AI’nın Go’daki Zaferleri Daha İyi İnsan Oyunu Oynamaya İlham Veriyor

2016’da AlphaGo adlı bir bilgisayar, eski, popüler strateji oyunu Go’da o zamanki dünya şampiyonu Lee Sedol’u yenerek manşetlere çıktı. tarafından geliştirilen “insanüstü” yapay zeka Google DerinMind, Sedol’e karşı beş turdan yalnızca birini kaybetti ve Garry Kasparov’un IBM’in Deep Blue’suna karşı 1997 satranç mağlubiyetiyle karşılaştırmalar yaptı. Hangisine git taş adı verilen siyah ve beyaz taşları hareket ettirerek karşı karşıya gelen oyuncuları içerir oyun tahtasında bölgeyi işgal etme amacı ile, bir daha çetin meydan okuma bir makine rakibine göre satranç.

AlphaGo’nun zaferini, şu anda ChatGPT ve akrabalarında olanlardan farklı olarak, yapay zekanın insan yaratıcılığına ve geçim kaynağına yönelik tehdidi hakkında çok acı verici şeyler izledi. 2016 yılında kayıp sonrası basın toplantısı, yine de, bastırılmış bir Sedol, bir parça pozitiflik içeren bir yorum yaptı. “Tarzı farklıydı ve o kadar sıra dışı bir deneyimdi ki alışmam zaman aldı” dedi. “AlphaGo, Go’yu daha fazla çalışmam gerektiğini anlamamı sağladı.”

Aynı zamanda, aylar önce beş maçlık özel bir raundu AlphaGo’ya kaybetmiş olan Avrupa Go şampiyonu Fan Hui, söylenmiş kablolu maçların ona oyunu “tamamen farklı” görmesini sağladığını. Bu, oyununu o kadar geliştirdi ki, dünya sıralaması “fırladı”. kablolu.

İnsanların karmaşık karar verme sürecini resmi olarak takip etmek zor olabilir. Ancak onlarca yıllık profesyonel Go oyuncu hareketleri kaydı, araştırmacılara bir AI provokasyonuna karşı insanın stratejik tepkisini değerlendirmenin bir yolunu verdi. Yeni bir araştırma, Fan Hui’nin AlphaGo mücadelesinden sonra kaydettiği ilerlemelerin sadece bir tesadüf olmadığını doğruluyor. 2017’de, 2016’daki bu alçakgönüllü AI galibiyetinin ardından, insan Go oyuncuları, AI sistemi tarafından yapılan hareketlerin ayrıntılarını içeren verilere erişim elde etti ve çok insani bir şekilde, oyunlarında daha kaliteli kararlar alınmasını sağlayan yeni stratejiler geliştirdi. 13 Mart’ta yayınlanan bulgularda insan oyunu oynamasındaki değişikliklerin bir teyidi görülüyor. ABD Ulusal Bilimler Akademisi Tutanakları.

DeepMind baş araştırma bilimcisi David Silver, “İnsan oyuncuların bu yeni keşifleri kendi oyunlarına dahil etmek için bu kadar hızlı adapte olduklarını görmek inanılmaz” diyor. AlphaGo projesinin lideri, yeni çalışmaya dahil olmayan. “Bu sonuçlar, insanların potansiyellerini büyük ölçüde artırmak için bu keşiflere uyum sağlayacağını ve üzerine inşa edeceğini gösteriyor.”

Hong Kong Şehir Üniversitesi’nde pazarlama bölümünde yardımcı doçent olan Minkyu Shin ve meslektaşları, insanüstü yapay zekanın ortaya çıkışının insanları oyun oynamak için yeni stratejiler oluşturmaya yönlendirip yönlendirmediğini belirlemek için oyunlar sırasında kaydedilen 5,8 milyon hareketten oluşan bir veritabanı kullandı. 1950’den 2021’e kadar. Bu kayıt, web sitesinde tutulur İndirilen Go Oyunları, 19. yüzyıla kadar uzanan turnuvalarda oynanan Go oyunlarının her hareketini yansıtıyor. Araştırmacılar oyunları analiz etmeye 1950’den itibaren başladılar çünkü bu, modern Go kurallarının oluşturulduğu yıldı.

Ekip, 5,8 milyon oyun hamlesinin muazzam rekorunu taramaya başlamak için önce her hamle için karar verme kalitesini derecelendirmenin bir yolunu yarattı. Bu endeksi geliştirmek için araştırmacılar, her bir insan kararının kazanma oranlarını AI kararlarıyla karşılaştırmak için bir başka AI sistemi olan KataGo’yu kullandılar. Bu devasa analiz, 5,8 milyon insan kararının her birinden sonra oyunun oynayabileceği 10.000 yolu simüle etmeyi içeriyordu.

Araştırmacılar, ellerindeki her bir insan kararı için bir kalite değerlendirmesi yaparak, bir oyun sırasında bir insan kararının tam olarak ne zaman yeni olduğunu, yani oyunun tarihinde daha önce kaydedilmediği anlamına gelen tam olarak belirlemek için bir araç geliştirdiler. Satranç oyuncuları, oyunda yeni bir stratejinin ne zaman ortaya çıkacağını belirlemek için uzun süredir benzer bir yaklaşım kullanıyorlar.

