211service.com
La IA de Google domina el juego Go una década antes de lo esperado
Google ha dado un paso brillante e inesperado hacia la construcción de una IA con una intuición más humana, desarrollando una computadora capaz de vencer incluso a jugadores humanos expertos en el diabólicamente complicado juego de mesa Go.
El objetivo de Go, un juego inventado en China hace más de 2.500 años, es bastante simple: los jugadores deben colocar alternativamente piedras negras y blancas en una cuadrícula de 19 líneas horizontales y 19 verticales con el objetivo de rodear las piezas del oponente y evitar tener las propias piezas rodeadas. Dominar Go, sin embargo, requiere una práctica interminable, así como una habilidad finamente afinada para reconocer patrones sutiles en la disposición de las piezas repartidas por el tablero.
El equipo de Google ha demostrado que, después de todo, las habilidades necesarias para dominar Go no son tan exclusivamente humanas. Su programa de computadora, llamado AlphaGo, venció al campeón europeo de Go, Fan Hui, cinco juegos a cero. Y este marzo se enfrentará a uno de los mejores jugadores del mundo, Lee Sedol, en un torneo que se llevará a cabo en Seúl, Corea del Sur.
Go es el juego más complejo y hermoso jamás diseñado por humanos, dijo Demis Hassabis, jefe del equipo de Google y él mismo un ávido jugador de Go, en una rueda de prensa. Al vencer a Fan Hui, agregó, nuestro programa logró uno de los grandes desafíos de larga data de la IA.
Hassabis también dijo que las técnicas utilizadas para crear AlphaGo se prestarían al esfuerzo de su equipo para desarrollar una IA general. En última instancia, queremos aplicar estas técnicas a problemas importantes del mundo real, dijo. Debido a que los métodos que usamos eran de propósito general, nuestra esperanza es que algún día puedan extenderse para ayudar a abordar algunos de los problemas más apremiantes de la sociedad, desde diagnósticos médicos hasta modelos climáticos (ver ¿Podría la IA resolver los problemas más grandes del mundo?).
Hassabis dijo que la primera forma en que se podría aplicar la tecnología en Google implicaría el desarrollo de mejores asistentes personales de software. Tal asistente podría aprender las preferencias de un usuario a partir de su comportamiento en línea y hacer recomendaciones más intuitivas sobre productos o eventos, sugirió.
El go es mucho más desafiante para las computadoras que, digamos, el ajedrez por dos razones: la cantidad de movimientos potenciales en cada turno es mucho mayor y no existe una forma simple de medir la ventaja material. Por lo tanto, un jugador debe aprender a reconocer patrones abstractos en cientos de piezas colocadas en el tablero. E incluso los expertos a menudo tienen dificultades para explicar por qué una posición en particular parece ventajosa o problemática.
De hecho, hace solo un par de años, la mayoría de los jugadores de Go y los programadores de juegos creían que el juego era tan complejo que pasarían varias décadas antes de que las computadoras pudieran alcanzar el estándar de un jugador humano experto.
AlphaGo fue desarrollado por un equipo conocido como Google DeepMind, un grupo creado después de que Google adquiriera una pequeña empresa de inteligencia artificial en el Reino Unido llamada DeepMind en 2014. Los investigadores construyeron AlphaGo utilizando un método de aprendizaje automático extremadamente popular y exitoso conocido como aprendizaje profundo combinado con otra técnica de simulación. para modelar movimientos potenciales. El aprendizaje profundo implica entrenar una gran red neuronal simulada para responder a patrones en los datos. Ha demostrado ser muy útil para el procesamiento de imágenes y audio, y muchas grandes empresas tecnológicas están explorando nuevas formas de aplicar la técnica.
Se utilizaron dos redes de aprendizaje profundo en AlphaGo: una red aprendió a predecir el próximo movimiento y la otra aprendió a predecir el resultado de diferentes arreglos en el tablero. Las dos redes se combinaron utilizando un algoritmo de IA más convencional para mirar hacia adelante en el juego en busca de posibles movimientos. Un artículo científico escrito por investigadores de Google que describe el trabajo aparece en el diario Naturaleza hoy dia .
El juego de Go tiene un espacio de búsqueda enorme, que es intratable para la búsqueda de fuerza bruta, dice David Silver, otro investigador de Google que dirigió el esfuerzo. La clave de AlphaGo es reducir ese espacio de búsqueda a algo más manejable. Este enfoque hace que AlphaGo sea mucho más humano que los enfoques anteriores.
Cuando la computadora Deep Blue de IBM dominó el ajedrez en 1997, usó reglas codificadas a mano y buscó exhaustivamente a través de posibles movimientos de ajedrez. AlphaGo esencialmente aprendió con el tiempo a reconocer patrones potencialmente ventajosos y luego simuló un número limitado de resultados potenciales.
El logro de Google ha sido recibido con felicitaciones y cierto asombro por parte de otros investigadores en el campo.
En el aspecto técnico, este trabajo es una contribución monumental a la IA, dice Ilya Sutskever, un destacado investigador de IA y director de una nueva organización sin fines de lucro llamada OpenAI (ver Innovadores menores de 35: Ilya Sutskever). Sutskever dice que el trabajo fue especialmente importante porque AlphaGo esencialmente aprendió por sí mismo cómo ganar. La misma técnica se puede utilizar para lograr un rendimiento extremadamente alto en muchos otros juegos, dice.
Michael bolos , profesor de ciencias de la computación en la Universidad de Alberta en Canadá, quien recientemente desarrolló un programa capaz de vencer a cualquiera en el póquer con límite mano a mano, también estaba emocionado por el logro. Él cree que el enfoque debería resultar útil en muchas áreas donde se aplica el aprendizaje automático. Mucho de lo que tradicionalmente pensaríamos como inteligencia humana se basa en la coincidencia de patrones, dice. Y mucho de lo que consideraríamos como aprendizaje es haber visto estos patrones en el pasado y poder darnos cuenta de cómo se conectan con una situación actual.
Un aspecto del resultado que vale la pena señalar es que combina el aprendizaje profundo con otras técnicas, dice Gary Marcus, profesor de psicología en la Universidad de Nueva York y cofundador y director ejecutivo de Inteligencia Geométrica , una startup de IA que también combina el aprendizaje profundo con otros métodos (ver ¿Puede este hombre hacer que la IA sea más humana?).
Este no es el llamado sistema de aprendizaje profundo de extremo a extremo, dice Marcus. Es un sistema modular cuidadosamente estructurado con un poco de ingeniería manual cuidadosa en la parte delantera. Lo cual es, cuando lo piensas, bastante paralelo a la mente humana: rico, modular, con un poco de ajuste por evolución, en lugar de solo un montón de neuronas interconectadas al azar y sintonizadas completamente por la experiencia.
Google tampoco es la única empresa que utiliza el aprendizaje profundo para desarrollar una IA para jugar Go. Facebook ha dicho anteriormente que tiene un investigador trabajando en un sistema de este tipo, y anoche ambos Yann Le Cun , director de investigación de IA en Facebook y CEO Mark Zuckerberg publicó actualizaciones sobre el esfuerzo. El esfuerzo de Facebook se encuentra en una etapa anterior, pero también combina el aprendizaje profundo con otra técnica.
Ver a AI master Go también puede generar cierta angustia existencial. Durante la conferencia de prensa que anunció la noticia, Hassabis se enfrentó a preguntas sobre los riesgos a largo plazo de los sistemas de IA que Google está desarrollando. Dijo que la empresa estaba tomando medidas para mitigar esos riesgos colaborando con académicos, organizando conferencias y trabajando con un consejo de ética interno.