джон Напер, створив пристрій підрахунку в 1617 році. На фоні сучасної технології, здається смішно: рулони паперу, по суті, перші логістичні столи для виконання деяких операцій. Але для контемпорій, це те ж саме диво, що й для нас, будь-який АльфаGo. В один раз були навіть поети, присвячені непірних паличок (шкільки Напіра) вірші. Чому ви виконуєте свої перстратні кістки, це кістки, які слід пишатися.
Pascal є arithmetic машиною, винайденим французьким вченим Blaise Pascal в 1642 році.
Паскаль, разом з німецькою математикою Вільгельм Шухар, яка запропонувала свою версію комп'ютера в 1623 році, укладав фундаменти для більшості обчислювальних пристроїв. У цей день існує кілька машин, створених під час життя Паска. Ця машина може додати, розділяти, відключати і розмножувати.
Повна робоча копія машини, придуманого англійською математикою Карлом Капбажом у 1822 році. Так звана відмінна машина призначена для автоматизації обчислень приблизними функціями поліноміями та обчисленням кінцевих відмінностей.
Про Карл Буббаг почув практично всі комп'ютерні фахівці. На жаль, не вдалося створити робочий комп'ютер. Довгий час дебати не пригнічує, чи працює на нього машина різниці. У період з 1989 по 1991 рр. на 200-річчя від дня народження Карла Баббажа, згідно з виживаннями кресленнями та з незначними модифікаціями, зібрано робочу копію аналітичної машини. Модифікації були обов’язковими за рахунок "бугів" знайдено у кресленнях. У своїй боротьбі з неліцензійними піратськими копіями може бути неприпустимий.
Аналітична машина – прототип сучасних машин фон Нейман. Коли інженери IBM збудували першу електронну машину, вони використовували креслення Babbage. Ми використовуємо для того, щоб говорити про архітектуру фону Нейман, тобто машині з просторовим обчислювальним пристроєм, з входом-виходом, з пам'яттю тощо. Тим не менш, на основі ідей Babbage.
Крім того, в машинному коді Бабразивної машини використовуються кондиціонери і оператор циклу. Ця машина дійсно може вважатися великим
РЖаккардова машина - це механізм щелепіння ткацтва для виробництва великих тканин. Створено 1804 р. Дозволяє окремо керувати кожну нитку основи або невеликою групою з них.
Пристрої I/O з'явилися ще до Babbage - вони використовуються в тканні Жакардові ломи, щоб встановити порядок ниток при виготовленні тканини.
Новий час
Табулатор - електромеханічний апарат, призначений для автоматичного обробки чисельної та листової інформації, записаної на пробивних картках.
Перший статистичний таблатор був побудований американський германом Холлерітом у 1890 році для вирішення проблем, пов’язаних з статистичними підрахунками. Відомий винахідник та творець фаршированої картки успішно взяли участь у конкурсі, організованому урядом США для пошуку інструментів автоматизації обробки результатів перепису населення. Для ручного підрахунку і аналізу потрібно буде близько 100 осіб, які працюють протягом 4-5 років, тільки для підведення підсумків і розрахунку загальної соціологічних показників перепису.
Картка холлеріта.
Таблатор є дуже примітивним тумбою. Кожна карта відповідає анкеті, отвори в ній відповідають відповіді. Картки були завантажені в таблатор, він швидко розірвав їх через себе і дав результат у вигляді однакової картки з розрахунковою кількістю. Ці суми були вкладено в інший вкладиш, і т.д.
Після перемоги на конкурсі компанія Hollerith заснувала свою компанію, ТОВ "Тагуляційні машини", а після серії злиття та поглинання стала IBM.
Ігри, які машини грають
Як і будь-яка експериментальна наука, відділ АІ-фокусованої комп’ютерної науки потребує власних фруктових пластівців, об’єкт моделі якого для тестування техніки АІ. Гра є найвідомішими фруктами в області AI.
Гра є чистою моделлю простору. Визначає умови, стани, однозначно визначені і описані в якості набору параметрів. Створюючи AI для гри, ми анотація від маси інженерних задач, які лежать між AI і практичним вирішенням проблеми. Ми анотації з кодування даних при вході та виході, від перетворення сигналу, проблеми сприйняття тощо. Для нас в грі є інтелектуальний виклик. Ми можемо самі зателефонувати одержувачу і узгодити зручний для вас час.
Шашлик Турка.
Гра є видовищем. Якщо ви покажете машину, яка може добре грати, вона буде вражати навіть негарантову людину. Гра машини привертає увагу на сотні років. На малюнку вище ви бачите ілюстрацію знаменитої віспи - перша шахильна машина, розроблена винахідником Wolfgang фоном Kempelen 1769. Всередині машини було фактично реальний шахист. Провідні шахові гравці свого часу не відмовилися потрапити в цю коробку. Йохан Баптисте Алегайєр, найсильніший шаховий програвач Австрії наприкінці XVIII – на початку XIX ст, відігравав низку ігор для шахи машини.
Цей комплексний механічний пристрій не є штучним інтелектом, але цікавим є те, що він зумів фольго контемпорарі. Люди дійсно вірили, що деякі досвідчені майстри можуть використовувати шестерні, важелі, механізми та баланси для створення системи, здатної грати в шахи. Є навіть запис гри, граного механічною Турк проти Наполеона (хоча деякі історики випитають його верасіті). Так, можливо, навіть найвищі риси були заховані.
