A inteligência artificial é a fronteira da ciência da computação. A ciência avançou o suficiente para que a inteligência artificial nos derrote em nosso próprio jogo - ou deveríamos dizer, jogos. Algumas pessoas podem temer a ascensão da Skynet. Eis porque os cientistas acham que você deveria estar preocupado com a inteligência artificial. Eis porque os cientistas acham que você deveria estar preocupado com a inteligência artificial. Você acha que a inteligência artificial é perigosa? A IA pode representar um sério risco para a raça humana? Estas são algumas das razões pelas quais você pode querer se preocupar. Leia mais com cada evolução da IA, mas estamos um pouco mais otimistas.
AlphaGo é a última IA a derrotar um humano em um jogo de tabuleiro, mas vem de um longo pedigree. Embora essas cinco máquinas tenham começado como programas construídos para o propósito, alguns encontraram uma segunda vida que vai além de seus chamados originais.
Neste artigo, vamos passar por cada vez que um humano brilhante perdeu um computador e examinar o que deu a cada um desses computadores sua vantagem decisiva.
1. Deep Blue, o Mestre de Xadrez
Deep Blue da IBM e Garry Kasparov tiveram uma das primeiras batalhas de alto nível entre homem e máquina. Kasparov perdeu, é claro, mas eles tinham um pouco de história complicada.
Depois que Kasparov bateu o irmão mais novo de Deep Blue, Deep Thought, em 1989, a IBM retornou com seu novo e melhorado Deep Blue em 1996. Kasparov perdeu um jogo de abertura, empatou um segundo, mas ganhou três jogos seguidos para levar a partida.
Não foi até uma segunda revanche em 1997 que Deep Blue derrotou Kasparov, vencendo uma partida de seis jogos por um jogo.
Kasparov disse que viu inteligência no jogo de Deep Blue e acusou a IBM de intervir. A "inteligência" foi na verdade um bug que causou Deep Blue para agir fora do personagem. Basicamente, a IA era bastante primitiva, bruta forçando seu caminho através de possíveis movimentos e resultados ...
… E se não conseguiu encontrar uma escolha ideal, escolheu aleatoriamente.
Para cada um dos seus movimentos, Deep Blue modelou todos os movimentos possíveis e as respostas de Kasparov. Foi capaz de modelar até vinte movimentos à frente, avaliando milhões de posições possíveis por segundo. Esse modelamento exigia hardware capaz de processamento paralelo poderoso.
O processamento paralelo está dividindo tarefas em tarefas de computação menores e concluindo essas tarefas ao mesmo tempo. Os dados resultantes são então compilados juntos para o resultado.
Entre as duas partidas, Deep Blue recebeu uma atualização significativa de hardware. O hardware vencedor foi um sistema de 30 nós em execução na plataforma Power PC da IBM. Cada nó tinha processadores secundários dedicados a instruções de xadrez 10 Maneiras criativas de sobrecarregar seu treinamento de xadrez 10 Maneiras criativas de sobrecarregar seu treinamento de xadrez Melhorar o xadrez é normalmente sobre a prática deliberada de muitos jogos desanimadores, então vamos ver algumas das maneiras que você pode trazer diversão e criatividade em seu treinamento de xadrez. Consulte Mais informação .
Tudo combinado, Deep Blue tinha 256 processadores trabalhando em paralelo.
Há descendentes deste hardware trabalhando em datacenters, mas o verdadeiro legado do Deep Blue é Watson, o campeão do Jeopardy. Eventualmente, a IBM colocou o Deep Blue para trabalhar em modelagem financeira, mineração de dados e descoberta de medicamentos, todas as áreas que precisam de simulações em grande escala.
2. Polaris, o campeão de poker
A Universidade de Alberta criou o Polaris, a primeira IA a bater profissionais de poker em um torneio. Os pesquisadores escolheram uma variante do Texas Hold 'Em para sua IA, já que depende menos da sorte.
Polaris enfrentou jogadores de poker duas vezes. O primeiro foi em 2007 contra dois jogadores. As mãos foram pré-negociadas - Polaris tinha um conjunto de cartas quando enfrentava um jogador, e a contra mão ao jogar o outro jogador (para controlar a sorte).
Polaris foi posteriormente refeito para um torneio de 2008 contra seis jogadores. Este também foi um conjunto pré-negociado de jogos. Polaris conseguiu um empate no primeiro jogo e perdeu o segundo, mas acabou vencendo o torneio, vindo de trás e vencendo dois jogos seguidos.
Ao contrário do xadrez, o pôquer não pode ser forçado a ser brutal através da modelagem porque a IA tem uma imagem limitada do jogo - não tem idéia das mãos de seus oponentes.
As ofertas de cartões são quase infinitamente únicas, tornando a modelagem ainda menos eficaz. As mesmas cartas podem ser boas ou inúteis, dependendo das outras cartas dadas. Blefar apresenta outro problema para a IA, já que apostar sozinho não é um bom indicador da força da mão.
