AlphaGo استاد بزرگ چینی را شکست داد

به گزارش کلیک، در این بازی تعداد موقعیت های احتمالی برای قرارگیری مهره ها بیش از تعداد اتم های موجود در جهان است و موقعیت قرارگیری مهره ها در آن یک گوگول برابرِ موقعیت های قرارگیری مهره ها در بازی شطرنج است (یک گوگول معادل 1 و صد صفر جلوی آن است.) این پیچیدگی سبب می شود که انجام این بازی برای یک کامپیوتر دشوار شود.
با توجه به اظهارات کارشناسان، پردازنده های مرکزی که قادر به انجام محاسبات عددی هستند می توانند بازی شطرنج را انجام دهند.
برای انجام بازی گو به یک قطعه بصری یا همان GPU موجود در ابر کامپیوترهای امروزی نیاز است. در این بازی، کامپیوتر علاوه بر تحلیل باید توانایی تشخیص الگو را داشته باشد.
به گفته یکی از محققین گوگل، روش های سنتی هوش مصنوعی که در آنها یک درخت جستجو حاوی تمام موقعیت های احتمالی ساخته می شود، قادر به انجام این بازی قدیمی نیستند. بنابراین ما یک جستجوی درختی پیشرفته را با دو شبکه عصبی عمیق ترکیب کردیم و آلفاگو را ساختیم.
ساخت یک درخت جستجو که شامل تعریف و ارزیابی تمام موقعیت ها یا خروجی های احتمالی باشد هوش مصنوعی به شمار نمی آید. این روش یک مدل جستجوی خام و بی خردانه (بروت فورس) است که از نظر محاسباتی بسیار هزینه بر است.
آلفاگو تمام 499 برنامه نرم افزاری بازی گو را شکست داده و در ماه اکتبر در پنج بازی موفق به شکست فان هوی برنده سه دور مسابقات قهرمانی گو در اروپا شد.
در ماه مارس، آلفاگو در یک مسابقه 5 مرحله ای در سئول کره جنوبی در مقابل لی سدول برترین بازیکن بازی گو در سراسر جهان طی دهه گذشته بازی خواهد کرد. البته لی غیر قابل شکست نیست چرا که او 71.8 درصد بازی هایش را برده است.

آلفاگو چگونه کار می کند؟
شبکه های عصبی آلفاگو از تخته بازی گو یک تصویر کلی به عنوان یک ورودی می گیرند و از طریق 12 لایه شبکه حاوی میلیون های ارتباط شبه عصبی، این تصویر را پردازش می کند.
یکی از شبکه های عصبی این برنامه که به شبکه سیاست تصمیم گیری موسوم است، حرکت بعدی در بازی را انتخاب می کند و شبکه دیگری به نام شبکه ارزش، برنده بازی را پیش بینی می کند.
محققین گوگل 30 میلیون حرکت در بازی های انجام شده توسط حرفه ای های این بازی را در دو شبکه عصبی این سیستم تعبیه کردند به طوری که این سیستم می تواند در 57 درصد مواقع حرکت بعدی را حدس بزند. شاید این درصد پیش بینی در نظرتان مقدار کمی به نظر برسد ولی باید بدانید که رکورد قبلی 44 درصد بوده است.
شبکه های عصبی آلفاگو هزاران بازی گو را با همدیگر انجام می دهند و به منظور کشف استراتژی های جدید برای خودشان، ارتباطات شان را با استفاده از یادگیری تقویتی تغییر می دهند که بدین منظور برای تامین توان محاسباتی مورد نیاز باید از پلتفرم ابری گوگل استفاده کنند.
بنا به اظهارات کارشناسان این حوزه، آموزش یک شبکه عصبی عمیق مقادیر زیادی داده و چرخه های محاسباتی را می طلبد ولی زمانی که کار آموزش و آزمون تمام شد، این شبکه ها می توانند در یک تلفن هوشمند اجرا شوند.
لازم به ذکر است برای کنترل توان محاسباتی آلفاگو به شبکه های بی سیم یا باسیم متصل به اینترنت پر سرعت نیاز است.

سایر کاربردها
قابل توجه ترین جنبه آلفاگو این است که برای یافتن راه پیروزی در این بازی، این سیستم به جای این که یک سیستم متخصص ساخته شده با قوانین دست ساز باشد، از تکنیک های کلی یادگیری ماشین بهره می برد. به این معنی که از این سیستم می توان برای بررسی پیچیده ترین و سخت ترین مسائل اجتماعی از مدل سازی اقلیم گرفته تا تحلیل بیماری های پیچیده استفاده کرد.
سیستم های تخصصی برای پردازش زبان طبیعی و پزشکی حوزه هایی هستند که احتمالا می توان در آنها از آلفاگو استفاده کرد. در حال حاضر، آلفاگو نمونه بارزی است که نشان می دهد چنین سیستم هایی تا کنون چه مقدار متحول شده اند و یادآور پیروزی کامپیوتر واتسون IBM در بازی Jeopardy! است که هم اکنون بخشی از سیستم دفاع ملی آمریکاست.

روح موجود در این ماشین
به تازگی استفان هاوکینگ، ایلان ماسک و بیل گیتس نسبت به تحقیقات بی حد و حصر در حوزه هوش مصنوعی ابراز نگرانی کردند و به همین منظور دانشگاه کمبریج مرکزی برای مطالعات ریسک وجودی راه اندازی کرده تا ریسک های تکنولوژیکی هوش مصنوعی در آینده را بررسی کنند.
دانشگاه آکسفورد نیز در موسسه آینده انسانیت، تاثیر هوش مصنوعی را بررسی می کند. به گفته محققین، انتظار می رود که هوش کامپیوترها پیش از نیمه همین قرن از هوش انسان پیشی بگیرد. ولی احتمالا کمی زمان می برد تا هوش مصنوعی بتواند خود را با مغز انسان همسان کند زیرا فقط بحث توان محاسباتی مطرح نیست بلکه ارتباط متقابل کارآمد بین سلول ها هم نیز مهم است.

منبع:Pcworld