ทำไมการสอนไอเพื่อเล่นเกมจึงเป็นเรื่องสำคัญ เบนดิกสัน

OpenAI ห้องปฏิบัติการวิจัยด้านปัญญาประดิษฐ์ที่ก่อตั้งโดย Sam Altman และ Elon Musk ประกาศเมื่อเร็ว ๆ นี้ว่าจะส่งทีมไปยัง Vancouver ในเดือนสิงหาคมเพื่อเข้าร่วมการแข่งขันระดับมืออาชีพของเกมต่อสู้ Dota 2 ออนไลน์ที่มีชื่อเสียง แต่แตกต่างจากทีมอื่น ๆ ที่จะเป็น แข่งขันเพื่อชิงรางวัลมูลค่าหลายล้านดอลลาร์ OpenAI ของ ทีมจะไม่เกี่ยวข้องกับมนุษย์ - อย่างน้อยไม่ใช่โดยตรง

เรียกว่า OpenAI Five ทีมประกอบด้วยเครือข่ายประสาทเทียมห้าเครือข่ายที่ได้รับการเผาไหม้ผ่านพลังการประมวลผลขนาดใหญ่ของคลาวด์ของ Google และฝึกเล่นเกมซ้ำแล้วซ้ำอีกนับล้านครั้ง OpenAI Five ชนะเลิศกึ่งมืออาชีพที่ Dota 2 และจะทดสอบความกล้าหาญกับผู้เล่น 1 เปอร์เซ็นต์ที่มาในเดือนสิงหาคม

ที่ เป็นครั้งแรก เหลียวมองการใช้ทรัพยากรคอมพิวเตอร์ราคาแพงและความสามารถของ AI ที่ขาดแคลนในการสอน AI ให้เล่นเกมอาจดูไร้ความรับผิดชอบ OpenAI เป็นที่ตั้งของนักวิทยาศาสตร์ AI ชั้นนำของโลกที่ได้รับเงินเดือนเจ็ดหลัก ท้ายที่สุดพวกเขาไม่สามารถทำงานกับปัญหาที่สำคัญกว่าได้เช่นการพัฒนา AI ที่สามารถต่อสู้กับโรคมะเร็งหรือทำให้รถยนต์ที่ขับขี่ด้วยตนเองปลอดภัยยิ่งขึ้น?

เกมนี้ได้รับการพิสูจน์แล้วว่าเป็นส่วนสำคัญของการวิจัย AI ตั้งแต่หมากรุกจนถึง Dota 2 เกม AI ทุกเกมที่เอาชนะได้ช่วยให้เราสามารถเริ่มต้นใหม่ในด้านวิทยาศาสตร์คอมพิวเตอร์และสาขาอื่น ๆ

เกมช่วยติดตามความคืบหน้าของ AI

นับตั้งแต่เริ่มต้นแนวคิดของปัญญาประดิษฐ์ในปี 1950 เกมเป็นวิธีที่มีประสิทธิภาพในการวัดความสามารถของ AI สะดวกมากในการทดสอบความสามารถของ AI ใหม่ เทคนิค เพราะคุณสามารถวัดผลการปฏิบัติงานของ AI ด้วยคะแนนตัวเลขและผลลัพธ์ที่ชนะและเปรียบเทียบกับมนุษย์หรือ AI อื่น ๆ

เกมแรกที่นักวิจัยพยายามฝึกฝนผ่าน AI คือหมากรุกซึ่งในช่วงแรกนั้นถือเป็นการทดสอบขั้นสูงสุดในสนาม ในปี 1996 Deep Blue ของ IBM เป็นคอมพิวเตอร์เครื่องแรกที่เอาชนะแชมป์โลก (Garry Kasparov) ในเกมหมากรุก AI ที่อยู่เบื้องหลัง Deep Blue ใช้วิธีการดุร้ายที่วิเคราะห์ลำดับนับล้านก่อนที่จะทำการย้าย