Polaris é uma combinação de vários programas, chamados agentes. Cada um desses programas tinha sua própria estratégia, e havia outro agente que escolheria qual deles seria o melhor para qualquer mão.
As estratégias usadas para quebrar o jogo de poker são variadas e requerem teoria dos jogos. A idéia básica é descobrir qual seria a melhor estratégia de cada jogador com base em todos os dados disponíveis, e a Polaris conseguiu isso por meio de uma técnica chamada bucketing.
Balde é usado para classificar as mãos do cartão com base na força. Isso permitiu que a Polaris reduzisse o número de pontos de dados necessários para acompanhar o jogo. Em seguida, usou a probabilidade de todos os outros possíveis depósitos disponíveis, derivando-os das cartas visíveis.
A Polaris tinha um hardware único: um cluster de 8 computadores, cada um com 4 CPUs e 8 GB de RAM. Essas máquinas executavam as simulações necessárias para criar os grupos e estratégias para cada agente.
Desde então, o Polaris evoluiu para outro programa chamado Cepheus, tornando-se tão avançado que os pesquisadores agora declararam que o Texas Hold 'Em estava “fracamente resolvido”.
Os jogos são "resolvidos" quando os algoritmos podem determinar o resultado de um jogo a partir de qualquer posição. Um jogo é "fracamente resolvido" quando o algoritmo não consegue explicar o jogo imperfeito. Você pode tentar a sua sorte contra o Cepheus aqui.
3. Watson, o gênio do perigo
As vitórias da IA até este ponto da história foram jogos discretos, e é por isso que a vitória de Watson é um marco para o pessoal do mainstream: Watson trouxe a batalha da AI diretamente para as salas de estar dos Estados Unidos.
Jeopardy é um amado game show conhecido por suas curiosidades desafiadoras, e tem um capricho único: as pistas são as respostas e os competidores têm que fazer as perguntas. Um verdadeiro teste para Watson, que enfrentou os bem conhecidos campeões do Jeopardy, Brad Rutter e Ken Jennings.
Rutter foi o campeão de dinheiro de todos os tempos e Ken Jennings teve a mais longa sequência de vitórias. Um terceiro escolheu uma variedade aleatória de perguntas de episódios mais antigos para garantir que as perguntas não fossem escritas para ajudar ou explorar o Watson.
Watson venceu três jogos seguidos - um treino e dois televisionados - mas havia algumas peculiaridades estranhas em algumas das respostas de Watson. Por exemplo, logo após Jennings responder a uma pergunta errada, Watson respondeu com a mesma resposta errada.
No entanto, o que tornou o Watson único foi sua capacidade de usar a linguagem natural. A IBM chamou isso de Deep QA, que significava "responder a perguntas". A principal conquista foi que o Watson poderia pesquisar respostas com contexto, não apenas relevância de palavras-chave.
O software é uma combinação de sistemas distribuídos. O Hadoop e o Apache UIMA trabalham juntos para indexar os dados e permitir que os vários nós do Watson trabalhem juntos.
Como o Deep Blue, o Watson foi construído na plataforma Power PC da IBM. O Watson era um cluster de 90 núcleos com 16 TB de RAM. Para os jogos do Jeopardy, todos os dados relevantes foram carregados e armazenados na RAM.
Quais dados relevantes? Bem, Watson teve acesso ao texto completo da Wikipedia. Ele tinha vários dicionários, enciclopédias, enciclopédias e outros materiais de referência. O Watson não teve acesso à Internet durante o jogo, mas todos os dados locais foram de cerca de 4 TB.
Mais recentemente, o Watson foi usado para analisar e sugerir opções de tratamento para pacientes com câncer. O mais recente empreendimento da Watson está ajudando a criar aplicativos de aprendizado personalizados para crianças. Há até tentativas de treinar Watson como cozinhar Watson da IBM criou minha refeição de Ação de Graças - Eis o que aconteceu O Watson da IBM criou minha refeição de Ação de Graças - O que aconteceu A inteligência artificial da IBM conhecida como Watson pode fazer muitas coisas inteligentes, mas pode criar refeição única de Ação de Graças? Eu dou uma chance. Veja o que acontece! Consulte Mais informação !
4. Deepmind, o auto-ensinou
Deepmind do Google pode finalmente dar nerds algo para se preocupar porque está batendo seres humanos em jogos clássicos da Atari Internet Archive traz 900 jogos clássicos de arcade para o seu navegador. Aqui estão 7 dos melhores arquivos da Internet traz 900 Arcade Games clássicos para o seu navegador. Aqui estão 7 dos melhores O arcade da sua cidade pode ter sido desativado em meados dos anos 90, mas isso não deve impedi-lo de consertar seus jogos clássicos. Leia mais - bem, alguns jogos pelo menos. A humanidade ainda mantém sua vantagem em jogos como Asteroid e Gravitar.