545.85 р.
І це перший пристрій, який насправді знає, як грати в шахи. El Ajedrecista (перекладений російською мовою - "через гравця"). Він був створений в 1912 році відомим іспанським математиком і інженером Леонардо Торрес Quevedo.
Ел Айдрешта був шаховим щитом, на якому машина перемістила король і роок за допомогою електромагнітів. Машина була гарантована для перевірки царя і рока царя з одного положення: цар став на білках на H8, роок на G7, а чорний король міг стояти на будь-якому полі. У Політехнічному музеї Мадрида присутні два вижили копії машини.
Це ще один відомий штучний інтелект минулого - механізм "Nimatron", створений в 1940 році для його відтворення. Neem - це математична гра, в якій два гравці приймають об'єкти, що викладають на кілька запікань (зазвичай три). В одному русі можна взяти будь-яку кількість предметів (більше нуля) з однієї палі. Гравець, який займає останню позицію.
Це одна з перших ігор, для яких була побудована повна математична теорія. З точки зору методів Німатрон нічого нового, спираючись на вже відома оптимальна стратегія для цієї гри, але був одним з перших рішень для теорії ігор в прасці.
Проект «Німатрон» під керівництвом Едуарда Улера Кондона, одного з батьків сучасної квантової механіки. Він вважає, що найбільша відмова від життя, не технічно, але фінансово. Під час роботи над Ниматроном, Кондоном та його командою винайшли різноманітні технології (в тому числі, наприклад, метод виготовлення друкованих плат), які згодом затребувані в комп'ютерній технології. Але команда фахівців нічого не запатентувала, в результаті вони нічого не заробляють.
Оптимальна стратегія
Ернст Фрідріх Фердинанд Цермєло був німецьким математиком, який зробив значний внесок у встановлення теорії та створення аксіоматичних основ математики.
Розмова про штучний інтелект для ігор не завершена без згадувань Ернст-Зермєло та його теорем. Російські вболівальники цієї теми були щасливими. Земєло було написано німецькою мовою. А якщо мова була перекладена тільки в 1999 році, то в російську - в кінці 1960-х - на початку 1970-х років. У зв'язку з тим, що російська мовна література написана більш-менш правильно про те, що цермело зробив, а англомовна література все ще плутається. Наприклад, в одному з робіт він сказав, що Zermelo зарекомендував, що якщо білий в шахи зробить ідеальний рух, обов'язково досягне принаймні на малюнку. У зв'язку з тим, що ніхто не забезпечив такі докази на дату, але цермоло зробив ще одне важливе відкриття.
Він не грає шахів дуже добре, і він не знає правила гри дуже добре. У 1913 році довів першу формальну теорему ігрової теорії. Згідно з книгою «Особливості та теорії ігор», опублікованою в СРСР у 1955 році, правильним описом внеску Zermelo таким чином: «Кермело зарекомендував детермінізм ігор, таких як шахи, які раціональні гравці можуть використовувати повну інформацію, розвивати оптимальну стратегію гри. й
Майже кожен знає правила шахів, але є кілька інших дуже важливих і не зовсім очевидних правил. Наприклад, 50 пересуває правила, які, якщо ні лапки не переїхала вперед в 50 переїздів і немає фігури, присуджується розіграш. Якщо позиція повторюється в три рази, також присуджується розіграш. Немає нескінченної гри в шахи з точки зору кількості переходів - в якийсь момент гра буде якось зупинитися. Ернст Зермєло не знаю цього, і думав, що в шахи нескінченні ігри можливо: ви пішли зі шматочком, повернулися, і так грають до Всесвіту крихти в пил.
Як виграти в Tic-Toe
Отже, розглянемо, як обчислюється оптимальна стратегія ігор. Трохи відволікаючи від шахів, давайте простежувати приклад – tic-tac-toe, один з найстаріших ігор у світі, що з'явився в Стародавньому Єгипті. Для цієї гри Zermelo використовується зворотна індукція Метод, за допомогою якого здійснюється пошук у зворотному напрямку: починаючи від позицій, де одна з сторін вже отримала пат або mate, і закінчуючи конкретною позицією, що стоїть на дошці.
Цермело не дала детального опису зворотного індукції, але використовується його принцип, за яким є позиція, яка перемагає одну з сторін. Ми можемо призначити рахунок для таких позицій: -1 - виграли нулі, 1 - виграли хрести, 0 - малюємо.
Тепер ми можемо підняти дерево з цих позицій і подивитися, якщо є переміщення від деяких позицій, що веде до виграшної позиції. Якщо є переміщення, то позиція вважається виграшем.
З іншого боку, якщо є не єдиний рух, що веде до виграшної позиції, але є хоча б один рух, що ведеться до положення малювати, то ця позиція вважається розіграшем. І якщо не існує єдиного руху, що ведеться як на малюнку, так і виграшному положенні, то позиція вважається втраченою.
