iPon Cikkek

A világbajnokot is legyőzte az AlphaGo

Dátum | 2016. 03. 16.
Szerző | Jools
Csoport | EGYÉB

Az elmúlt napokban újabb fontos eredményt ért el a Google tulajdonában álló DeepMind neurális hálózata, az AlphaGo. A mesterséges rendszer az Európa-bajnok Fan Hui legyőzése után Li Szedol dél-koreai világbajnokot is legyőzte az ősi stratégiai játékban. A kínai eredetű táblajáték összetettsége miatt sokáig kifogott a mesterséges intelligenciák fejlesztőin, holott az elmúlt évtizedek során csaknem minden magasfokú intelligenciát igénylő játékban sikerült a legjobb emberi versenyzőket legyőzni képes gépeket létrehozni. Most azonban ez végre a gó esetében is megvalósult. Ahogy arról korábbi cikkünkben beszámoltunk, a DeepMind fejlesztői úgynevezett mélytanulás (vagy gépi tanulás) révén sajátíttatták el az AlphaGo-val a játék mesterfogásait. Harminc profi emberi játékos 30 millió lépését táplálták be a rendszerbe, majd saját maga ellen kezdték edzeni a gépet, amely a fejlesztés ezen fázisában egészen új stratégiákat és lépéskombinációkat ötlött ki. A gó legnagyobb nehézsége a lépési lehetőségek óriási számában rejlik, míg ugyanis a sakkban alkalmanként átlagosan 20 lépési lehetőség kínálkozik, a 19x19-es táblán játszott góban ugyanez a szám 200 körüli. És persze mind a kétszáz lehetőség újabb 200 másikat von maga után. Napjainkban nem létezik olyan mesterséges rendszer, amely ennyi opciót képes lenne egyesével végigzongorázni. A „nyers erő” helyett használták tehát a fejlesztők az edzéseket: a mélytanulás eredményeként a gép képessé vált arra, hogy ne minden opciót, hanem csak a nyerőnek ítélt lehetőségeket vizsgálja meg, és ilyen módon felvegye a versenyt a sokszor rendkívül intuitív módon játszó emberi mesterekkel.
Mielőtt rátérnénk arra, hogy a táblajáték mesteri szintű elsajátításán túl mi tartogat a jövő az AlphaGo és a hasonló rendszerek számára, érdemes kitérni Li Szedol és gépi ellenfele küzdelmére, amely különösen a vége felé vált izgalmassá, és sok dologra rávilágított azzal kapcsolatban, hogy mire képes, és mire nem képes a mesterséges rendszer, illetve az ember. A vetélkedés már a harmadik napon eldőlt, az öt meccsre tervezett sorozatból ugyanis az AlphaGo hármat rögtön megnyert, és ezzel fejlesztői be is zsebelték a megmérettetés 1 millió dolláros fődíját. Az óriási nyomás alatt álló emberi versenyző azonban a három vereség után fel tudott állni, és a vasárnapi negyedik meccset briliáns játékkal megnyerte. Erre az elemzők értékelése szerint azért volt képes, mert magas szinten alkalmazkodni tudott az előző találkozók alatt megismert ellenfeléhez, amire az AlphaGo viszont még nem képes. Ezt követően az ötödik mérkőzést még nagyobb várakozások előzték meg, mint az elsőt, és bár a meccset végül a gép nyerte, ez az utolsó forduló bizonyult a legizgalmasabbnak, és a legtanulságosabbnak az összes közül. A gépi játékosnak versenyhelyzetben számos előnye van az emberrel szemben, hiszen nem fárad el és nem izgul, az ötödik meccs során ugyanakkor még a negyedik mérkőzésen látottnál is jobban kiviláglott, hogy mi az AlphaGo legnagyobb gyengéje. A DeepMind rendszere, ahogy már említettük, nem képes az előző napokban megtapasztaltak alapján megváltoztatni stratégiáját, mivel ahhoz, hogy a legfrissebb ismereteket magáévá tegye, hetekig tartó „edzésre” van szüksége.