Deepmind é uma rede neural AI. As redes neurais são IAs criadas para imitar a maneira como a mente humana funciona, o que faz criando “neurônios” virtuais usando a memória do computador.
A Deepmind conseguiu analisar cada pixel da tela, decidir a melhor ação a ser tomada, dadas as condições da vitória, e depois responder com a entrada do controlador.
A IA aprendeu jogos usando uma variante do Q-Learning chamado Deep Learning. Este é um método de aprendizado onde a IA retém a melhor decisão tomada em determinada situação, depois a repete quando encontra a mesma situação.
A variante do Deepmind é única, no entanto, porque adiciona fontes de memória externa.
Esse sistema de informações retidas permitiu que a Deepmind dominasse os padrões de alguns jogos da Atari, e até mesmo a levou a encontrar a estratégia ideal de Breakout por conta própria.
Por que o Deepmind teve um desempenho ruim em certos jogos? Por causa da maneira como julgou as situações. Acontece que o Deepmind só foi capaz de analisar quatro quadros de uma vez, o que limitou sua capacidade de navegar em labirintos ou reagir rapidamente.
Além disso, Deepmind tinha que aprender cada jogo do zero e não podia aplicar habilidades de um jogo para outro.
5. Alpha Go, o Incrível
AlphaGo é outro projeto DeepMind e é notável porque conseguiu vencer dois campeões Go profissionais do Google AI Breakthrough: O que significa e como isso afeta você Google Avanço da AI: O que significa e como isso afeta você Leia mais - Fan Hui e Lee Sedol - ao vencer seus jogos 5-0 e 4-1, respectivamente.
De acordo com os jogadores e comentaristas do jogo, todos disseram que o AI jogou de forma conservadora, o que não é surpreendente porque foi programado para favorecer movimentos seguros que garantam a vitória sobre movimentos arriscados que garantam mais pontos.
Go foi considerado uma vez fora do alcance da IA, mas Alpha Go é agora a primeira IA a ser classificada profissionalmente no jogo.
O jogo tem uma configuração simples: dois jogadores tentam conquistar o tabuleiro usando pedras brancas e pretas. O tabuleiro é uma grade de 19 x 19 com 361 cruzamentos, e a colocação de pedras determina o território de cada jogador. O objetivo é acabar com mais território do que o outro.
O número de movimentos potenciais e estados de jogo é enorme, para dizer o mínimo. Sim, muito maior que o xadrez, se você estivesse se perguntando.
O Alpha Go usa o sistema Deep Learning AI mencionado anteriormente, o que significa que o Alpha Go mantém a memória dos jogos em que é jogado e os estuda como experiência. Em seguida, ele pesquisa por eles, selecionando a opção que tem o maior número de resultados positivos potenciais.
O Alpha Go precisa de muito poder computacional para executar seu algoritmo de computação pesada. A versão que jogava os jogos funcionava em um conjunto distribuído de servidores com um total de 1.920 CPUs e 280 GPUs - uma enorme quantidade de energia que permitia 64 sequências de pesquisa simultâneas durante o jogo.
Como o Watson, a DeepMind está indo para a faculdade de medicina. A Deepmind anunciou uma parceria com o NHS do Reino Unido para analisar os registros de saúde. O projeto, Streams, ajudará a identificar pacientes com risco de danos nos rins.
Inteligência Artificial Está Ficando Sério
Há muita pesquisa indo para a AI agora.
O Google espera que a AI possa ajudar seu negócio de busca. Um projeto chamado Rankbrain está procurando usar AI para melhorar a eficácia do Page Rank. Microsoft e Facebook lançaram chatbots. A Tesla está liderando o mercado com seu modo automático de direção, e o Google está logo atrás com seus carros autônomos.
Pode ser difícil ver a conexão entre esses projetos e o treinamento de uma IA para ganhar jogos, mas cada uma dessas IAs moldou o aprendizado de máquina de alguma forma.
À medida que o campo evoluiu, permitiu que os AIs trabalhassem com conjuntos de dados mais complexos. Esse número quase infinito de movimentos no Go pode se traduzir no número quase infinito de variáveis na estrada aberta. Então, esses jogos são apenas o começo - uma fase prática, se você quiser.
A coisa realmente interessante está ao virar da esquina, e é muito possível que possamos experimentar tudo em primeira mão.
O que te excita sobre a IA? Existe algum jogo que você acha que a IA não pode conquistar? Deixe-nos saber nos comentários.
Crédito de imagem: David Pacey via Flickr, Debbie Miesel via IBM, CPRG pela Universidade de Alberta, Play Among Friends Paf via Flickr, Sr. Seb via Flickr, Matt Brown via Flickr, Jiuguang Wang via Flickr