Використовуючи це правило, ми в дерево, починаючи з листя, перемістити і призначити оцінки вузлів до тих пір, поки ми оцінюємо атрибути на всі позиції. Отримав всі бали на всі позиції, ми бачимо ідеальний алгоритм гри. Після того, як в певній позиції гри, ми завжди побачимо рух (якщо це), що ведеться до виграшної позиції. Якщо немає виграшного руху, то ми зробимо розіграш, і тільки в найгіршому випадку ми перейдемо в позицію програшу. Теоретично, така система, здатна зберігати заголовок в пам'яті за кожну позицію, буде грати на рівні бога.
Цермєло розумів це, але він вважав, що дерево не було нескінченних гілок без позицій терміналу. Цікавить: чи можна розрахувати оптимальну стратегію гри, яка має нескінченне дерево з точки зору розміру позицій в ній, тобто гарантовано зробити ідеальний рух в кожній позиції? І він зарекомендував, що навіть якщо сам дерево може бути нескінченним, ми можемо знайти оптимальну стратегію в скінченному кількості ітерацій. І це скінченна кількість ітерацій не точно перевищує кількість різних позицій у грі.
695180р.
ЕЦП (Autoic Delay Storage Automatic Calculator) - перший в світі операційний та практично використовується комп'ютер із збереженою програмою, створеною в 1949 році в Університеті Кембриджа (Великобританія). У 1952 році реалізація гри tic-tac-toe для комп'ютера EDSAC стала однією з перших відео ігор. Комп'ютер навчився грати в ідеальні ігри проти людини, використовуючи найкращу стратегію, відома її.
Зворотна індукція: Історія методу
Економіст Оскар Моргенстерн, один з авторів теорії ігор, математика Джон фон Нейманн, який зробив важливі внески до квантової фізики, функціонального аналізу, теорії набору та інших галузей науки.
Робота з інтерпретацією інверсійної індукції в галузі теорії множини. Ще одне поле знань, без яких неможливо уявити розвиток теорії ігор, лежить в галузі економіки. У 1944 році Джон фон Нейман і Оскар Моргенстерн публікували монографію теорії ігор та економічноговедуча, в якому автори підвели підсумки теорії гри та запропонували новий метод оцінювання корисності товарів. У цій роботі було надано формальне визначення методу зворотного індукції.
р.У 1965 році Математика Річарда Бєлмана запропонувала за допомогою методу ретроспективного аналізу для створення бази даних рішень шахів і фіксаторів кінцевих ігор (кінцева частина гри). Він дав алгоритмічний опис застосування методу зворотного індукування для побудови оптимальної стратегії в іграх.
У 1970 році математика Томаса Строклеїна захистила докторську дисертацію на шахи. Справа в тому, що в шахи є спеціальні випадки, коли на борту є кілька штук. У таких випадках для невеликої кількості фігур ми можемо вирішити проблему шляхом зворотного індукції.
Ми навчимося розуміти, як штучний інтелект збиває людей на шахи. Комп'ютер не потрібно розрахувати кінцеву гру кожен раз - просто подивіться на вже розрахунковий результат в базі даних і зробить ідеальний рух. База даних Endgame, які включають в себе всі можливі розташування фігур, пошук в протилежному напрямку, починаючи з позицій, де одна сторона вже отримала пат або mate, і закінчуючи конкретною позицією на борту.
р.У 1977 році Кен Томпсон, відомий своїми внесками до C мови та UNIX OS, представила одну з перших в світі настільних ігор для всіх п'ятикутних закінчень.
У 1998 році наш співвітчизник Євген Налімов створив надзвичайно ефективний генератор шахів, завдяки яким, враховуючи зростання комп’ютерної продуктивності, всі шість-фігурні закінчення були підраховані на початку 2000-х років.
Український переклад І. Огієнка У 2012 році на чотири верст три та п’ять верст. На суперкомп’ютерах Московського державного університету ім. Ломоносова та IBM BlueGene/P.
Невибагливі відкриття в шахи
Участь комп’ютерів у шахових іграх розкриває людей, які ніхто не підозрював на сотні років. Як вже згадувалося, в шахи є правило 50 рухів. Відомо, що є дуже рідкісні винятки, де гравці потрібні більш ніж 50 рухів для хитрих маневрів. Тим не менш, коли Кен Томпсон почав публікувати результати аналізу, виявилося, що ці винятки дуже багато.
Експерти FIDE (Федерація Internationale des Echecs – Міжнародна Федерація шахів) запропонували замінити правило 50 рухів з правилом 75 рухів, які було зроблено.
Скоро стало зрозуміло, що в деяких випадках навіть 75 рухів було недостатньо, щоб завершити гру, але пошук нових рішень не зупинився. На сьогоднішній день рекордне завдання мату в 549 переміщеннях.
В результаті на цьому випадку FIDE спати і вирішив повернутися до правила 50 рухів. Після всього, ми будемо грати разом з комп'ютерами? Немає особи зі стандартним розміром мозку може знайти послідовність сотень тихих рухів, що призводять до перемоги.
Ken Thompson дав кілька демонстраційних виступів - "Книжка і король проти королева і король". Комп'ютер відігравав як гравець, який володів рулеткою. Ця гра є теоретично втратити - майстер-рівневий шахист, володіючи королевою, зазвичай легко перемагає від будь-якого супротивника. Комп'ютер було поставлено завдання з затримкою теоретично неминучої втрати. На одному з виступів проти комп'ютера відіграли Ганс Берлін, чемпіон світу з гри листування, з другом - сильний велич з кращих 30 світових гравців. І дві онуки не змогли загорнути царя. На дошці з'явилася одна з найяскравіших маневрів, але чорної чудотворності вдалося вийти. Він був одним з перших красивих демонстрацій, які люди можуть переоцінювати себе в розумінні речей.