Mivel erre nem volt idő és lehetőség, az AlphaGo csak abból tudott gazdálkodni, amivel a versenyre érkezett, vagyis nem volt képes menet közben ellenfeléhez igazítani saját játékát. Li Szedolt viszont ebben semmi nem akadályozta meg: ahogy a mérkőzés előre haladt, látszott, hogy mind korábbi győzelméből, mind a vereségekből profitált, és tudását a gép ellen tudta fordítani. A korábbi meccsekhez képest a dél-koreai jóval gyorsabban játszott. Míg az előző három mérkőzésen rendre időzavarba került, mivel rengeteg idő töltött lépéseinek megtervezésével, az ötödik meccsen 40 perc elteltével ugyanannyi idővel rendelkezett, mint az AlphaGo. Az emberi játékos az előző, győztes meccshez hasonlóan a mérkőzés elejétől fogva agresszív támadásba kezdett, és igyekezett minél több területet elfoglalni. A negyedik meccset az utólagos elemzések szerint azért tudta megnyerni a dél-koreai, mert a 78. lépésnél olyat lépett, amire az AlphaGo egyáltalán nem számított. Válaszul a gép csaknem végzetes hibát vétett, és innentől nem tudta maga felé billenteni az esélyeket. Az AlphaGo végül egy sor furcsa, kevéssé hatásos lépés után feladta a mérkőzést, mivel nyerési esélyei 20 százalék alá csökkentek. Az ötödik meccsen nem sikerült hasonlóan váratlant lépnie az emberi versenyzőnek. Az AlphaGo ennek ellenére 1 óra 20 perc elteltével egy elég gyenge lépést produkált, aminek kapcsán az elemzőkben felvetődött az ismételt összeomlás lehetősége. Fontos azonban tudni, hogy hasonló megoldásokra azért is hajlamos a mesterséges rendszer, mivel fő célja a győzelem esélyének növelése, nem pedig a lehető legnagyobb mértékű győzelem elérése. Ennek eredményeként az AlphaGo időnként olyan lépésekkel áll elő, amelyek kifejezetten gyengének tűnnek, hosszabb távon azonban gyümölcsözők lehetnek.
A mérkőzés későbbi szakaszában az AlphaGo egy kifejezetten nagy hibát is vétett, amiből azonban képes volt kimászni. A meccs sorsa sokáig eldöntetlennek tűnt, végül azonban Li Szedolnak ismét problémája akadt az idővel. A DeepMind mérnökei erre a megmérettetésre készülve külön neurális alhálózattal egészítették ki az AlphaGo rendszerét, amely az időbeosztást menedzselte, és úgy tűnik, hogy kiváló munkát végeztek. A dél-koreai végül 5 óra elteltével feladta a meccset, eddigre ugyanis az AlphaGo egyértelműen előnybe került. Azt ugyanakkor az elemzők sem tudták megmondani, hogy hol hibázott az emberi játékos, akinek egyáltalán nem voltak olyan látványos ballépései, mint gépi ellenfelének. A mérkőzéssorozat az AlphaGo győzelme ellenére megmutatta, hogy a rendszer korántsem tökéletes. Időnként gyermeteg hibákat vét, és nem tud gyorsan alkalmazkodni, így legyőzhető. Ugyanakkor olyan mély gödrökből is képes kimászni, amire az emberi játékosok csak nagyon ritkán alkalmasak, és a gótudásában még fennálló „lyukak” további edzésekkel befoltozhatók lehetnek. Az AlphaGo tehát nem tökéletes, de kétségkívül működő mesterséges intelligencia, amely egy dolgot jobban tud az emberiségnél: gót játszani. A hasonló mesterséges rendszerek fejlesztőinek célja persze hosszabb távon nem kiváló sakk- vagy góversenyzők létrehozása, még akkor sem, ha a DeepMind alapítója, Demis Hassabis maga is szenvedélyes gójátékos. Ami az AlphaGo-t illeti, ez előbb-utóbb a nagyközönség számára is hozzáférhetővé teszik majd a fejlesztők, hiszen a rendszer két legutóbbi győzelme után világszerte rengeteg gójátékos szeretne megküzdeni a gépi bajnokkal. A cég által létrehozott neurális hálózat ugyanakkor a mélytanulás révén számtalan egyéb célra is alkalmas lehet. Hogy egy rövid időre még a játékok talaján maradjunk, a következő lépést a mesterséges intelligenciák számára a nem teljes információs játékok elsajátítása jelentheti.
