Tại sao dạy ai chơi game là quan trọng | ben Dickson

OpenAI, phòng thí nghiệm nghiên cứu trí tuệ nhân tạo do Sam Altman và Elon Musk sáng lập, gần đây đã tuyên bố rằng họ sẽ gửi một đội đến Vancouver vào tháng 8 để tham gia một giải đấu chuyên nghiệp của trò chơi chiến đấu trực tuyến nổi tiếng Dota 2. Nhưng không giống như các đội khác sẽ là cạnh tranh cho giải thưởng nhiều triệu đô la OpenAI Đội sẽ không liên quan đến con người ít nhất, không trực tiếp.

Được gọi là OpenAI Five, nhóm bao gồm năm mạng thần kinh nhân tạo đã đốt cháy sức mạnh tính toán khổng lồ của đám mây của Google và thực hành trò chơi nhiều lần, hàng triệu lần. OpenAI Five đã bán chạy nhất tại Dota 2 và sẽ thử nghiệm khí phách của mình với 1% người chơi hàng đầu vào tháng 8.

Tại Đầu tiên liếc nhìn, tiêu tốn tài nguyên điện toán đắt tiền và tài năng AI khan hiếm để dạy AI chơi game có vẻ vô trách nhiệm. OpenAI sở hữu một số nhà khoa học AI hàng đầu thế giới, theo tờ New York Times, kiếm được mức lương bảy con số. Rốt cuộc, họ không thể làm việc với những vấn đề quan trọng hơn, chẳng hạn như phát triển AI có thể chống ung thư hoặc làm cho xe tự lái an toàn hơn?

Vô lý vì có vẻ như một số người, các trò chơi đã được chứng minh là một phần quan trọng của nghiên cứu AI. Từ cờ vua đến Dota 2, mọi trò chơi AI đã chinh phục đã giúp chúng tôi bước sang một lĩnh vực mới trong khoa học máy tính và các lĩnh vực khác.

Trò chơi giúp theo dõi tiến trình của AI

Kể từ khi bắt đầu ý tưởng về trí tuệ nhân tạo vào những năm 1950, các trò chơi là một cách hiệu quả để đo lường năng lực của AI. Chúng đặc biệt thuận tiện trong việc kiểm tra năng lực của AI mới kỹ thuật, bởi vì bạn có thể định lượng hiệu suất của AI bằng điểm số và kết quả thắng-thua và so sánh nó với con người hoặc AI khác.

Trò chơi đầu tiên mà các nhà nghiên cứu cố gắng thành thạo thông qua AI là cờ vua, trong những ngày đầu được coi là thử nghiệm cuối cùng của những tiến bộ trong lĩnh vực này. Năm 1996, Deep Blue của IBM là máy tính đầu tiên đánh bại một nhà vô địch thế giới (Garry Kasparov) trong cờ vua. AI đứng sau Deep Blue đã sử dụng phương pháp vũ phu phân tích hàng triệu chuỗi trước khi thực hiện một động thái.

Mặc dù phương pháp này cho phép Deep Blue thành thạo cờ vua, nhưng không nơi nào đủ hiệu quả để giải quyết các trò chơi cờ phức tạp hơn. Theo tiêu chuẩn ngày nay, nó được coi là thô. Khi Deep Blue đánh bại Kasparov, một nhà khoa học nhận xét rằng phải mất thêm một trăm năm nữa trước khi AI có thể chinh phục trò chơi cờ vây cổ xưa của Trung Quốc, có nhiều động thái khả thi hơn số lượng nguyên tử trong vũ trụ.

Nhưng vào năm 2016, các nhà nghiên cứu tại công ty AI thuộc sở hữu của Google DeepMind đã tạo ra AlphaGo, một AI chơi cờ vây đã đánh bại Lee Sedol, nhà vô địch thế giới, 4-1 trong một cuộc thi năm trò chơi. AlphaGo đã thay thế phương pháp vũ phu của Deep Blue bằng học sâu, một kỹ thuật AI hoạt động theo cách tương tự nhiều hơn với cách thức hoạt động của bộ não con người. Thay vì kiểm tra mọi sự kết hợp có thể, AlphaGo đã kiểm tra cách con người chơi Go, sau đó cố gắng tìm ra và tái tạo các mẫu trò chơi thành công.

Các nhà nghiên cứu của DeepMind sau đó đã tạo ra AlphaGo Zero, một phiên bản cải tiến của AlphaGo sử dụng phương pháp học tăng cường, một phương pháp không cần đầu vào của con người. AlphaGo Zero được dạy các quy tắc cơ bản của Go và học trò chơi bằng cách chơi với chính nó vô số lần. Và AlphaGo Zero đã đánh bại người tiền nhiệm 100 đến 0.

Ban trò chơi có những hạn chế, mặc dù. Đầu tiên, chúng dựa trên lượt, điều đó có nghĩa là AI không bị căng thẳng để đưa ra quyết định trong một môi trường thay đổi liên tục. Thứ hai, AI có quyền truy cập vào tất cả các thông tin trong môi trường (trong trường hợp này là hội đồng quản trị) và không phải đoán hoặc chấp nhận rủi ro dựa trên các yếu tố không xác định.