Go oyununun yenilik analizinde, araştırmacılar her oyun için 60 adede kadar hamlenin haritasını çıkardılar ve yeni bir hamle tanıtıldığında işaretlediler. Örneğin bir oyunda dokuzuncu hamlede ortaya çıkıp diğerinde 15. hamlede ortaya çıkarsa, o zaman önceki oyun ikincisinden daha yüksek bir yenilik indeks puanına sahip olacaktır. Shin ve meslektaşları, 2017’den sonra, ekibin yeni olarak tanımladığı çoğu hamlenin 35. hamlede gerçekleştiğini keşfetti.

Araştırmacılar daha sonra oyundaki yeni hamlelerin zamanlamasının artan karar kalitesiyle izlenip izlenmediğini – bu tür hamleler yapmanın bir oyuncunun tahtadaki avantajını ve kazanma olasılığını gerçekten iyileştirip iyileştirmediğini inceledi. Özellikle AlphaGo’nun 2016’da insan meydan okuyucusu Sedol’ü ve 2017’de başka bir insan meydan okuyucu serisini geride bırakmasının ardından karar kalitesine ne olduğunu görmek istediler.

Ekip, yapay zeka insan Go şampiyonlarını yenmeden önce, insan karar kalitesi seviyesinin 66 yıl boyunca oldukça aynı kaldığını buldu. O kader 2016-2017 döneminden sonra karar kalitesi puanları yükselmeye başladı. İnsanlar daha iyi oyun seçimleri yapıyorlardı – belki de insanüstü AI’ları sürekli olarak yenmek için yeterli değil ama yine de daha iyi.

2016-2017’den sonra, oyun oynama sekansının başlarında oyunlara yeni hamleler getiren insanlardan gelen yenilik puanları da arttı. Shin ve meslektaşları, yeni hamleler ile daha kaliteli kararlar arasındaki bağlantıya ilişkin değerlendirmelerinde, AlphaGo’nun insan oyunculara karşı başarılı olmasından önce, insanların yeni hareketlerinin kaliteli kararlara ortalama olarak, yeni olmayan hamlelere göre daha az katkıda bulunduğunu keşfettiler. Bu dönüm noktası niteliğindeki yapay zeka galibiyetlerinden sonra, insanların oyunlara dahil ettiği yeni hareketler, daha iyi karar kalitesi puanlarına ortalama olarak halihazırda bilinen hareketlerden daha fazla katkıda bulundu.

Bu gelişmeler için olası bir açıklama, insanların yeni oyun hareket dizilerini ezberliyor olmalarıdır. Çalışmada Shin ve meslektaşları, ezberlemenin karar kalitesini ne kadar açıklayabileceğini de değerlendirdiler. Araştırmacılar, ezberlemenin karar kalitesi iyileştirmelerini tam olarak açıklamayacağını ve 2016-2017’den sonra görülen artan yeniliğin temelini oluşturmasının “olası olmadığını” buldu.

Dallas’taki Texas Üniversitesi’nde bilgisayar bilimi profesörü olan Murat Kantarcıoğlu, bu bulguların iş ile birlikte kendisinin ve diğerlerinin yaptığı araştırmalar, “yapay zekanın, insanın karar verme sürecini iyileştirmeye yardımcı olabileceğini” gösteriyor. Mevcut çalışmada yer almayan Kantarcıoğlu, yapay zekanın Go gibi karmaşık bir oyundaki tüm olası hareketler gibi “geniş arama alanlarını” işleme yeteneğinin, yapay zekanın “sorunlara yeni çözümler ve yaklaşımlar bulabileceği” anlamına geldiğini söylüyor. ” Örneğin, tıbbi görüntülemeyi kanser için düşündürücü olarak işaretleyen bir yapay zeka, bir klinisyenin daha önce olduğundan daha yakından bakmasına neden olabilir. “Bu da kişiyi daha iyi bir doktor yapacak ve gelecekte bu tür hataların önüne geçecektir” diyor.

Kantarcıoğlu, şu anda dünyanın ChatGPT ile gördüğü gibi, yapay zekayı daha güvenilir hale getirme konusunun bir aksaklık olduğunu ekliyor. “Bunun ana zorluk olduğuna inanıyorum” diyor.

ChatGPT ve diğer yapay zekalarla ilgili endişelerin bu yeni aşamasında, bulgular yapay zekanın “ilerleme ve iyileştirmeye yönelik yolculuğumuzda potansiyel bir düşman” yerine bir müttefik olma potansiyeline dair “umutlu bir bakış açısı” sunuyor Shin ve ortak yazarları. bir e-postada yazdı Bilimsel amerikalı.

Shin, “Ortak yazarlarım ve ben şu anda insanların istemlerini nasıl geliştirebileceklerini ve bu programlardan daha iyi sonuçlar elde edebileceklerini keşfetmek için çevrimiçi laboratuvar deneyleri yürütüyoruz” diyor. “Yapay zekayı insan zekası için bir tehdit olarak görmek yerine, onu yeteneklerimizi geliştirebilecek değerli bir araç olarak kabul etmeliyiz.”