211service.com
Istället för att öva bemästrade denna AI schack genom att läsa om det
Ett schackbräde. Unsplash
Schackfans älskar inget mer än att diskutera en mästerlig uppoffring av Bobby Fischer eller en genialisk attacklinje från nuvarande världsmästare Magnus Carlsen . Det visar sig att detta prat kan hjälpa AI-program att lära sig spela spelet på ett nytt sätt. En dag skulle samma teknik kunna göra det möjligt för maskiner att använda det känslomässiga innehållet i vårt språk för att bemästra olika praktiska uppgifter.
Schackalgoritmen, kallad FeelMATE , utvecklades av forskarna Nicholas McCarthy, Isaac Kamlish och Isaac Bentata Chocron vid University College London. Den utvärderar kvaliteten på schackdrag genom att analysera reaktionen från expertkommentatorer.
Teamet analyserade texten i 2 700 schackspelskommentarer tillgängliga online. De klippte bort kommentarer som inte gällde rörelser av hög kvalitet och exempel som var för tvetydiga. Sedan använde de en speciell typ av återkommande neurala nätverk och ordinbäddningar (en matematisk teknik som kopplar samman ord utifrån deras betydelser), tränade på en annan toppmodern modell för att analysera språk.
AI har nyligen gjort betydande framsteg när det gäller att analysera språk. Till exempel visade sig en algoritm som utvecklats av forskare vid OpenAI, ett forskningsföretag i San Francisco, kunna generera hela nyheter från en uppmaning av några få ord.
Nästa steg i utvecklingen av naturlig språkbehandling är att omvandla denna inlärda information till konkreta åtgärder för att hjälpa till att lösa verkliga uppgifter, sa forskarna i ett mejl till MIT Technology Review. Vi ansåg att inlärningsstrategi från textbaserad data kunde vara en mycket viktig forskningsväg att utforska.
SentiMATE överraskade forskarna med sin förmåga att utarbeta några av schackets grundprinciper samt flera nyckelstrategier, såsom gaffel (när två eller flera pjäser hotas samtidigt) och kastning (när kungen och slottet båda flyttar till en mer försvarsposition på baksidan av brädet).
Det var knappast en AI-stormästare: den misslyckades med att slå några konventionella schackrobotar konsekvent. Men programmet visar löftet om att använda språk för att hjälpa till att ta reda på hur man spelar spelet bra, med mindre övningsdata och mindre datorkraft än vad konventionella metoder kräver.
Schack har länge varit ett riktmärke för framsteg inom maskinintelligens, från Alan Turings program från 1951 för att spela spelet (skrivet på papper) till Garry Kasparovs nederlag i händerna på IBMs Deep Blue.
På senare tid visade Alphabets dotterbolag DeepMind en schackvariant av AlphaGo, programmet som kan lära sig att spela det urgamla kinesiska brädspelet Go. Detta program, känt som AlphaZero , fick spelets regler och finslipade sedan sin skicklighet genom att spela mot andra versioner av sig själv. Eftersom det lärde sig självt utvecklade AlphaZero några ovanliga och överraskande strategier. Men precis som Deep Blue behövde AlphaZero tusentals Googles specialiserade Tensor Processing Unit (TPU)-chips, såväl som data från miljontals träningsspel.
Forskarna säger att inlärningsteknikerna som används av SentiMATE kan ha många andra praktiska tillämpningar utöver schack. De kan till exempel hjälpa maskiner att analysera sport, förutsäga ekonomisk aktivitet och ge bättre rekommendationer. Det finns ett överflöd av böcker, bloggar och tidningar som alla väntar på att bli lärda av, påpekar teamet.