ในขณะที่วิธีการดังกล่าวทำให้ Deep Master สามารถเล่นหมากรุกได้ แต่มันก็ไม่มีประสิทธิภาพพอที่จะจัดการกับเกมกระดานที่ซับซ้อนมากขึ้น ตามมาตรฐานในปัจจุบันถือว่าเป็นน้ำมันดิบ เมื่อ Deep Blue พ่ายแพ้คาสปารอฟนักวิทยาศาสตร์ตั้งข้อสังเกตว่าจะใช้เวลาอีกร้อยปีก่อนที่ AI จะสามารถเอาชนะเกม Go จีนโบราณซึ่งมีความเคลื่อนไหวที่เป็นไปได้มากกว่าจำนวนอะตอมในจักรวาล

แต่ในปี 2559 นักวิจัยของ บริษัท AI DeepMind ซึ่งเป็นเจ้าของ บริษัท Google ได้สร้าง AlphaGo ซึ่งเป็น บริษัท Go-play AI ที่เอาชนะ Lee Sedol แชมป์โลก 4 ต่อ 1 ในการแข่งขันห้าเกม AlphaGo แทนที่วิธีการบังคับเดรัจฉานของ Deep Blue ด้วยการเรียนรู้ลึกซึ่งเป็นเทคนิค AI ที่ทำงานในลักษณะคล้ายกันมากขึ้นกับวิธีการทำงานของสมองมนุษย์ แทนที่จะตรวจสอบชุดค่าผสมที่เป็นไปได้ทั้งหมด AlphaGo ตรวจสอบวิธีที่มนุษย์เล่น Go จากนั้นพยายามคิดและทำซ้ำรูปแบบการเล่นที่ประสบความสำเร็จ

นักวิจัยของ DeepMind ได้สร้าง AlphaGo Zero ซึ่งเป็นรุ่นที่ได้รับการปรับปรุงของ AlphaGo ซึ่งใช้การเรียนรู้การเสริมแรงซึ่งเป็นวิธีการที่จำเป็นสำหรับการป้อนข้อมูลของมนุษย์ให้เป็นศูนย์ AlphaGo Zero สอนกฎพื้นฐานของ Go และเรียนรู้เกมด้วยการเล่นกับตัวเองนับครั้งไม่ถ้วน และ AlphaGo Zero ก็เอาชนะ 100 คนก่อนหน้าได้

เกมกระดานมีข้อ จำกัด ก่อนอื่นพวกเขาจะหันมาซึ่งหมายความว่า AI ไม่ได้อยู่ภายใต้ความเครียดในการตัดสินใจในสภาพแวดล้อมที่เปลี่ยนแปลงอยู่ตลอดเวลา ประการที่สอง AI สามารถเข้าถึงข้อมูลทั้งหมดในสภาพแวดล้อม (ในกรณีนี้คือบอร์ด) และไม่จำเป็นต้องคาดเดาหรือรับความเสี่ยงจากปัจจัยที่ไม่ทราบ

เมื่อพิจารณาถึงสิ่งนี้ AI ที่เรียกว่า Libratus ได้ทำการพัฒนาต่อไปในการวิจัยด้านปัญญาประดิษฐ์โดยเอาชนะผู้เล่นที่เก่งที่สุดใน Texas Hold 'Em poker Libratus พัฒนาโดยนักวิจัยที่ Carnegie Mellon แสดงให้เห็นว่า AI สามารถแข่งขันกับมนุษย์ในสถานการณ์ที่สามารถเข้าถึงข้อมูลบางส่วนได้ Libratus ใช้เทคนิค AI หลายอย่างในการเรียนรู้โป๊กเกอร์และปรับปรุงการเล่นเกมของมันในขณะที่ตรวจสอบกลยุทธ์ของฝ่ายตรงข้ามของมนุษย์

วิดีโอเกมเรียลไทม์เป็นพรมแดนต่อไปสำหรับ AI และ OpenAI ไม่ใช่องค์กรเดียวที่มีส่วนร่วมในฟิลด์นี้ Facebook ได้ทดสอบการสอน AI เพื่อเล่นเกมวางแผนกลยุทธ์แบบเรียลไทม์และ DeepMind ได้พัฒนา AI ที่สามารถเล่นเกมยิงคนแรก Quake III แต่ละเกมนำเสนอชุดของความท้าทายของตัวเอง แต่ตัวหารร่วมคือพวกเขาทั้งหมดนำเสนอ AI กับสภาพแวดล้อมที่พวกเขาต้องตัดสินใจในเวลาจริงและมีข้อมูลที่ไม่สมบูรณ์ นอกจากนี้พวกเขายังให้สนามกีฬา AI ซึ่งสามารถทดสอบพลังของมันกับทีมของฝ่ายตรงข้ามและเรียนรู้การทำงานเป็นทีม

