Эта статья написана [Передовая линия ИИ] Оригинал, исходная ссылка:t.cn/RH6WhdI
Автор｜Переводчик AlphaZero｜Редактор Сунь Хао｜Эмили
Руководство по передовой ИИ: "Дополнительные блага современной цивилизации и технологий привели к упадку нашей собственной интуиции. Многие из нас не подозревали о его ценности или даже о его объективном существовании. Интуиция, как основа сложных расчетов, представляет собой альтернативу традиционным методам, которую легко упустить из виду. Отсутствие осведомленности об этой идее привело к тому, что многие исследователи упустили из виду ее потенциал. "
Интуиция — божественный дар, а разум — верный слуга. Мы создали общество, которое уважает слуг, но забывает о подарках.
- Эйнштейн
Мои исследования в области искусственного интеллекта (ИИ) сосредоточены на том, что «продвинутые когнитивные машины будут использовать интуицию как основу своего интеллекта» (см.: «искусственная интуиция»). Наш собственный человеческий разум предоставляет достаточно доказательств общего интеллекта. Люди по своей сути являются машинами интуиции, а наше рациональное (и сознательное) «я» — это просто аналоговый слой поверх машины, основанной на интуиции (см. «когнитивный стек»). Это резко контрастирует со знаменитым «Cogito ergo sum» Декарта (Cogito ergo sum), означающим, что наше рациональное мышление — это то, что отделяет нас от всех живых существ. Следовательно, у нас есть когнитивная предвзятость, требующая, чтобы технологии и методы управлялись логическими машинами. Это действительно причина того, почему старый добрый искусственный интеллект (GOFAI) терпел неудачу в течение десятилетий, потому что он пытался решать интеллектуальные проблемы с формальной логикой в качестве отправной точки.
Противоречащее интуиции предсказание интуитивной машины звучит так: «Как логическое мышление возникло из интуитивной машины?» С 2012 года мы стали свидетелями удивительных достижений в технологии глубокого обучения. Сети глубокого обучения — это интуитивно понятные машины. Эти системы учатся рассуждать (или делать прогнозы) с помощью индукции. Системы глубокого обучения способны выполнять задачи, которые обычно считаются достижимыми только биологическим мозгом. Такие задачи, как распознавание лиц и речи, сложны для традиционных вычислительных мощностей, но системы глубокого обучения могут превзойти людей.
Однако сети глубокого обучения не могут выполнять логические задачи, такие как деление в длину. Не следует ожидать, что вы сможете научить животных (например, вашу собаку) умножению и, конечно же, сложению или вычитанию. Однако человеческий мозг способен решать самые разнообразные логические задачи. Мы должны задаться вопросом: может ли пещерный человек умножать? Рождаются ли мы с развитыми логическими познавательными способностями? Или мы только научились этим способностям в развитых цивилизациях?
Пропасть, которую необходимо преодолеть для достижения более общего ИИ, — это так называемый «семантический разрыв». Как совместить возможности систем глубокого обучения (субсимвольных) с логическими (символьными) системами?
Человеческий разум способен совершать великие подвиги логических рассуждений. Если все наши машины основаны на интуиции, как наш разум делает это? Я собираюсь предположить, что у нас нет врожденного логического механизма. Homo sapiens не может развить этот когнитивный механизм за то короткое время, что мы живем на этой планете. Следовательно, чтобы преодолеть семантический разрыв, нам нужны интуитивные механизмы общения. Это означает, что нам не нужно смешивать компоненты интуиции с компонентами логики. Но всем нам всегда будет нужна интуитивная составляющая.
Следовательно, нам нужны веские доказательства того, что сложное логическое мышление может осуществляться интуитивно понятными машинами.
Вот тут-то и появляется революционное откровение AlphaZero. AlphaZero — это последняя разработка программы DeepMind Go. Ранее я уже писал о том, как AlphaGo Zero (в отличие от AlphaZero) научился играть в Го с нуля (без ведома человека). Жители Запада никогда не играли в го и совсем не понимают го. В результате влияние достижений DeepMind, связанных с AlphaGo Zero, уменьшилось. Мы не понимаем огромного значения этого достижения. Несмотря на это, го считается интуитивно понятной игрой. Так что неудивительно, что интуитивно понятные машины (основанные на глубоком обучении) могут справиться с этой игрой.
Все, что может делать новое воплощение DeepMind (AlphaZero), — это играть в шахматы. Это, конечно, не должно многих удивлять, поскольку шахматы «решались» компьютерами с тех пор, как Deep Blue от IBM обыграл Каспарова в 1996 году. Для тех, кто этого не делает, AlphaZero изучает игру в шахматы с нуля, и на ее освоение уходит несколько часов. Неважно, что AlphaZero может обыграть лучшую шахматную программу (Stockfish) в 100 партиях.
Что действительно примечательно, так это то, как AlphaZero играет против более логичных противников. Чтобы дать вам некоторую интуицию, я процитирую некоторые комментарии шахматного сообщества.
- Это ближе к «классу B», человекоподобному машинному игроку, а не к вычислениям грубой силы, о которых мечтали Клод Шеннон и Алан Тьюринг. — Гари Каспаров.
- Мне было интересно, что было бы, если бы на Землю прилетели превосходные виды и показали нам, как они играют в шахматы. Я чувствую, что теперь знаю. - Питер Хайне Нильсен
- "Он играет не как человек и не как программа. Он использует третий метод, инопланетный метод", - Денмис Хассабис (также шахматист).
Для тех, кто разбирается в шахматах, лучше всего посмотреть реальную игру AlphaZero и Stockfish. Вы увидите, как система, основанная на интуиции, работает против противников, основанных на логике (например, не отвергая гамбиты). Вот некоторые комментарии экспертов:
AlphaZero играет в совершенно другую игру в шахматы. Он готов пожертвовать частями, чтобы получить позиционное преимущество над противником. Это игра в шахматы и дзюдо, которая использует рвение своих противников для своей непосредственной выгоды. Он переводит противника в состояние «пассивного форсирования», когда каждое его движение ведет к худшему результату. Кажется, это дает более полное представление об игре в шахматы, где все фигуры двигаются четко скоординированным образом. «AlphaGo Zero» может максимизировать свою креативность, играя в игры против логических противников, которые не могут совершить прорыв в краткосрочной перспективе. Мало того, что играть в шахматы невероятно, если в прошлом, то даже памятник поставили бы на всеобщее обозрение.
Документ об AlphaZero был представлен на недавней конференции 2017 года по системам обработки нейронной информации. Это очень короткая статья, основная часть занимает всего 7 страниц. В нем упоминается интересная деталь о том, как он оценивает положение доски для принятия решений.
AlphaZero извлекает только 80 000 позиций в секунду в шахматах, в то время как Stockfish извлекает 70 миллионов. Машина интуиции использует в 1000 раз меньше оценок, чем ее логический аналог.
AlphaZero, который вы видите здесь, является подтверждением моего первоначального тезиса об интуитивных машинах и их способности выполнять логические рассуждения. Это семантическая брешь, которая ликвидируется. Этот чрезвычайно сложный рубеж в области общего искусственного интеллекта преодолевается с рекордной скоростью. Я не верю, что кто-либо в сообществе ИИ мог предсказать такой быстрый темп прогресса. Однако это произошло, и статус-кво изменился навсегда.
Посмотреть исходный английский текст:
Ответить после подписки "AI"Знаешь