Alpha Zero's Alien Chess visar kraften och egenheten hos AI

Det senaste framsteg från DeepMind beter sig på ett mycket överraskande sätt. Räkna med att andra AI-system är lika udda. Förbi

• Will Knight arkivsida

8 december 2017

Det senaste AI-programmet utvecklat av DeepMind är inte bara briljant och anmärkningsvärt flexibelt – det är också ganska konstigt.

DeepMind publicerad ett papper den här veckan beskrev ett spelprogram som det utvecklat som visade sig kunna bemästra schack och det japanska spelet Shoju, efter att ha behärskat spelet Go.

Demis Hassabis, DeepMinds grundare och VD och själv en schackexpert, presenterade ytterligare detaljer om systemet, kallat Alpha Zero, vid en AI-konferens i Kalifornien i torsdags. Programmet gjorde ofta drag som skulle verka otänkbara för en mänsklig schackspelare.

Det spelar inte som en människa, och det spelar inte som ett program, sa Hassabis vid konferensen Neural Information Processing Systems (NIPS) i Long Beach. Den spelar på ett tredje, nästan främmande, sätt.

Förutom att visa hur briljanta maskininlärningsprogram kan vara vid en specifik uppgift, visar detta att artificiell intelligens kan vara helt annorlunda än den mänskliga sorten. När AI blir allt vanligare kan vi behöva vara medvetna om sådant främmande beteende.

Relaterad berättelse

Relaterad berättelse En uppgraderad version av den spelande AI:n lär sig varje trick i Go-boken, med hjälp av en ny form av maskininlärning.

Alpha Zero är en mer allmän version av AlphaGo, programmet utvecklat av DeepMind för att spela brädspelet Go. På 24 timmar lärde sig Alpha Zero att spela schack tillräckligt bra för att slå ett av de bästa befintliga schackprogrammen som finns.

Vad som också är anmärkningsvärt, men, förklarade Hassabis, är att det ibland gör till synes galna uppoffringar, som att erbjuda en biskop och en drottning för att utnyttja en positionell fördel som ledde till seger. Sådana uppoffringar av värdefulla pjäser är normalt sällsynta. I ett annat fall flyttade programmet sin dam till hörnet av brädet, ett mycket bisarrt trick med ett överraskande positionsvärde. Det är som schack från en annan dimension, sa Hassabis.

Hassabis spekulerar i att eftersom Alpha Zero lär sig själv, tjänar den på att inte följa det vanliga tillvägagångssättet att tilldela värde till bitar och försöka minimera förluster. Kanske har vår uppfattning om schack varit för begränsad, sa han. Det kan vara ett viktigt ögonblick för schack. Vi kan ympa in det i vår egen lek.

Schackspelet har en lång historia inom artificiell intelligens. De bästa programmen, utvecklade och förfinade under decennier, innehåller enorma mängder mänsklig intelligens. Även om IBMs Deep Blue 1996 slog den dåvarande världsmästaren, krävde det programmet, precis som andra konventionella schackprogram, noggrann handprogrammering.

Den ursprungliga AlphaGo, designad speciellt för Go, var en stor sak eftersom den kunde lära sig att spela ett spel som är enormt komplext och svårt att lära ut, vilket kräver en instinktiv känsla för styrelsepositioner. AlphaGo bemästrade Go genom att äta tusentals exempelspel och sedan öva mot en annan version av sig själv. Den gjorde detta delvis genom att träna ett stort neuralt nätverk med ett tillvägagångssätt som kallas förstärkningsinlärning, som bygger på hur djur verkar lära sig (se Googles AI Masters går ett decennium tidigare än förväntat).

DeepMind har sedan dess demonstrerat en version av programmet, kallad AlphaGo Zero, som lär sig utan några exempelspel, istället förlitar sig enbart på självspel (se AlphaGo Zero visar att maskiner kan bli övermänskliga utan någon hjälp ). Alpha Zero förbättras ytterligare genom att visa att samma program kan bemästra tre olika typer av brädspel.

Alpha Zeros prestationer är imponerande, men det måste fortfarande spelas många fler övningsspel än en mänsklig schackmästare. Hassabis säger att detta kan bero på att människor drar nytta av andra former av lärande, som att läsa om hur man spelar spelet och se andra människor spela.

Ändå varnar vissa experter för att programmets möjligheter, även om de är anmärkningsvärda, bör tas i sitt sammanhang. Att tala efter Hassabis, Gary Marcus , en professor vid NYU, sa att en hel del mänsklig kunskap gick åt till att bygga Alpha Zero. Och han antyder att mänsklig intelligens verkar involvera vissa medfödda förmågor, såsom en intuitiv förmåga att utveckla språk.

Josh Tenenbaum , en professor vid MIT som studerar mänsklig intelligens, sa att om vi vill utveckla verklig artificiell intelligens på mänsklig nivå bör vi studera den flexibilitet och kreativitet som människor uppvisar. Han pekade bland andra exempel på Hassabis och hans kollegors intelligens när det gäller att utforma, designa och bygga programmet i första hand. Det är nästan lika imponerande som en drottning i hörnet, sa han.

Dölj