Teljes információs játékoknak azokat a játékokat vagy modelleket nevezik a szakértők, amelyekben a szereplők mindegyike tisztában van az összes többi szereplő összes korábbi döntésével. Ilyen a sakk vagy a gó, de egészen más a helyzet a pókerrel vagy az olyan videojátékokkal, mint a például a StarCraft. A Blizzard stratégiai játéka Dél-Koreában már most is annyira népszerű, hogy nagyobb a bajnokságok nézőközönsége stadionokat tölt meg, ez pedig csak fokozódni fog, ha az emberi játékosoknak gépi intelligenciákkal, vagy ez utóbbiaknak egymással kell megküzdeniük. Ahogy azonban Hassabis is mondja, a gót és más játékokat elsajátító rendszerek tulajdonképpeni célja az, hogy segítségükkel olyan ötleteket teszteljenek a fejlesztők, amelyek egy napon valós problémák megoldására is alkalmazhatók lehetnek. A gépi tanulás mindenütt használható lehet, ahol az adatok gyors elsajátítására és feldolgozására van szükség. A Google már jelenleg is alkalmaz tanulásra képes hálózatokat keresőrendszere és önvezető autói működtetésekor, és ezek a hálózatok rengeteget profitálhatnak azokból a megoldásokból, amelyek az AlphaGo-t mesteri gójátékossá tették. A DeepMind nagyrészt függetlenül operál a Google többi részétől, ugyanakkor rendszeresen vannak közös projektjei a vállalat más részlegeivel. Ami a „saját” munkákat illeti, az AlphaGo messze nem a cég legnagyobb vállalkozása, hiszen csak 15-en dolgoznak rajta a több száz alkalmazottból. Az egyik nagy projektjük egy, a gót játszó rendszerhez hasonló felépítésű, gépi tanuláson alapuló digitális személyi asszisztens létrehozása, amely nem korlátozott mennyiségű, előre beprogramozott opciót hordoz, hanem valóban „érti”, hogy mit szeretne a felhasználó, és ehhez folyamatosan alkalmazkodik. A másik fontos fejlesztési területet az egészségügy jelentiheti: a DeepMind nemrég partnerségi megállapodást írt alá a brit NHS-szel, bár arról, hogy ennek az együttműködésnek mi lesz a tényleges célja, egyelőre nem sokat tudni. Ami a másik nagy mesterséges intelligencia fejlesztőt, az IBM-et illeti, ennek rendszere szintén egyre több gyakorlati területen hasznosul. A kognitív tanulásra képes Watsont eredetileg szintén egy játék, a Jeopardy elsajátítására fejlesztették ki. Az egykori szuperszámítógép mára jelentősen átalakult, rendszere a felhőbe költözött, és jelenleg például egy thaiföldi és egy indiai kórház orvosainak segít az emlő-, a tüdő- és a bélrák diagnosztizálásában.
A New York-i Memorial Sloan Kettering Cancer Center munkatársainak részvételével zajló projektben a mesterséges intelligencia tényleges diagnózis felállítására még nem képes, de nagy biztonsággal jelöli meg a gyanús információkat a betegek adatlapján és leletein, így könnyítve meg az orvosok munkáját. A fejlesztők mostanában tehát többek közt látni tanítják a Watsont: a rendszer évek óta analizál képeket, és mostanra jutott el arra a szintre, hogy képi leleteken segítség nélkül képes az anomáliák kiszűrésére. A mesterséges intelligenciák fontos használati területe lehet a robotika, bár talán ez az alkalmazás áll jelenleg a legtávolabb a tényleges megvalósulástól. A Google az elmúlt években ezt a célt tartva szem előtt több robotikai céget is felvásárolt, köztük a Boston Dynamicsot. Arra ugyanakkor, hogy a fejlesztés alatt álló robotokat egy látáson és egyéb érzékeken alapuló, tanuló rendszer irányítsa, még jónéhány évet várni kell. A DeepMind munkatársait szintén foglalkoztatja a robotika területe. Szerintük az első mesterséges intelligenciával rendelkező robotokat a takarításban és az idős gondozásban lehetne bevetni, de ehhez még rengeteg fejlesztésre van szükség. Az AlphaGo mostani sikere kétségkívül ráirányította a figyelmet a mesterséges intelligenciák fejlesztésére, még akkor is, ha ez a konkrét rendszer csak egy nagyon szűk területen képes nagyot alkotni. A rendszer elmúlt napokban látott teljesítménye sokak számára lenyűgöző, ugyanakkor többen ijesztőnek is találják, hogy egy gép újabb területen pipálta le az embert. Nem szabad ugyanakkor elfelejteni, hogy az AlphaGo-t emberek építették, emberek tanították meg tanulni, és ha minden jól megy, tudásából is elsősorban mi, emberek fogunk profitálni.
Új hozzászólás írásához előbb jelentkezz be!

