Las IA están ganando 5 veces cuando las computadoras vencen a los humanos

La inteligencia artificial es la frontera de la informática. La ciencia ha avanzado lo suficiente como para que la IA nos esté ganando en nuestro propio juego, o deberíamos decir, juegos. Algunas personas pueden temer el surgimiento de Skynet He aquí por qué los científicos piensan que debería preocuparse por la inteligencia artificial He aquí por qué los científicos piensan que debería preocuparse por la inteligencia artificial ¿Cree que la inteligencia artificial es peligrosa? ¿La IA puede representar un grave riesgo para la raza humana? Estas son algunas razones por las que es posible que desee preocuparse. con cada evolución de la IA, pero somos un poco más optimistas.

AlphaGo es la última IA en vencer a un humano en un juego de mesa, pero proviene de un largo pedigrí. Aunque estas cinco máquinas comenzaron como programas especialmente diseñados, algunos han encontrado una segunda vida que va más allá de sus llamamientos originales..

En este artículo, revisaremos cada vez que un humano brillante se pierda en una computadora y examinaremos qué le dio a cada una de esas computadoras su ventaja decisiva.

1. Deep Blue, el maestro del ajedrez

Deep Blue de IBM y Garry Kasparov tuvieron una de las primeras batallas de alto perfil entre el hombre y la máquina. Kasparov perdió, por supuesto, pero tenían un poco de historia complicada..

Después de que Kasparov venció por primera vez al hermano pequeño de Deep Blue, Deep Thought, en 1989, IBM regresó con su nuevo y mejorado Deep Blue en 1996. Kasparov perdió un juego de apertura, empató un segundo, pero luego ganó tres juegos consecutivos para llevarse el partido.

No fue sino hasta una segunda revancha en 1997 que Deep Blue superó a Kasparov, ganando un partido de seis juegos por un juego.

Kasparov dijo que vio inteligencia en el juego de Deep Blue y acusó a IBM de intervenir. los “inteligencia” fue en realidad un error que causó que Deep Blue actuara fuera de lugar. Básicamente, la IA era bastante primitiva, la fuerza bruta se abría paso a través de posibles movimientos y resultados ...

... y si no pudo encontrar una opción óptima, eligió al azar.

Para cada uno de sus movimientos, Deep Blue modeló todos los movimientos posibles y las respuestas de Kasparov. Fue capaz de modelar hasta veinte movimientos por delante, evaluando millones de posibles posiciones por segundo. Ese modelado requería hardware capaz de un potente procesamiento paralelo.

El procesamiento paralelo está dividiendo las tareas en tareas informáticas más pequeñas y completando esas tareas al mismo tiempo. Los datos resultantes se compilan nuevamente para el resultado.

Entre los dos partidos, Deep Blue recibió una importante actualización de hardware. El hardware ganador fue un sistema de 30 nodos que se ejecuta en la plataforma Power PC de IBM. Cada nodo tenía procesadores secundarios dedicados a las instrucciones de ajedrez. 10 formas creativas de sobrealimentar su entrenamiento de ajedrez. diversión y creatividad en tu entrenamiento de ajedrez. .

Todo combinado, Deep Blue tenía 256 procesadores trabajando en paralelo.

Hay descendientes de este hardware que trabajan en centros de datos, pero el verdadero legado de Deep Blue es Watson, el campeón de Jeopardy. Finalmente, IBM puso a Deep Blue a trabajar en modelos financieros, minería de datos y descubrimiento de fármacos, todas las áreas que necesitan simulaciones a gran escala.

2. Polaris, el campeón de póker

La Universidad de Alberta creó Polaris, la primera IA en vencer a los profesionales del póker en un torneo. Los investigadores eligieron una variante de Texas Hold 'Em para su IA, ya que depende menos de la suerte.

Polaris se enfrentó a jugadores de póker dos veces. El primero fue en 2007 contra dos jugadores. Las manos se repartieron previamente: Polaris tenía un juego de cartas cuando se enfrentaba a un jugador, y la mano inversa cuando jugaba con el otro jugador (para controlar la suerte).

Más tarde, Polaris se reorganizó para un torneo de 2008 contra seis jugadores. Este también era un conjunto de juegos pre-repartidos. Polaris empató en el primer juego y perdió el segundo, pero finalmente ganó el torneo, viniendo desde atrás y ganando dos juegos consecutivos.

A diferencia del ajedrez, el póker no puede ser forzado a través del modelado porque la IA tiene una imagen limitada del juego: no tiene idea de las manos de sus oponentes.

Las ofertas de cartas son casi infinitamente únicas, lo que hace que el modelado sea aún menos efectivo. Las mismas cartas pueden ser una mano buena o sin valor, solo dependiendo de las otras cartas repartidas. El farol presenta otro problema para la IA ya que apostar solo no es un buen indicador de la fuerza de la mano.