Фрагмент списків шахової програми IITEF для комп’ютера M-20.
У 1967 році відбувся перший матч двох шахових програм. Проведено програму Інституту теоретичної та експериментальної фізики та програми Станфордського університету. Збережений вихідний код програми ITEF, ви можете завантажити його тут.
На основі вихідних текстів програми ITEF розпочалася створення нової шахової програми, що називається Kaissa. У 1974 році Kaissa став першим чемпіоном світового шахи серед комп’ютерних програм. Багато алгоритмів, які придумують авторів Kaissa, все ще використовуються в шахахах. Kaissa використовує алгоритм ріжучого відключення, і вперше, трохи-бітне представлення дошки. Також вдалося здійснити аналіз під час повороту супротивника, використовуючи нульові емоції і комплексні алгоритми для контролю часу.
Синевирне рішення
Якщо вам запам'ятати ці таблиці, ви можете відмінно грати в tic-tac-toe з будь-яким супротивником.
Всі рішення з обмеженими розмірами моделі діляться на три типи. Перший вид. надшвидкістьКоли для гри ми можемо сказати, що результат буде, але не буде алгоритму, який дозволяє грати ідеально в будь-якій ситуації. Це, як правило, трюк, як повторення стратегії. Ми знаємо, що для деяких ігор другий гравець може копіювати переміщення першого гравця, а потім він досягне розіграшу.
Другий вид. платністьй У цьому випадку ми починаємо з початкового положення, робимо будь-які переміщення, і машина робить переміщення, які він вважає ідеальним. Ми завжди будемо йти ідеально, але якщо ми робимо рух для автомобіля, ми будемо потрапити в позицію, де немає чіткої оцінки, і незрозуміло, як грати далі. Ідеальний рух - це лише якщо з початку гри були зроблені ідеальний рух.
І третій вид. рішенняй Для кожної позиції ми знаємо її точну оцінку. Наприклад, для tic-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac-tac
29 квітня 2007 р. команда дослідників з Університету Альберти (Канада) під керівництвом Д. Шефера (відомий як провідний розробник програми перевірок "Chinook") вдалося досягти "допомога" розчину для англійських перевірок, згідно з правилами яких реєстратори не страйкують назад, а жінки не можуть ходити на будь-яку відстань.
Англійські чекери є найбільшими з ігор, які вирішили дати. Розмір місця пошуку - 5×1020. Для того, щоб знайти рішення, мережа персональних комп'ютерів (50 до 200 у різні часи) провела розрахунку 1,014 за курсом 18 років.
На початку 2016 року рішенням було знайдено 16 ігор. Остання гра, яку грали, була пентаго. На відміну від шахів і Go, пошуковий простір гри невелика, що дозволяє грати в сучасний комп'ютер ідеально: з урахуванням всіх можливих симптомів, кількості можливих позицій в пентаго становить 3,009,081,623,421,558. Протягом години суперкомп'ютер компанії Cray family Edison, розташований в Національному енергетичному науково-дослідному та комп'ютерному центрі (NERSC), знайшов «сильний» рішення для гри. У програмі використано 98,304 нитки для складання.
Також можна знайти рішення для такої незвичайної гри як Magaraja, де чорний має набір звичайних шахових фігур, а білий - єдиний малюнок Magaraj. Королева, яка може ходити як коня. Чорний народ гарантована перемога.
Драма: Від втрати автомобілів втратити чоловіка
Американський математик і шахи-програвач Marion Franklin Tinsley був найсильнішим гравцем у світі за 30 років. Tinsley ніколи не втратив матч світового чемпіонату і втратив лише сім ігор у своїй кар'єрі 45 років.
У 1992 році був матч між Маріоном Цінлі та програмою Chinook. Перший матч Tinsley виграв програму з рахунком 4-2 з 33 розіграшами. При аналізі матчу виявилося, що в одному з ігор Tinsley вибрав єдиний правильне положення, що веде до перемоги, 64 рухається до кінця матчу.
На рематчах Tinsley вдалося грати шість ігор - всі розіграші. Після цього він відчував себе дуже хворим і був діагностований раку підшлункової залози і скоро загинув. У 1995 році програма «Чинок» перемогла на престолі Дон Лаферти, спадкоємці Цзлі. З 32 гри грали, єдина успішна гра закінчилася на користь комп'ютера. Після цього, перш за все, перш за все, на машині.
Один з найбільших шахових ігор всього часу.
У 1997 році відбувся більш публічний матч, що навіть люди далеко від перевірок і шахів. Гаррі Каспаров втратив надкомп'ютером Deep Blue в матчі шести ігор. Для порівняння Deep Blue вдалося переглянути 200 млн позицій за секунду, в той час як сучасні комп'ютери виглядали на 1-3 млн позицій за секунду. За останні 20 років комп'ютери не змогли зловити цей унікальний інженерний проект.
Машина від IBM була не тільки суперкомп'ютером, але і спеціалізованим шаховим проектом, в якому встановлені індивідуальні кристали з генераторами інсульту, які дозволили одному циклу процесора генерувати всі можливі переміщення в положенні. Але тепер нам не потрібно такої влади – мобільний телефон збиває провідні величі.
