L'intelligence artificielle est la frontière de l'informatique. La science a suffisamment avancé que l'IA nous bat à notre propre jeu - ou devrions-nous dire, les jeux. Certaines personnes peuvent craindre l'émergence de Skynet Voici pourquoi les scientifiques pensent que vous devriez être inquiet au sujet de l'intelligence artificielle Voici pourquoi les scientifiques pensent que vous devriez être inquiet au sujet de l'intelligence artificielle Pensez-vous que l'intelligence artificielle est dangereuse? L'IA peut-elle poser un risque sérieux pour la race humaine. Ce sont quelques raisons pour lesquelles vous voudrez peut-être être concerné. Lire la suite avec chaque évolution de l'IA, mais nous sommes un peu plus optimistes.
AlphaGo est la dernière IA à battre un humain dans un jeu de plateau, mais elle vient d'un long pedigree. Bien que ces cinq machines aient commencé comme des programmes spécialement conçus, certains ont trouvé une seconde vie qui va au-delà de leurs appels initiaux.
Dans cet article, nous allons passer à travers chaque fois qu'un humain brillant a perdu son ordinateur et examiner ce qui a donné à chacun de ces ordinateurs son avantage décisif.
1. Deep Blue, le maître des échecs
Deep Blue d'IBM et Garry Kasparov ont eu l'une des premières batailles de haut niveau entre l'homme et la machine. Kasparov a perdu, bien sûr, mais ils ont eu une histoire un peu compliquée.
Après Kasparov a battu le petit frère de Deep Blue, Deep Thought, en 1989, IBM est revenu avec son nouveau Deep Blue amélioré en 1996. Kasparov a perdu un match d'ouverture, a égalé une seconde, mais a ensuite remporté trois matchs consécutifs.
Ce n'est qu'en 1997, lors d'une deuxième revanche, que Deep Blue a battu Kasparov, remportant un match de six matchs en un match.
Kasparov a déclaré avoir vu des renseignements dans le jeu de Deep Blue et a accusé IBM d'intervenir. L '"intelligence" était en fait un bug qui a poussé Deep Blue à agir hors de son caractère. Fondamentalement, l'IA était plutôt primitive, la brute se frayant un chemin à travers les mouvements et les résultats possibles ...
... et s'il n'a pas pu trouver un choix optimal, il a choisi au hasard.
Pour chacun de ses mouvements, Deep Blue a modélisé tous les mouvements possibles et les réponses de Kasparov. Il a été capable de modéliser jusqu'à 20 mouvements en avant, en évaluant des millions de positions possibles par seconde. Cette modélisation nécessite un matériel capable de traitement parallèle puissant.
Le traitement parallèle répartit les tâches en tâches informatiques de plus petite taille et accomplit ces tâches en même temps. Les données résultantes sont ensuite compilées ensemble pour le résultat.
Entre les deux matches, Deep Blue a bénéficié d'une mise à niveau matérielle significative. Le matériel gagnant était un système à 30 nœuds fonctionnant sur la plate-forme Power PC d'IBM. 10 façons créatives de dynamiser votre jeu d'échecs 10 façons créatives de dynamiser votre jeu d'échecs S'améliorer aux échecs est normalement une pratique délibérée au cours de nombreux jeux décourageants, alors regardons quelques-unes des façons dont vous pouvez apporter Amusement et créativité dans votre entraînement aux échecs. Lire la suite .
Tous combinés, Deep Blue avait 256 processeurs travaillant en parallèle.
Il y a des descendants de ce matériel qui travaillent dans les datacenters, mais le vrai héritage de Deep Blue est Watson, le champion de Jeopardy. Finalement, IBM a fait appel à Deep Blue pour travailler sur la modélisation financière, l'exploration de données et la découverte de médicaments, tous domaines nécessitant des simulations à grande échelle.
2. Polaris, le champion de poker
L'Université de l'Alberta a créé Polaris, la première IA à battre les professionnels du poker dans un tournoi. Les chercheurs ont choisi une variante du Texas Hold 'Em pour leur IA, car elle repose le moins sur la chance.
Polaris a affronté les joueurs de poker deux fois. Le premier était en 2007 contre deux joueurs. Les mains étaient pré-distribuées - Polaris avait un jeu de cartes quand il affrontait un joueur, et l'autre main lorsqu'il jouait l'autre joueur (pour contrôler la chance).
Polaris a été rééquipé pour un tournoi de 2008 contre six joueurs. C'était aussi un ensemble de jeux pré-distribués. Polaris a obtenu un nul lors du premier match et a perdu le deuxième, mais a finalement remporté le tournoi, venant de l'arrière et remportant deux matchs consécutifs.
Contrairement aux échecs, le poker ne peut être forcé par la modélisation car l'IA a une image limitée du jeu - il n'a aucune idée des mains de ses adversaires.
Les offres de cartes sont presque infiniment uniques, ce qui rend la modélisation encore moins efficace. Les mêmes cartes peuvent être une main bonne ou sans valeur, tout dépendant des autres cartes distribuées. Le bluff pose un autre problème pour l'IA car les paris ne sont pas un bon indicateur de la force de la main.