Polaris es una combinación de varios programas, que se llaman agentes. Cada uno de estos programas tenía su propia estrategia, y había otro agente que elegiría cuál de ellos era el mejor para cualquier mano..

Las estrategias utilizadas para dividir el juego de póker son variadas y requieren una teoría del juego. La idea básica es descubrir cuál sería la mejor estrategia de cada jugador en función de todos los datos disponibles, y Polaris logró esto a través de una técnica llamada ceder.

Bucketing se usa para clasificar las manos de cartas en función de la fuerza. Permitió a Polaris reducir la cantidad de puntos de datos necesarios para realizar un seguimiento del juego. Luego usó la probabilidad de todos los otros cubos posibles disponibles, derivando estos de las cartas visibles.

Polaris tenía una configuración de hardware única: un grupo de 8 computadoras con cada una de ellas con 4 CPU y 8 GB de RAM. Estas máquinas ejecutaron las simulaciones necesarias para crear los cubos y las estrategias para cada agente..

Desde entonces, Polaris evolucionó hacia otro programa llamado Cepheus, llegando a ser tan avanzado que los investigadores ahora han declarado que Texas Hold 'Em es “débilmente resuelto”.

Los juegos son “resuelto” cuando los algoritmos pueden determinar el resultado de un juego desde cualquier posición. Un juego es “débilmente resuelto” cuando el algoritmo no puede explicar el juego imperfecto. Puedes probar suerte contra Cefeo aquí.

3. Watson, el genio del peligro

Las victorias de la IA hasta este momento en la historia han sido juegos discretos, por lo que la victoria de Watson es un hito para la gente común: Watson llevó la batalla de la IA directamente a las salas de estar de Estados Unidos..

Jeopardy es un programa de juegos muy conocido por sus desafiantes trivias, y tiene una peculiaridad única: las pistas son las respuestas y los concursantes tienen que formular las preguntas.. Una verdadera prueba para Watson, quien se enfrentó a los conocidos campeones de Jeopardy, Brad Rutter y Ken Jennings..

Rutter fue el campeón de dinero de todos los tiempos y Ken Jennings tuvo la racha ganadora más larga. Un tercero eligió una variedad aleatoria de preguntas de episodios anteriores para asegurarse de que las preguntas no se escribieran para ayudar o explotar a Watson.

Watson ganó tres juegos consecutivos, uno de práctica y dos televisados, pero hubo algunas peculiaridades extrañas en algunas de las respuestas de Watson. Por ejemplo, justo después de que Jennings respondiera mal una pregunta, Watson respondió con la misma respuesta incorrecta.

Sin embargo, lo que hizo único a Watson fue su capacidad de utilizar el lenguaje natural.. IBM llamó a esto Deep QA, que significaba “pregunta contestando”. El logro clave fue que Watson podía buscar respuestas con contexto, no solo relevancia de palabras clave.

El software es una combinación de sistemas distribuidos. Hadoop y Apache UIMA trabajan juntos para indexar los datos y permiten que los distintos nodos de Watson trabajen juntos.

Al igual que Deep Blue, Watson se creó en la plataforma Power PC de IBM. Watson era un clúster de 90 núcleos con 16 TB de RAM. Para los juegos de Jeopardy, todos los datos relevantes fueron cargados y almacenados en la RAM.

¿Qué datos relevantes? Bueno, Watson tenía acceso al texto completo de Wikipedia.. Tenía una variedad de diccionarios, tesauros, enciclopedias y otros materiales de referencia. Watson no tuvo acceso a Internet durante el juego, pero todos los datos locales eran de aproximadamente 4 TB.

Más recientemente, Watson se ha utilizado para analizar y sugerir opciones de tratamiento para pacientes con cáncer. La última empresa de Watson está ayudando a crear aplicaciones de aprendizaje personalizadas para niños. Incluso hay intentos de entrenar a Watson para cocinar Watson de IBM creó mi comida de acción de gracias: esto es lo que sucedió Watson de IBM creó mi comida de acción de gracias: esto es lo que sucedió La inteligencia artificial de IBM conocida como Watson puede hacer muchas cosas inteligentes, pero puede crear comida única de Acción de Gracias? Lo intento Mira qué pasa! !

4. Deepmind, el autoaprendizaje

Deepmind de Google finalmente puede darle a los nerds algo de qué preocuparse porque está venciendo a los humanos en los juegos clásicos de Atari. Aquí hay 7 de los mejores archivos de Internet que traen 900 juegos clásicos de arcade a su navegador. Aquí hay 7 de los mejores Arcade de tu ciudad puede haber cerrado a mediados de los 90, pero eso no debería impedirte que arregles tus juegos clásicos. - Bueno, ciertos juegos al menos. La humanidad aún mantiene su ventaja en juegos como Asteroid y Gravitar.