Величезний глибокий синій вражається однією з його зовнішнього вигляду, але його розмір призвело до появи стійких міфів: вони кажуть, що машини перемагають людей тільки через їх потужність і швидкість - вони дробляться з брутовою силою. Якщо ви хочете переглянути лише два або п'ять позицій за секунду, комп'ютер може переглядати сотні мільйонів.
р.Не вірно. На малюнку вище наведено приклад проблеми з підручника - mate в шістьма переходами. Глибоко Блакитно доведеться витратити близько 356 років намагаючись знайти розчин. У середню шахову позицію 35 рухів можна переглянути два переїзди - 35 на квадраті, три кубикові і т.д.
Будь потужна сучасна програма знаходить рішення на настільному комп'ютері протягом декількох секунд. Крім того, з сучасним автомобілем ви можете запустити програму чемпіонів 2008 року проти програми чемпіона 2015 року. З 27 ігор, виграєте найсвіжіші програми та 26 найсильнішими. Це триває в сім років. Це не пов’язано з збільшенням потужності заліза, але через розвиток алгоритмів. За цей процес не існує тисяч програмістів і десятків грандіозних майстрів. Зараз на шашах працюють однопрограмні програми або дуже маленькі групи. Наприклад, один з найпотужніших шахових програм у світі, Stockfish був створений трьома програмами. Більше десятків програмістів працювали над найбільшими проектами з точки зору кількості програмістів, залучених - Deep Blue і Kaissa.
Всі сучасні шахові програми, як і раніше, мозковзання машинного навчання. У шаховій програмі є функція оцінки, яка розглядає позицію без будь-яких зусиль. Це, грубо кажучи, логістична функція, яка має 3-5 тисяч параметрів, для вибору яких використовуються великі масиви шахових позицій, зазвичай вибираються з ігор самої програми. Програма грає кілька тисяч ігор, вилучення позицій, програма грає знову і т.д. Цикл ніколи не закінчується.
Прикольна річ в тому, що коли ми говоримо про брутовну силу, ми повинні попросити: чи дійсно на боці машин? В середньому мозку людини налічує близько 86 мільярдів нейронів і 150 трліонних сипсів. Кожен сипс містить близько 1000 молекулярних перемикачів. Отже, якщо ми підраховуємо мозок в тригери, ми отримуємо 150 квадроциклів (1,5×1017) транзисторні тригери. Звичайно, це два "машини" з абсолютно різними архітектурами, але ми можемо порівняти їх дуже грубо на деяких задачах.
Один з найбільш потужних процесорів до дати (Sparc-M7) має 10 мільярдів транзисторів. Найбільший користувацький програмний масив воріт (FPGA) містить до 20 мільярдів транзисторів. Це всього 2 × 109 разів, і в мозку 1,5 × 1017 разів. Звичайно, комп'ютери мають одну велику перевагу: швидкість. Sparc працює на 4,3 ГГц. Людина має наступні потенціали дії нервових клітин: амплітуда - близько 0,1 В, тривалість - близько 1 мс, "робоча" частота - 10-100 Гц (до 1000 Гц).
Справді сказати, що мозок все ще є брутним розчином, оскільки це гігантська нейромережа, яку ми ще не можемо імітувати в режимі реального часу. Ми виконуємо ігрові шахи не на всіх, як просте арифметичне. Якщо ви приймаєте більш складне завдання, такі як розпізнавання шаблонів, буде зрозуміло, що машина не здатна виконувати необхідні розрахунки, як швидко, як мозок людини.
Неуралні мережі
В AI спочатку були дві великі школи – «чистий» і «брудний». «Чисті» – це математикі, які наполягають на правильній методі вирішення проблем, які повинні бути використані, які мають формальне обґрунтування, або принаймні статистичне обґрунтування.
«Дірті» думав, що не важливо, як вирішити проблему. Якщо розчин працює в межах предметної області, то це добре. Вони змочували термін злому для AI - ми розбиваємо проблему, щоб вирішити її.
Якщо ми подивимося на методи штучного інтелекту, які використовуються в іграх, ми розглянемо певний синтетичний підхід. Формально необґрунтовані трюки, але добре працюють на практиці, співіснуючі з формально перевіреними методами.
АІ, як і більшість інших наук, почалися з біонічного підходу. Якщо є робоче рішення в природі, скопіюйте його перед тим, як ми приїжджаємо з чимось кращим. Leonardo da Vinci був першим, щоб приїхати з авіакомпанією, вивчення принципу польоту птахів. Це досить натуральний, який зіткнувся з завданням створення систем, які вирішують інтелектуальні проблеми, я хотів би виглядати на природі, як це працює. Ми знаємо, що наш мозок працює.
Перші творці моделей математичних процесів, що відбуваються в мозку людини, були Warren McCullock, Walter Pitts, Donald Hebb у 1940-х роках. Вони прийшли з першою моделлю штучного нейрона, простою логістикою.
Штучна нейронна схема:
нейрони, вихідні сигнали яких надходять до введення цього; літо вхідних сигналів; комп'ютер функції передачі; нейрони, вводи якого вихідного сигналу; Wi - вага вхідних сигналів.
