Efektownym osiągnięciem ostatnich lat był projekt DeepMind i AlphaGo co pozwoliło na pokonanie najlepszych graczy w GO spośród ludzi. Wygrana komputera w GO z człowiekiem podobnie jak poprzednio szachy było kolejną "barierą psychologiczną", gdyż do tej pory komputery grały w GO na poziomie amatorskim. Można spotkać się z opinią, że gracze GO poza logiką i strategią często posługują się intuicją. Rośnie zarówno wydajność obliczeniowa komputerów jak i efektywność metod uczenia maszynowego, można spodziewać się spektakularnych osiągnięć w dziedzinie ANN. Warto dodać, że projekt DeepMind zaczynał od nauki ANN gry na podstawie kilkudziesięciu prostych gier 2D z platformy Atari. System musiał analizować treść ekranu i sam ustalić zasady gry kierując się otrzymaniem maksymalnej liczby punktów, po 24 godzinach treningu system był w stanie grać np. w Space Invaders na poziomie nieosiągalnym dla większości ludzi... Metoda okazała się na tyle elastyczna, że po zastosowaniu w AlphaGo podczas gry z ludzkim przeciwnikiem Lee Sedol jeden jeden z ruchów maszyny był całkowicie zaskakujący dla obserwujących. Ten "nieludzki ruch" okazał się być kluczem do dalszej wygranej, to jest etap gdy przegrywamy z komputerowym przeciwnikiem i dodatkowo nie do końca rozumiemy jego sposobu gry. Podobnie podczas eksperymentu Facebooka o mniejszym znaczeniu gdy dwa chatboty zaczęły komunikować się ze sobą językiem niezrozumiałym dla ludzi. Kolejny projekt AlphaGo Zero zakładał wyszkolenie maszyny bez użycia danych o przebiegu ludzkich rozgrywek GO. To podejście podobne jak z testami opartymi o proste gry 2D, na początku zostały dostarczone jedynie proste zasady gry GO i kryterium optymalizacji czyli wygrana.
Efekty rozwoju AlphaGo Zero:
- 3 dni poziom AlphaGo Lee (AlphaGo Lee wygrane 4:1 z Lee Sedol)
- 21 dni poziom AlphaGo Master (AlphaGo Master 60:0 z profesjonalnymi graczami)
- 40 dni poziom przekraczający wszystkie poprzednie wersje AlphaGo, wygrane 100:0 z AlphaGo Lee, nie ma odpowiednika poziomu na "ludzkiej" skali, AlphaGo Zero stosuje nieznane wcześniej strategie gry...
Tutaj animacja jak to wyglądało w czasie: Link
Wniosek jest ciekawy pojawiają się wyspecjalizowane narzędzia do rozwiązywania określonych problemów, które w ciągu 3 dni potrafią osiągnąć poziom człowieka, który trenował przez wiele lat i jest mistrzem.
Tu pojawia się pytanie co jest bardziej opłacalne szkolić człowieka przez wiele lat czy zaufać AI, które będzie osiągać wybitne efekty chociaż może się zdarzyć, że nie będziemy rozumieli dlaczego.
Prawdopodobnie pojawiają się pytania czy w przyszłości takie rozwiązania zastąpią inżynierów, programistów, lekarzy diagnostów, detektywów, prawników, dziennikarzy i innych przedstawicieli zawodów specjalistycznych?
Od dawna budujemy wyspecjalizowane maszyny, które są szybsze i dokładniejsze od człowieka (np. maszyna pick and place) lub wielokrotnie silniejsze od człowieka. Automatyzacja produkcji pozbawiła zapewne pracy wiele ludzi ale powstały nowe zawody gdyż linia produkcyjna sama się nie naprawi i nie zaprojektuje (przynajmniej obecnie).
Jak widać kluczem do "pokonania" człowieka we wszystkich przykładach jest specjalizacja, próby np. BostonDynamics są imponujące ale nadal daleko do sprawności i uniwersalności ludzkiej dłoni lub ogólnie ludzkiej motoryki.
Pytanie czy kiedyś powstanie AGI? (Artificial General Intelligence) czyli sztuczna inteligencja ogólnego przeznaczenia czyli AI, które podobnie jak człowiek może podejmować się zróżnicowanych zadań.
Drugie pytanie jakie się pojawia to czy AGI będzie mogła rozwijać się z zaskakującą szybkością i efektami podobnie jak AlphaGo Zero?
Ale obecnie to strefa science fiction.
Co myślicie o tym temacie?
Źródło:
https://pixabay.com/pl/a-i-ai-anatomia-2729782/