Xem xét điều này, một AI có tên Libratus đã tạo ra bước đột phá tiếp theo trong nghiên cứu trí tuệ nhân tạo bằng cách đánh bại những người chơi giỏi nhất tại Texas Hold 'Em poker. Được phát triển bởi các nhà nghiên cứu tại Carnegie Mellon, Libratus cho thấy AI có thể cạnh tranh với con người trong các tình huống mà nó có quyền truy cập vào một phần thông tin. Libratus đã sử dụng một số kỹ thuật AI để học poker và cải thiện lối chơi của nó khi kiểm tra chiến thuật của đối thủ người.

Trò chơi video thời gian thực là biên giới tiếp theo của AI và OpenAI không phải là tổ chức duy nhất tham gia vào lĩnh vực này. Facebook đã thử nghiệm dạy AI chơi trò chơi chiến lược thời gian thực StarCraft và DeepMind đã phát triển một AI có thể chơi trò chơi bắn súng góc nhìn thứ nhất Quake III. Mỗi trò chơi đưa ra một loạt thách thức riêng, nhưng mẫu số chung là tất cả chúng đều thể hiện AI với môi trường nơi chúng phải đưa ra quyết định trong thời gian thực và thông tin không đầy đủ. Hơn nữa, họ cho AI một đấu trường nơi nó có thể kiểm tra sức mạnh của nó trước một nhóm đối thủ và tự học cách làm việc theo nhóm.

Cho đến nay, không ai đã phát triển AI có thể đánh bại những người chơi chuyên nghiệp. Nhưng thực tế rằng AI đang cạnh tranh với con người trong các trò chơi phức tạp như vậy cho thấy chúng ta đã đi được bao xa trong lĩnh vực này.

Trò chơi giúp phát triển AI trong các lĩnh vực khác

Trong khi các nhà khoa học đã sử dụng các trò chơi làm thử nghiệm để phát triển các kỹ thuật AI mới, thành tựu của họ không bị giới hạn trong các trò chơi. Trên thực tế, AI chơi trò chơi đã mở đường cho những đổi mới trong các lĩnh vực khác.

Năm 2011, IBM đã giới thiệu một siêu máy tính có khả năng xử lý và tạo ngôn ngữ tự nhiên (NLG / NLP) và được đặt theo tên của cựu CEO Thomas J Watson của công ty. Máy tính đã chơi trò chơi đố vui trên chương trình truyền hình nổi tiếng Jeopardy chống lại hai trong số những người chơi giỏi nhất thế giới và giành chiến thắng. Watson sau đó trở thành nền tảng cho một dòng dịch vụ AI khổng lồ của IBM trong các lĩnh vực khác nhau bao gồm chăm sóc sức khỏe, an ninh mạng và dự báo thời tiết.

DeepMind đang sử dụng kinh nghiệm của mình từ việc phát triển AlphaGo để sử dụng AI trong các lĩnh vực khác, nơi học tập củng cố có thể giúp đỡ. Công ty đã khởi động một dự án với National Grid UK để sử dụng AlphaGo thông minh để cải thiện hiệu quả của lưới điện Anh. Google, công ty mẹ của DeepMind, cũng đang sử dụng kỹ thuật này để cắt giảm chi phí điện của các trung tâm dữ liệu khổng lồ của mình bằng cách tự động hóa việc kiểm soát tiêu thụ phần cứng khác nhau của nó. Google cũng đang sử dụng học tăng cường để đào tạo robot, một ngày nào đó sẽ xử lý các đối tượng trong các nhà máy.

• Trí tuệ nhân tạo có vấn đề về thiên vị và đó là lỗi của chúng tôi Trí thông minh nhân tạo có vấn đề về thiên vị và đó là lỗi của chúng tôi
• Trí tuệ nhân tạo của IBM tham gia vào cuộc tranh luận về con người Champs Trí tuệ nhân tạo của IBM thực hiện cuộc tranh luận về con người
• Tại sao AI phải tiết lộ rằng đó là AI Tại sao AI phải tiết lộ rằng đó là AI

Thư viện , AI chơi bài xì phé, có thể giúp phát triển các loại thuật toán có thể giúp ích trong các tình huống khác nhau như đàm phán chính trị và đấu giá, trong đó AI phải chấp nhận rủi ro và hy sinh ngắn hạn để đạt được lợi ích lâu dài.

Tôi vì một người đang mong chờ được xem OpenAI Five sẽ biểu diễn như thế nào trong cuộc thi Dota 2 của tháng 8. Mặc dù tôi không quan tâm đặc biệt đến việc liệu các mạng lưới thần kinh và các nhà phát triển của nó có mang về giải thưởng 15 triệu đô la hay không, tôi rất muốn xem những cửa sổ mới mà những thành tựu của nó sẽ mở ra.