или войти через:
Ваша корзина пока пуста
favorite_border
Доступно только зарегистрированным пользователям

Третье поколение ИИ, которое самостоятельно изучает правила любой игры

schedule 26.02.2015 в 12:01 link Stanford University
Компьютерные алгоритмы, способные играть в шашки или покер Техас Холдем, до сих пор очень успешны и эффективны благодаря вычислению лучших стратегий заранее. Но некоторые программисты хотят создать другую форму искусственного интеллекта, который сможет играть в любую новую игру, не будучи с ней заранее знакомым - General game-playing AI, - сообщает Robotics.ua.



Программное обеспечение стояло бы перед противниками, зная лишь  свод правил игры. ИИ, который может приспособиться достаточно хорошо, чтобы играть в новые игры без предварительной подготовки, потенциально может преуспеть в адаптации к правилам общества в таких областях, как корпоративное право или правительственные постановления.

Эта идея ИИ, способного играть во все игры, получила одобрение, поддержку и жизнь в International General Game Playing Competition, соревнованиях с призовым фондом в 10,000 долларов, которые проводятся ежегодно с 2005 года. ИИ-участники соревнования должны проанализировать незнакомую игру — разновидность шахмат — в течение 5 или 10 минут. Затем у каждого из них есть всего одна минута для того, чтобы сделать ход. Эти соревнования требуют совсем иного подхода от ИИ, отличающегося от подхода  специализированных алгоритмов, которые исчерпывающе анализируют почти каждую возможную игру за дни или недели.

“Возникает вопрос, где интеллект в искусственном интеллекте”, говорит Michael Genesereth, программист в Стэнфордском университете. “Он находится в программе, которая следует алгоритму действий или в программисте, который изобрел алгоритм и понимает правила для того, чтобы играть в игры?”

Genesereth недавно представил последние достижения в области ИИ для разнообразных игр, на  29 конференции Association for the Advancement of Artificial Intelligence , проводимой с 25 по 30 января   в Остине, Техас. Последние чемпионы General Game Playing представили третье поколение ИИ.

В чем залог успеха General game-playing AI

Идея ИИ, который играет во все игры, берет свое начало в идеях  программиста John McCarthy, которые он высказал еще в 1958 и тогда же ввел термин “искусственный интеллект”. Маккарти предположил “берущего совета” ИИ, который мог не полагаться на пошаговую инструкцию  программиста, чтобы заняться новыми сценариями, но вместо этого мог приспособить свое  поведение в зависимости от ситуации.  Если перефразировать слова писателя-фантаста Роберта Хайнлайна, такой Искусственный Разум смог бы  вести себя как приспосабливаемый человек, который может “написать сонет,  оплатить банковский счет, построить стену, вправить кость”, а не просто выполнить единственную задачу как специализированное насекомое.

Программисты используют соревнования, основанные на играх, таких как tic-tac-toe и шахматы для  оценки их прогресса. Но ИИ для всех игр вряд ли смог бы конкурировать со специализированными алгоритмами. Те специализированные алгоритмы запрограммированы, чтобы не ошибиться, они обладают всей информацией о возможных и потенциальных ходах, сделанных противниками на каждой стадии игры. Такой исчерпывающий подход часто требует интенсивных супервычислительных ресурсов.

Для сравнения, неспециализированный игровой ИИ  может легко учиться играть в новые игры самостоятельно , делая эквивалент перевода свода правил игры на Язык Описания Игры, язык программирования, который он может понять. Это означает, что общеигровой ИИ может положиться всего на одну страницу правил изучая игры, включающие тысячи информационных состояний; шахматы, например, могут быть описаны с помощью всего четырех страниц таких правил.

Большинство ИИ имеют тенденцию попадать в категории специализированных алгоритмов, следующих предопределенным инструкциям. Некоторые из них используют популярный подход, известный как машина, учащаяся медленно приспосабливаться к новым сценариям; они - в некотором смысле, виртуальные новорожденные, которые ничего не знают и должны изучить все для себя. ИИ для всех игр обеспечивает альтернативный подход, включая имеющиеся знания вместо того, чтобы изучать все самостоятельно.

“Я думаю, что нам нужен некоторый баланс  между машиной, которая ничего не знает и только узнает о мире”, говорит Genesereth, “и  машиной, которую наполнили человеческими знаниями”.

От первого до третьего поколения ИИ

Первое поколение общеигровых ИИ сосредоточилось на увеличении шагов, доступных себе и ограничению шагов, доступных противникам. Такой подход имел ограниченный успех; компьютерные программы все еще пытались победить людей во время первых  “Carbon versus Silicon”  соревнованиях, проведенных параллельно с General Game Playing в 2005. С того времени люди больше никогда не побеждали своих кремниевых коллег.

Начавшись в 2007, второе поколение ИИ использовало популярный метод поиска Монте-Карло, проверяя случайные ходы геймплея и сравнивая конечные результаты, и решать, какие шаги  наиболее вероятно приведут к победе. Это повысило показатели успешности Искусственного Разума второго поколения, но все еще демонстрировало  несовершенный подход.

Третье поколение ИИ, которое одержало победу в соревнованиях , может означать, что надежда есть, говорит Генезерет. Такой ИИ сосредотачивается лучшей обработке информации о правилах игры вначале, чтобы затем играть более эффективно. Это изменение смогло позволить такому ИИ  играть не только в «долгоиграющие» игры типа шахмат, а сосредоточиться на тех, которые требуют скорости и быстрых решений, типа шутеров от первого лица.

Программы третьего поколения уже могут позволить использовать их не только для игр, но и для более серьезного применения, например, юридического анализа правительственных и корпоративных правил. Для Genesereth это всегда было главной целью и теперь он уверен, что третье поколение сможет принести огромную пользу для общества.

Комментарии: