211service.com
AI kan slå oss på poker – nu ska vi se om det kan fungera med oss
Martin Nicolausson
Framsteg inom artificiell intelligens har länge mätts genom dess behärskning av brädspel som schack, backgammon och Go. Forskare arbetar nu med poker och datorspel som Starcraft.
Iyad Rahwan , en professor vid MIT, respekterar dessa milstolpar men säger att fokus på att slå människor i direkt konkurrens har lett oss till att försumma andra sätt att mäta och utveckla AI. Han hävdar att när smarta maskiner ser ut att bli genomträngande, borde mer ansträngning ägnas åt att skapa programvara som lär sig att samarbeta med människor.
Detta är nästa viktiga problem, eftersom AI:er inte alltid behöver ersätta oss, de måste leva med oss, säger Rahwan. De flesta mänskliga interaktioner är inte nollsumma – det här var på något sätt en blind fläck för ambitiösa AI-projekt.
Rahwan har försökt uppmärksamma den blinda fläcken med kollaboratörer i USA, Storbritannien, Frankrike, Australien och Förenade Arabemiraten. I en färsk studie , använde de enkla spel som används inom beteendevetenskap för att studera hur människor samarbetar (eller inte gör det) för att testa hur algoritmer kan lära sig att arbeta med människor.
Dessa spel inkluderade Prisoners’ Dilemma, en standard inom spelteoretisk forskning där spelare i rollen som kriminella måste bestämma sig för om de ska förråda varandra. Även om den är enkel, kan den användas för att analysera strategier inom röriga områden som klimatpolitik och reklam.
De första resultaten var nedslående, med samarbete mellan mänskliga och konstgjorda spelare mindre vanligt än mellan människor. Det förändrades när forskarna gav både människor och deras algoritmer möjligheten att kommunicera före ett spel med hjälp av en meny med 19 fraser, inklusive Gör som jag säger, eller jag ska straffa dig, jag ändrar min strategi och Ge mig en ny chans.
I samma ögonblick som maskinen börjar prata är det ett helt annat svar från folk, säger Jacob Crandall , en docent vid Brigham Young University också involverad i arbetet. De hade svårt att skilja människor från maskiner. Det krävs två för att samarbeta, och att använda de enkla budskapen räckte för att maskiner skulle få människor att vara öppna för att samarbeta.
I de tre olika spelen som testades var det ungefär lika benäget att samarbeta med en maskinspelare som med en annan människa. Sammantaget fick maskin-maskin-par högst i genomsnitt i spelen eftersom de samarbetade mer tillförlitligt (och till skillnad från mänskliga spelare ljög de aldrig).
Algoritmen som uppnådde som beräknar några lovande strategier för spelet som spelas i förväg, innan man lär sig vilka man ska använda baserat på medspelarens handlingar. Det kommer sannolikt inte att bli grunden för framtida relationer mellan människa och robot, men är tänkt att visa hur experiment kan testa samarbete och inspirera till ytterligare forskning om idén, säger Rahwan.
Oren Etzioni , chef för Allen Institute for Artificial Intelligence, i Seattle, hoppas att det händer. Den framtid som vi behöver ha är en framtid där vi samarbetar med maskiner på arbetsplatsen, så det är vettigt att studera formen för det samarbetet, säger han.
Att övergå från enkla beteendevetenskapliga spel till mer komplexa scenarier kommer dock att kräva betydande arbete, säger Etzioni. Samarbete i komplexa situationer skulle kräva mjukvara med god språkbehärskning för att kommunicera med andra spelare, något som inte stör mjukvaran att ta sig an Go eller Starcraft. Forskare behöver dock inte ge upp brädspel. Etzioni föreslår att Risk eller Diplomacy, där spelare måste slå allianser och fynda, kan vara bra testbäddar för maskinernas samarbetsförmåga.