Polaris est une combinaison de plusieurs programmes, appelés agents. Chacun de ces programmes avait sa propre stratégie, et il y avait un autre agent qui choisirait lequel de ces programmes était le meilleur pour une main donnée.
Les stratégies utilisées pour briser le jeu de poker sont variées et nécessitent une théorie des jeux. L'idée de base est de comprendre quelle serait la meilleure stratégie de chaque joueur sur la base de toutes les données disponibles, et Polaris l'a fait via une technique appelée seau.
Bucketing est utilisé pour classer les mains de cartes en fonction de la force. Cela a permis à Polaris de réduire le nombre de points de données nécessaires pour suivre le jeu. Ensuite, il a utilisé la probabilité de tous les autres buckets possibles, dérivant ceux-ci des cartes visibles.
Polaris avait une configuration matérielle unique: un groupe de 8 ordinateurs avec chacun 4 CPU et 8 Go de RAM. Ces machines ont exécuté les simulations nécessaires pour créer les compartiments et les stratégies pour chaque agent.
Depuis lors, Polaris a évolué vers un autre programme appelé Cepheus, devenant si avancé que les chercheurs ont maintenant déclaré que le Texas Hold 'Em était "faiblement résolu".
Les jeux sont "résolus" lorsque les algorithmes peuvent déterminer le résultat d'un jeu à partir de n'importe quelle position. Un jeu est "faiblement résolu" lorsque l'algorithme ne peut pas rendre compte d'un jeu imparfait. Vous pouvez tenter votre chance contre Céphée ici.
3. Watson, le génie de Jeopardy
Les victoires de l'IA jusqu'à ce point dans l'histoire ont été des jeux discrets, c'est pourquoi la victoire de Watson est une telle étape pour les gens ordinaires: Watson a apporté la bataille de l'IA dans les salons de l'Amérique.
Jeopardy est un jeu télévisé bien connu, connu pour ses questions difficiles, et il a une bizarrerie unique: les indices sont les réponses et les candidats doivent trouver les questions. Un vrai test pour Watson, qui a affronté les célèbres champions de Jeopardy, Brad Rutter et Ken Jennings.
Rutter était le champion d'argent de tous les temps et Ken Jennings avait la plus longue série de victoires. Un tiers a choisi un assortiment aléatoire de questions provenant d'épisodes plus anciens pour s'assurer que les questions n'étaient pas écrites pour aider ou exploiter Watson.
Watson a remporté trois matchs consécutifs - une pratique et deux télévisés - mais il y avait quelques étranges bizarreries à certaines des réponses de Watson. Par exemple, juste après que Jennings ait répondu à une mauvaise question, Watson a répondu avec la même mauvaise réponse.
Cependant, ce qui rendait Watson unique était sa capacité à utiliser le langage naturel. IBM a appelé ce Deep QA, qui signifiait «répondre aux questions». L'accomplissement clé était que Watson pouvait rechercher des réponses avec le contexte, pas seulement la pertinence de mot-clé.
Le logiciel est une combinaison de systèmes distribués. Hadoop et Apache UIMA travaillent ensemble pour indexer les données et permettre aux différents nœuds de Watson de fonctionner ensemble.
Comme Deep Blue, Watson a été construit sur la plate-forme Power PC d'IBM. Watson était un cluster de 90 cœurs avec 16 To de RAM. Pour les jeux Jeopardy, toutes les données pertinentes ont été chargées et stockées dans la RAM.
Quelles sont les données pertinentes? Eh bien, Watson avait accès au texte intégral de Wikipedia. Il y avait un éventail de dictionnaires, de thésaurus, d'encyclopédies et d'autres documents de référence. Watson n'avait pas accès à Internet pendant le jeu, mais toutes les données locales étaient d'environ 4 To.
Plus récemment, Watson a été utilisé pour analyser et suggérer des options de traitement pour les patients atteints de cancer. La dernière entreprise de Watson aide à créer des applications d'apprentissage personnalisées pour les enfants. Il y a même des tentatives pour apprendre à Watson comment cuisiner Watson Watson Créé mon repas de Thanksgiving - Voici ce qui s'est passé Watson d'IBM a créé mon repas de Thanksgiving - Voici ce qui s'est passé L'intelligence artificielle d'IBM connue sous le nom de Watson peut faire beaucoup de choses intelligentes. repas unique de Thanksgiving? Je l'essaie. Voyez ce qui se passe! Lire la suite !
4. Deepmind, l'autodidacte
Deepmind de Google peut finalement donner aux nerds quelque chose à s'inquiéter parce qu'il bat les humains aux jeux classiques d'Atari Internet Archive apporte 900 jeux d'arcade classiques à votre navigateur. Voici 7 des meilleures archives d'Internet amène 900 jeux d'arcade classiques à votre navigateur. Voici 7 des meilleurs Arcade de votre ville peut-être fermé au milieu des années 90, mais cela ne devrait pas vous empêcher d'obtenir votre jeu classique. Lire la suite - bien, certains jeux au moins. L'humanité garde toujours son avantage dans des jeux comme Asteroid et Gravitar.