Deepmind es una red neuronal AI. Las redes neuronales son IA que se crean para imitar la forma en que funciona la mente humana, lo que hace al crear virtual “neuronas” usando la memoria de la computadora.

Deepmind pudo analizar cada píxel de la pantalla, decidir la mejor acción a tomar en las condiciones ganadoras y luego responder con la entrada del controlador.

La IA aprendió juegos usando una variante de Q-Learning llamada Deep Learning. Este es un método de aprendizaje en el que la IA retiene la mejor decisión tomada en una situación determinada, luego la repite cuando se encuentra con la misma situación.

Sin embargo, la variante de Deepmind es única porque agrega fuentes de memoria externas..

Este sistema de información retenida permitió a Deepmind dominar los patrones de algunos juegos de Atari, e incluso lo condujo a encontrar la estrategia óptima de Breakout por sí solo..

¿Por qué Deepmind se desempeñó mal en ciertos juegos? Por la forma en que juzgaba las situaciones. Resulta que Deepmind solo podía analizar cuatro cuadros a la vez, lo que limitaba su capacidad de navegar laberintos o reaccionar rápidamente.

Además, Deepmind tuvo que aprender cada juego desde cero y no pudo aplicar las habilidades de un juego a otro.

5. Alpha Go, lo increíble

AlphaGo es otro proyecto de DeepMind y es notable porque logró vencer a dos campeones profesionales de Go El avance de la IA de Google: lo que significa y cómo te afecta El avance de la IA de Google: lo que significa y cómo te afecta - Fan Hui y Lee Sedol - al ganar sus partidos 5-0 y 4-1, respectivamente.

Según los jugadores y comentaristas del partido, todos dijeron que la IA jugó de manera conservadora, lo cual no es sorprendente porque estaba programada para favorecer movimientos seguros que garantizarían la victoria sobre movimientos arriesgados que garantizarían más puntos.

Una vez se pensó que Go estaba fuera del alcance de la IA, pero Alpha Go ahora es la primera IA en ser clasificada profesionalmente en el juego.

El juego tiene una configuración simple: dos jugadores intentan conquistar el tablero con piedras blancas y negras. El tablero es una cuadrícula de 19 x 19 con 361 intersecciones, y la colocación de piedras determina el territorio de cada jugador. El objetivo es terminar con más territorio que el otro..

El número de movimientos potenciales y estados de juego es masivo, por decir lo menos. Sí, mucho más grande que el ajedrez, si te estabas preguntando.

Alpha Go utiliza el sistema de aprendizaje profundo Deep AI mencionado anteriormente, lo que significa que Alpha Go guarda la memoria de los juegos que juega y los estudia como experiencia. Luego busca a través de ellos, seleccionando la opción que tenga la mayor cantidad de resultados potenciales positivos.

Alpha Go necesita mucha potencia de la computadora para ejecutar su algoritmo de cálculo pesado. La versión que jugó los partidos se ejecutó en un conjunto distribuido de servidores con un total de 1.920 CPU y 280 GPU, una enorme cantidad de energía que permitió 64 hilos de búsqueda simultáneos durante el juego.

Al igual que Watson, DeepMind se dirige a la escuela de medicina.. Deepmind anunció una asociación con el NHS del Reino Unido para analizar los registros de salud. El proyecto, Streams, ayudará a identificar pacientes en riesgo de daño renal.

La inteligencia artificial se está volviendo seria

Actualmente hay mucha investigación sobre IA.

Google espera que la IA pueda ayudar a su negocio de búsqueda. Un proyecto llamado Rankbrain está buscando usar IA para mejorar la efectividad de Page Rank. Microsoft y Facebook lanzaron chatbots. Tesla está a la vanguardia con su modo de conducción automática, y Google está justo detrás con sus autos autónomos..

Puede ser difícil ver la conexión entre estos proyectos y el entrenamiento de una IA para ganar juegos, pero cada una de estas IA ha dado forma al aprendizaje automático de alguna manera.

A medida que el campo ha evolucionado, ha permitido que las IA trabajen con conjuntos de datos más complejos. Ese número casi infinito de movimientos en Go puede traducirse en el número casi infinito de variables en el camino abierto. Entonces, en realidad, estos juegos son solo el comienzo: una fase de práctica, si quieres.

Lo realmente interesante está a la vuelta de la esquina, y es muy posible que podamos experimentarlo todo de primera mano..

¿Qué te emociona de la IA? ¿Hay algún juego que creas que la IA finalmente no pueda conquistar? Háganos saber en los comentarios.

Crédito de la imagen: David Pacey a través de Flickr, Debbie Miesel a través de IBM, CPRG a través de la Universidad de Alberta, Play Among Friends Paf a través de Flickr, Mr Seb a través de Flickr, Matt Brown a través de Flickr, Jiuguang Wang a través de Flickr