У багатьох способах зв'язок між цими людьми закладено деякі основні речі в галузі науки. Наприклад, ми не називаємо кібернетичні системи нейромереж, хоча Маккулацький та Піттс почав працювати під керівництвом Norbert Winner, засновника кібернетики. Вже не схожий на дружину Переможця. Вважають, що вона сильно впливає на дискорд між науковцями. Вартість Піттса своєї кар'єри, і цілком можливо його життя - він пізніше відвертий. Але вони не робили ідеологічний аргумент з кварелі. Їхні шляхи, що випливають на особистість, не наукові причини.
Що ми знаємо про нейрони? Перша поверхнева основа з'єднання – нейрони, пов'язані з осями і дендритами, зовнішніми і вхідними процесами. Точка контакту між аксоном і дендритом є симпатичним. Як і багато речей в природі, є сигмоїд як доповнення. Вивіски з нейронної пропагації по зовнішніх процесах вводять в наступну нейронну, підведено підсумок і певну кількість передається далі в процес, перетворюючи сніпки через певні функції порогу.
MARK 1 - перший в світі комп'ютер мозку, створений в 1958 році. Frank Rosenblatt.
Перша штучна нейронна мережа Frank Rosenblatt. Вчений вирішив, що немає часу чекати електронних машин, щоб стати досить швидко імітувати операцію нейромережі за допомогою архітектури фоннеуман. Починався робити нейромережі з "пригару і стрічки" - масиву електронних нейронів і пучка проводів. Це були маленькі нейронні мережі (до декількох десятків нейронів), але вони вже використовували в деяких практичних задачах. Розенблатт навіть здатний продати кілька банків пристроїв, що використовуються в аналізі деяких масивів.
З 1966 року він зробив надзвичайні речі. Наприклад, він навчав щурів, щоб пройти через мажор, навчивши їх, а потім загинув їх. Потім видобувають свої мозки, розтирають їх в руїл, і покрили їх до наступного покоління щурів. Так він перевірив, чи покращить продуктивність наступного покоління щурів при проходженні дива.
Виявилося, що їсти мозок не допомагає щурам, хоча вони люблять таку їжу. Це був одним з найсильніших аргументів на користь того, що інформація зберігається в з'єднанні головного мозку, а не в окремих клітинах і компонентах. Зовсім достатньо, у тих, хто вважає, що знання можуть існувати всередині клітин.
Половина століття після винаходів Rosenblatt, у нас є нейроморфний процесор TrueNorth, створений IBM для DARPA. ДСП містить понад 5 мільярдів транзисторів і імітує роботу до 1 млн. модель «неврони» і до 250 млн. з'єднань між ними ( «synapses»). IBM каже, що від процесорів такого роду збере справжній емулятор мозку людини.
IBM створив інститут для розробки цієї технології та розробило спеціальну мову програмування для нейромереж. Нейромережа дуже незручна для емуляції на архітектуру фон Нейманн. У нейромережі кожен нейрон є одночасно обчислювальним пристроєм і осередком пам'яті.
Якщо ми починаємо обертати матрицю нейронів всередині машини фон Нейман, ми зіткнулися з недоліком обчислювальних ядер порівняно з кількістю клітин пам'яті. Цикл розрахунків всіх сипсів виходить довга. Хоча завдання дуже добре паралізується в одному циклі, вам все ще потрібно значення введення, які ви отримали в попередній крок обчислення в наступному кроці. Максимальна ефективність паралельності може бути досягнута, коли у вас є багато обчислювальних ядер, як сипси.
нейроморфний процесор – це спроба зробити спеціальне обладнання для швидкого розрахунку нейромереж. І так як нейромережі зараз досить активно використовуються в розпізнавання шаблонів, аналізі даних і багатьох інших місцях, появі такої елементарної бази дозволить негайно збільшити ефективність декількома замовленнями величини.
р.Повернемося до 1970-х. Після успіху Rosenblatt, фахівець з розвитку штучного інтелекту був Марвін Мінськ. Разом з колегою Папір, він написав книгу Перцепронів, які показали фундаментальні обмеження перцептронів. Незважаючи на те, що ця робота сприяла виникненню «зимового» AI (1970-х і 1980-х рр.), коли було багато сумнівів про можливості створення повноцінного штучного інтелекту на основі нейромереж.
На початку 1990-х рр., коли стало зрозуміло, що порівняно маленькі нейромережі, доступні в той час, вже змогли вирішити деякі проблеми, а також класичні методи нелінійного з’їзду.
Леон А. Гатис та ін./ arXiv.org
У 2016 році почалися новини про здобутки нейромереж. Команда науковців з Німеччини розробила штучну нейромережу, яка дозволяє «синтексувати» зображення з двох незалежних джерел: один з них дає тільки контент, інший – єдиний стиль. Нейромережа навчалася реалістично кольоровим чорним і білим зображенням. Нейромережа навчалася поставити геотег на фотографії продуктів і котів. Нейромережа почала розрахувати смішні фотографії. І так далі.
Новий прорив: AlphaGo
Гра Go завжди була жорстким горіхом для AI. Скептиц сперечався, що програми в Go ніколи не виграють, або не виграють. Go – 10,100 разів більше, ніж шахи, які ще багато разів більше можливого розташування каменів на стандартній дошці 19х19, ніж у шахи.