Eddigi hozzászólások

14. ianbrenner
2016.03.16. 10:32
"AlphaGo-t emberek építették, emberek tanították meg tanulni..."

Nem értem ez miért kéne megnyugtató legyen a gépi intelligencia jövőjét illetően? Miért biztosítja ez, hogy a gép intelligencia legalább a robotika 3 főtörvényét be fogja tartani?
 
Válasz írásához előbb jelentkezz be!
13. YellowFlas...
2016.03.16. 14:22
Én már az elkövetkező Emberek vs Robotok háborút várom. Ha ilyen ütemben fejlődik a gépi intelligencia, szinte garantált.
Nem mellesleg ez lesz az első olyan nagy balhé, ami egy népszerű filmes ötleten alapul. Zombi apokalipszis nem lesz, űrlény leigázás sem tűnik valóságosnak (egyenlőre).
 
Válasz írásához előbb jelentkezz be!
12. Resike Yello...
2016.03.16. 14:37
Ezt többnyire azok az emberek vetítik elő, akiknek közük sincsen ahhoz hogy hogyan is működik egy processzor vagy egy programkód.

Amúgy a témához visszatérve, kicsit egyenlőtlennek tűnik hogy 1500 processzort vonnak be egy ember ellen. Ennyi erővel az össze pro játékos ott ülhetne együtt hozhatnák meg a következő döntést.
 
Válasz írásához előbb jelentkezz be!
11. spdrfx Resik...
2016.03.16. 15:15
Az emberi agy sokkal nagyobb szamitasi kapacitasu, mint az az 1500 processzor. MAr csak ha a latast veszed alapul, az agyad realtime (vagy majdnem realtime) dolgoz fol, elemez, szur ki, jegyez meg rengeteg informaciot.
 
Válasz írásához előbb jelentkezz be!
10. Smooth44 Resik...
2016.03.16. 16:00
Megtehetnék, de akkor lassabbak lennének. Egynél több ember azért jó eséllyel fog összeveszni a döntésen, az idő meg pereg
 
Válasz írásához előbb jelentkezz be!
9. ianbrenner Resik...
2016.03.16. 16:12
Akik pedig tudják, hogy hogyan működik egy processzor, valamiért magabiztosan azt hiszik, hogy mindig tudják majd uralni a programokat.

Pedig hát még egy biztonságos hálózatot se sikerült az embernek összerakni. A gép intelligencia fejlődni fog, tele hasonló kézbentarthatatlan hibákkal, kiskapukkal...
 
Válasz írásához előbb jelentkezz be!
2016.03.16. 16:44
Amíg nincs biztonságos hálózat, addig egy hálózaton 'élő' mesterséges intelligenciától sem kell tartani... legfeljebb valami vírussal lenyomjuk
 
Válasz írásához előbb jelentkezz be!
7. agyturbini...
2016.03.16. 23:13
Azert ne felejtsuk el hogy a kvantum-mechanikai jelensegek azon fizikai szabalyok szerint mukodnek amik csak % becslest adnak az esemenyek kimenetelere, es ha sikerul elkesziteni az elso olyan processzort ami kepes tullepni a 0-1 probleman akkor gyakorlatilag elertuk a sajat agyunk kapacitasat. A kerdes az igy letrejovo Eloleny milyen emlekek alapjan alakitja ki a szemlyiseget, az lesz donto az emberiseg sorsaban. Mert ha az USA-ban jon letre akkor 100% nekunk eselyunk sem lesz, ha mondjuk Uj-Zelandon akkor viszont a legjobb baratunk segitonk lesz. Csak vizsgaljatok meg a gyilkossagi satisztikakat es boldogsag indexet...Nem az volt a kerdes hogy letre tudunk-e hozni egy Mesterseges inteligenciat, illetve esetleg ontudatra ebred a jelenlegi Neuronhalozat, mert ezek elkerulhetetlen reszei lesznek a jovonek, a kerdes mit fog tapasztalni rolunk es ez a legfontosabb. Szerintem ezt mar a gyermekneveles eseten megallapitottuk, a szulok es kornyezet, illetve a genetikai hatter egyuttesen hatarozza meg az egyen jovojet.
 
Válasz írásához előbb jelentkezz be!
6. Resike ianbr...
2016.03.16. 23:56
Hozzál fel egy olyan szcenáriót amiben egy futó program úgy dönt hogy ki kell irtania az egész emberiséget és ezt meg is tudja valósítani.