Deepmind est un réseau de neurones AI. Les réseaux de neurones sont des IA créées pour imiter le fonctionnement de l'esprit humain, ce qui se fait en créant des «neurones» virtuels à l'aide de la mémoire de l'ordinateur.
Deepmind a pu analyser chaque pixel de l'écran, décider de la meilleure action à prendre étant donné les conditions de gain, puis répondre avec l'entrée du contrôleur.
L'IA a appris des jeux en utilisant une variante de Q-Learning appelée Deep Learning. C'est une méthode d'apprentissage où l'IA conserve la meilleure décision prise dans certaines situations, puis la répète lorsqu'elle rencontre la même situation.
La variante de Deepmind est unique, car elle ajoute des sources de mémoire externes.
Ce système d'informations conservées a permis à Deepmind de maîtriser les modèles de certains jeux Atari, et même de le conduire à trouver la stratégie optimale de Breakout tout seul.
Pourquoi Deepmind a-t-il mal performé dans certains jeux? A cause de la façon dont il a jugé les situations. Il s'avère que Deepmind n'a pu analyser que quatre images à la fois, ce qui a limité sa capacité à naviguer dans les labyrinthes ou à réagir rapidement.
Aussi, Deepmind devait apprendre chaque jeu à partir de zéro et ne pouvait pas appliquer les compétences d'un jeu à l'autre.
5. Alpha Go, l'incroyable
AlphaGo est un autre projet de DeepMind et il est remarquable parce qu'il a réussi à battre deux champions Go Go. Google Breakthrough: Ce que cela signifie et comment cela vous affecte L'intelligence artificielle de Google: ce que cela signifie et comment elle vous affecte Lire - Fan Hui et Lee Sedol en remportant ses matchs 5-0 et 4-1, respectivement.
Selon les joueurs et les commentateurs de match, ils ont tous dit que l'IA jouait prudemment, ce qui n'est pas surprenant car elle était programmée pour favoriser des mouvements sécurisés qui assureraient la victoire sur les mouvements risqués qui assureraient plus de points.
Go était autrefois considéré comme hors de portée pour l'IA, mais Alpha Go est maintenant la première IA à être classée professionnellement dans le jeu.
Le jeu a une configuration simple: deux joueurs essaient de conquérir le plateau en utilisant des pierres blanches et noires. Le tableau est une grille 19 x 19 avec 361 intersections, et le placement des pierres détermine le territoire de chaque joueur. L'objectif est de finir avec plus de territoire que l'autre.
Le nombre de mouvements potentiels et d'états de jeu est énorme, c'est le moins qu'on puisse dire. Oui, bien plus que les échecs, si vous vous demandiez.
Alpha Go utilise le système AI d'apprentissage profond mentionné précédemment, ce qui signifie que Alpha Go garde la mémoire des jeux auxquels il a joué et les étudie comme une expérience. Il cherche ensuite à travers eux, en sélectionnant le choix qui a le plus grand nombre de résultats positifs potentiels.
Alpha Go a besoin de beaucoup de puissance informatique pour exécuter son algorithme de calcul lourd. La version qui a joué les matchs a couru sur un ensemble distribué de serveurs avec un total de 1.920 processeurs et 280 GPUs - une énorme quantité de puissance qui a permis 64 threads de recherche simultanés pendant la lecture.
Comme Watson, DeepMind se dirige vers l'école de médecine. Deepmind a annoncé un partenariat avec le NHS britannique pour analyser les dossiers de santé. Le projet, Streams, aidera à identifier les patients à risque de lésions rénales.
L'intelligence artificielle devient sérieuse
Il y a beaucoup de recherches sur l'IA en ce moment.
Google espère que l'IA peut aider leur entreprise de recherche. Un projet appelé Rankbrain cherche à utiliser l'IA pour améliorer l'efficacité du Page Rank. Microsoft et Facebook ont tous deux publié des chatbots. Tesla est en tête de la course avec son mode de conduite automatique, et Google est juste derrière avec ses voitures autonomes.
Il pourrait être difficile de voir le lien entre ces projets et la formation d'une IA pour gagner des jeux, mais chacune de ces IA a façonné l'apprentissage automatique d'une manière ou d'une autre.
À mesure que le domaine a évolué, il a permis aux IA de travailler avec des ensembles de données plus complexes. Ce nombre presque infini de mouvements dans Go peut se traduire par le nombre presque infini de variables sur la route ouverte. Donc, vraiment, ces jeux ne sont que le début - une phase de pratique, si vous voulez.
Le truc vraiment intéressant est juste au coin de la rue, et il est très possible que nous puissions l'expérimenter de première main.
Qu'est-ce qui vous excite à propos de l'IA? Y a-t-il un jeu que vous pensez que l'IA ne peut pas conquérir? Faites le nous savoir dans les commentaires.
Crédit d'image: David Pacey via Flickr, Debbie Miesel via IBM, CPRG via l'Université de l'Alberta, Jouer avec des amis Paf via Flickr, M. Seb via Flickr, Matt Brown via Flickr, Jiuguang Wang via Flickr