Прорив був проведений в програмі AlphaGo завдяки алгоритму пошуку Монте-Карло, керованому двома нейромережами, що навчаються на основі великого масиву професійних ігор Go. Афіша Першим перемогти чемпіона Європи, потім перемогти Лі Седол, одного з найсильніших (перемагає найсильніших) гравців у світі.
Проте, реальна революція, яка призвела до перемоги програми над чоловіком у Го, сталася значно раніше, коли захоплюючі нейромережі почали застосовуватися.
У Го дуже складно придумати структуру функції оцінки, яка, без сили брюту, зможе оцінити достатню якість, наскільки гарна позиція. Вам необхідно якось оцінити візерунки, утворені чіпсами на борту. Не вдалося знайти досить гарне рішення, доки не з'явились забруднені нейромережі, які роблять хорошу роботу цього завдання.
Зображення: Атлантика.
У АльфаGo використовується один з нейромереж (значення мережі) для оцінки позицій в кінцевих вузлах пошукового дерева, іншої (полісійної мережі) для розумного підбору кандидатів рухається. Також використовується невелике дерево для брюту Монте Карло. У кожній вершині розглядаються 1-2 переміщення, середній коефіцієнт розгалуження менше двох. Завдяки цьому стало можливим розрахувати значуще дерево з дуже обмеженою кількістю варіантів, і тим самим знайти дійсно сильний рух в положенні.
Спочатку Альфа Пройдіть навчання на іграх найсильніших гравців у Гоні. 160,000 ігор з 29.4 млн позицій були використані як вводи для навчання. З моменту початку гри, як і звичайні люди, справа для навчання нейромережі або для побудови параметрів функції оцінювання почали створюватися автоматично. Програма почала грати з себе, додаючи нові ігри до зразка підготовки.
Поганий, хороший і дуже хороший сценарії
Зображення TechRadar.
Різні страхи, пов'язані з штучним інтелектом, викликані кількома проблемами. Люди бояться себе, бояться помилитися при створенні штучного інтелекту — якщо це не заважало, що ми хочемо. Уявіть таку гіпотетичну ситуацію: машина довго пояснює, що є гриби їстівні і неїстівні, а отруйні гриби смертельні для людини. Далі машина запитує питання: чи може людина їсти будь-які гриби? "Одно будь-який," машини відповідей. Але лише один раз в житті.
Якщо люди, які роблять алгоритми AI, зробили помилки або пропущені помилкові дані у зразках підготовки, поведінка такого AI може бути досить несподіваною. І довіра такої системи небезпечна. Хтось буде нездатним, і в той же час, хтось буде приступним, і ми будемо мати сценарій термінатора.
Побоюючись на сім'ях? Проте ця історія не безпосередньо пов’язана з AI – ми говоримо тільки про те, що люди не довіряють себе. Ми не тільки боїмося, що розвинений розум буде злий. Він може бути гарним, він може захотіти привезти хороші речі для людей, але він буде бачити його самостійно.
Людина з розширеним AI має два хороші сценарії та один глобальний поганий. У світі погані новини є те, що наша технологічна потужність зростає занадто швидко. У XIX столітті з великим бажанням влаштувати апокаліпсе, людство не матиме достатньо міцності, щоб пригнічувати все життя на планеті навіть при загальній невинності.
У середині ХІХ ст. розірвалися лідери провідних країн та кілька військових командних команд у ключових постах, втілювали сценарій самозахисту. Для цього достатньо взяти кілька десятків термонуклейних бомб 200-тон і попадати їх уздовж еквататора - глобус розбити навпіл.
Зображення авторського права Помилка Inc.
У XXI ст. техногенна влада така, що для реалізації апкаліптичних сценаріїв не вимагають великої кількості захисників. Застосування біохімічної лабораторії створює вірус вбивця. Ми не знаємо, як швидко захистити себе від вірусів. Можливо, це не так складно зробити інфекції, яка буде як дуже віруленим, маючи відповідні фрагменти від вірусу грипу, і в той же час 100% летальний, отримувати частину, наприклад, від Ebola. Кілька десятків освічених дівчинок буде достатньо для реалізації такого проекту.
Історія трохи оголена, але цей сценарій стає все більш ймовірним, що ми освоюємо технологію. В той час як наші технології все більш потужні, біологічно і соціально, ми далеко не від Верхнього палеоліту, наші мозки залишилися грубо.
Сприяє поширенню фактів глобальних загроз, ви швидко приїжджаєте до висновку, що перед появою універсального штучного інтелекту людство здатне зробити глобальний самогубець за допомогою простих і ефективних технологій. Науково-технічний прогрес не може бути кримінально зануренням, але сам прогрес надає нам інструменти для контролю існуючих загроз.
Якщо наша цивілізація ковзає через цю пляшку, є два хороші сценарії. Сценаріо один: ми є мертвим кінцевим відділенням еволюції. Ми продовжуємо розвиватися, і ми залишимо смішні мавпи, що живуть власному світі з пристрастю і інтересами. У такому світі ми нічого не будемо ділитися з інтелектуальними машинами, і нічого спільного з хімпанзеями і дрилями. Навпаки ми хочемо грати з приматими, зробити смішні фільми про них. Ми можемо самі зателефонувати одержувачу і узгодити зручний час.