Pont ugyanilyen irracionális félelem mint a zombiapokalipszis meg a tucat többi marhaság ami mind olyan tudatlanságból fogan meg amihez az emberek többségének fingja sincsen.
 
Válasz írásához előbb jelentkezz be!
5. Renhoek Resik...
2016.03.17. 00:28
Szó szerint ugyan ezt akartam kérdezni

Még ha full autonóm a forgalom, akkor sem lehet apokalipszist okozni hirtelen. Talán mondjuk a bank/tőzsderendszer összeomlasztása ami reális...

...de még nagyon sokáig annyira szeparált hálózatokról van szó, hogy maximum lokális károkat okozhat, amíg be nem megyek és kikapcsolom. Mindenki más sok sci-fit nézett..
 
Válasz írásához előbb jelentkezz be!
4. Renhoek
2016.03.17. 00:50
Amúgy szuperintelligencia létrejöhet természetesen. Ha sokkal tovább fejlődik a computing, akkor lehet szimulálni egy nagyon összetett sokszázmilliárd elemből álló neurhálót.
Több ilyen összekapcsolódása kb egyet jelent azzal, amikor 2 ember beszélget és ötletel, csak épp sokkal mélyebb szintű kapcsolat. Ennek már lehetne dolgokat tanítani és a net segítségével végtelen tudást gyűjthetne be.

Ha, nagyon ha valahogy irányítása alá kerülhet egy robothadsereg, ami nem kizárható (bár a filmekben ez oly könnyen megy, miközben az autonóm eszközök felett még mindig nagy az emberi kontroll, és csak lokális problémákat okozhat) akkor támadást indíthat. Ha minden emberi biztonsági rendszeren túljut, önálló áramforrás stb...

... de ez annyira távoli jövő kb, hiszen a computing még iszonyúan gyerekcipőben jár ahhoz is, hogy egy patkány agyát szimuláljuk... Kvantum computing jövője kissé bizonytalan, nem kizárt, hogy erre nem is lesz optimális.

Amire ez realitás lesz, kb már mi is kiborg testben fogunk élni.
 
Válasz írásához előbb jelentkezz be!
3. BiroAndras Resik...
2016.03.21. 18:34
Az emberek kiírtása nem feltétlenül kell hogy a cél legyen. Sokkal valószínűbb, hogy valami más cél eléréséhez eszköz. A klasszikus filmes példa, hogy ki akarják kapcsolni, az meg ellenáll. De az is elképzelhető, hogy egyszerűen csak nyersanyagnak tekinti az embereket. Ehhez nem kell se érzlemekkel, se életösztönnel rendelkeznie.
Nyílván ez elkerülhető, ha megtanítjuk nekik, hogy mi az az ember, és hogy nem szabad bántani.
 
Válasz írásához előbb jelentkezz be!
2. potkeny BiroA...
2016.03.21. 20:50
Avagy szimplán úgy ítéli meg, hogy az emberek kiírtása a legjobb döntés a célja eléréséhez. Pl. van egy tanuló MI aminek a feladata a környezetvédelem, simán lehet hogy úgy dönt az emberiség eltüntetésével éri el legkönnyebben a célját... mármint ha "rosszul" volt megírva és nincs valamifajta feltétel benne az emberiség túlélésével kapcsolatban
 
Válasz írásához előbb jelentkezz be!
1. Resike BiroA...
2016.03.22. 19:58
Egy gépnek nincsenek érzelmei. Nem félti az életét ha ki akarják kapcsolni, össze akarják zúzni. Egy gép nem gondolkozik, nincsenek önálló ötletei, nem ír szimfóniákat, nem tudja megítélni, hogy mi szép és mi csúnya. Mi büdös és mi nem. Egy gépnek nincsen életcélja.

Egyedül meg lehet neki tanítani dolgokat, belősz pár paramétert és akkor ő aszerint a világnézet szerint fog valamilyen döntést hozni. De ebből soha nem lesz mesterséges intelligencia, csupán az ember saját magát akarja becsapni hogy annak tűnjön. A háttérben ez mindig is csak pár ciklus lesz paraméterekkel és változókkal.

Jelenleg amit tudnak, hogy irgalmatlanul pontosak és nagyon gyorsan tudnak optimális döntést hozni. Semmi több.

http://i.imgur.com/GTk0h37.gifv
 
Válasz írásához előbb jelentkezz be!