สำหรับตอนนี้ไม่มีใครพัฒนา AI ที่สามารถเอาชนะผู้เล่นมืออาชีพได้ แต่ความจริงที่ว่า AI แข่งขันกับมนุษย์ในเกมที่ซับซ้อนดังกล่าวแสดงให้เห็นว่าเราเข้ามาในสนามได้ไกลแค่ไหน

เกมช่วยพัฒนา AI ในด้านอื่น

ในขณะที่นักวิทยาศาสตร์ได้ใช้เกมเป็นเครื่องมือทดสอบเพื่อพัฒนาเทคนิค AI ใหม่ ๆ ความสำเร็จของพวกเขาไม่ได้ จำกัด เฉพาะเกม ในความเป็นจริงการเล่นเกม AIs ได้ปูทางสำหรับนวัตกรรมในด้านอื่น ๆ

ในปี 2011 ไอบีเอ็มได้เปิดตัวซูเปอร์คอมพิวเตอร์ที่มีความสามารถในการประมวลผลภาษาธรรมชาติและการสร้าง (NLG / NLP) และได้รับการตั้งชื่อตามโทมัสเจวัตสันอดีตซีอีโอของ บริษัท คอมพิวเตอร์เล่นเกมตอบคำถามรายการโทรทัศน์ที่มีชื่อเสียง Jeopardy กับผู้เล่นที่ดีที่สุดของโลกสองคนและได้รับรางวัล วัตสันต่อมาได้กลายเป็นพื้นฐานสำหรับบริการ AI ที่หลากหลายโดย IBM ในโดเมนต่าง ๆ รวมถึงการดูแลสุขภาพการรักษาความปลอดภัยทางไซเบอร์และการพยากรณ์อากาศ

DeepMind ใช้ประสบการณ์จากการพัฒนา AlphaGo เพื่อใช้ AI ในด้านอื่น ๆ ที่การเรียนรู้การเสริมแรงสามารถช่วยได้ บริษัท ได้เปิดตัวโครงการกับ National Grid UK เพื่อใช้ AlphaGo ของ ฉลาดเพื่อปรับปรุงประสิทธิภาพของกริดพลังงานของอังกฤษ Google ซึ่งเป็น บริษัท แม่ของ DeepMind ยังใช้เทคนิคในการลดค่าไฟฟ้าของศูนย์ข้อมูลขนาดใหญ่โดยการควบคุมการใช้งานของฮาร์ดแวร์ที่แตกต่างกันโดยอัตโนมัติ Google ยังใช้การเรียนรู้การเสริมแรงเพื่อฝึกอบรมหุ่นยนต์ที่วันหนึ่งจะจัดการกับวัตถุในโรงงาน

• ปัญญาประดิษฐ์มีปัญหาอคติและมันเป็นความผิดของเราปัญญาประดิษฐ์มีปัญหาอคติและมันเป็นความผิดของเรา
• ปัญญาประดิษฐ์ของไอบีเอ็มใช้เวลาในการอภิปรายของมนุษย์
• ทำไม AI ต้องเปิดเผยว่าเป็น AI ทำไมต้องเปิดเผย AI ว่าเป็น AI

Libratus AI ที่เล่นโป๊กเกอร์อาจช่วยพัฒนาอัลกอริธึมที่สามารถช่วยในสถานการณ์ต่าง ๆ เช่นการเจรจาทางการเมืองและการประมูลโดยที่ AI จะต้องรับความเสี่ยงและเสียสละระยะสั้นเพื่อผลประโยชน์ระยะยาว

ฉันรอดูว่า OpenAI Five จะแสดงในการแข่งขัน Dota 2 ในเดือนสิงหาคมได้อย่างไร ในขณะที่ฉันไม่ได้สนใจเป็นพิเศษว่าเครือข่ายประสาทและผู้พัฒนาจะได้รับรางวัล $ 15 ล้านหรือไม่ฉันอยากเห็นว่าความสำเร็จที่หน้าต่างใหม่จะเปิดขึ้นหรือไม่