Другий сценарій полягає в тому, що в певній точці рівень розробки технологій перевищить складність організації нашого тіла. І з цього моменту, різниця між нашими машинами, нашими інструментами, і самі неминуче розмитнуть. Ми збираємось заважати нашим тілом, ми збираємось виростити наші нейромережі з штучними знаряддями, ми будемо додавати до мозку післянекротек.
Уявіть, що ми приклеюємо штучну нейромережу до нашого мозку. Мережа штучних нейронних мереж, наприклад, 10000 разів більше, ніж наша нейромережа. Відомо, що мозок являє собою пластикову річ, і навіть травми мозку, з неї вирубують шматки, часто не призводять до втрати особистості, самоідентифікації. Таким чином, можливо, що з клеєної мозкової системи зі штучною мережею м’ясний мозок можна відрізати і відкинутися без шкоди особистості.
Можливо, це буде різним: ми почнемо ремонтувати мозок за допомогою наноботів, і ми зв'яжемося з штучною нейромережею через віддалені канали. У будь-якому випадку людина стане частиною метасистеми. І не можна визначити, де починається штучний інтелект і природний інтелект на рівні технології.
Останні слова: АІ як людина
Picture: Машини Overlords
Чи можливо самодосвідомість в штучному інтелекті?
Розуміючи, що дитина еволюції нічого не з'явилася, але як механізм адаптації до навколишнього середовища, що дозволяє вижити і дати здоровий відчай. Вчені вважають, що свідомість – це відбиття нашої психіки. Наша психіка відкриває себе і починає переглядати її як самостійний об'єкт. У зв'язку з тим, що самодослідження є лише побічним ефектом адаптації.
Дзеркальні нейрони можуть використовуватися для вивчення нових навичок за допомогою імітації.
Люди розвивалися дзеркальні нейрони, що використовуються соціальними організмами для прогнозування поведінки інших. Так нам потрібна модель десь в нашій голові, яку ми можемо застосувати до іншої людини для прогнозування їх поведінки. У певній точці почали виглядати дзеркальні нейрони.
Якщо ця теорія є правильною, то аналогічно, через побічні ефекти, розвиток штучного інтелекту, неминуче розвивається самодосвідомість, можливо. Якщо нам потрібен AI для прогнозування поведінки інших штучних інтелектів або людини, вона буде мати модель для прогнозування дій, а швидше або пізніше буде застосувати цю модель для себе. Розуміння є неминучим наслідком розвитку комплексної інтелектуальної системи.
На відміну від того, що AI буде залишатися байдужим в певній мірі, тобто він буде діяти без самовіддачності і самовідновлення, і поки він вирішить дуже широкий спектр інтелектуальних проблем. У певній мірі це відбувається прямо зараз: сучасна шахова програма грає краще, ніж людина, але вона не має власної програми.
Як скопіювати свідомість в електронному середовищі, ця історія також не всі однозначні. Учений Роджер Пенрос стверджує, що людська свідомість не є алгоритмічною, і тому не можна моделювати за допомогою звичайного комп'ютера, як Turing машина. За даними Penrose, свідомість пов'язана з квантовими ефектами, що означає, що принцип невизначеності Heisenberg не дозволить вам отримати точний малюнок електронної активності мозку. Таким чином, наша свідомість, скопійована в машину, не буде точного копіювання. Більшість дослідників не погоджуються з цим видом, враховуючи, що пороги сигналів в мозку дуже далеко від квантового рівня.
Запропоновано метод довідкових векторів машинного навчання Володимира Вапника 1995 року.
Нарешті, поговоримо про нейромережі. Насправді, нейромережі в практиці машинного навчання є моделі для мережива. Якщо не можна правильно налаштувати метод підтримки вектора (SVM) або побудувати випадковий ліс, ми приймаємо нейромережу, приводимо до нього зразок підготовки, отримуємо деякі характеристики моделі та ін.
Неуралні мережі не є універсальними і мають багато проблем - вони схильні до шуму, до перекласифікації в певних ситуаціях. Ми знаємо кращі методи для ряду завдань. Ми не використовуємо нейромережі для вирішення проблем шахів, але машини все ще краще, ніж людина. Це хороший приклад створення системи, яка вирішує деякі завдання краще, ніж мозок на повільному примітивному елементі бази, використовуючи алгоритми, які не використовують мозок.
Чи можна зробити універсальний AI не на нейромережах? Почати! Ми просто починаємо з біонікальним підходом. По-перше, ми намагаємося поліпшити те, що ми зараз, а потім ми розглянемо кращі методи.
Який шлях ми вибираємо, ми не повинні думати про це людська драма між людиною і комп'ютером. Під кожним повідомленням про перемогу AI в наступній грі, хтось обов'язково напишіть коментар про SkyNet і Judgment Day. Чому втрачають машину, сприймаючи людину? Це приріст для людини, не той, хто грає на борту, але той, хто створив AI. І це набагато важливіше досягнення: один з них навчився перемістити шматки, а інший був одним кроком вперед і написав програму, яка рухається штуки до перемоги.
P.S. Якщо вам сподобалося статтю, наступного разу ми будемо говорити про глибоке навчання армування, рішення програмного забезпечення для знищення або збереження особи, самодозрівання автомобілів і цілих міст AI.
Джерело: geektimes.ru/company/mailru/blog/277064/
