Почему ученые-компьютерщики одержимы созданием искусственного интеллекта, который может играть в игры (например, в шахматы и Го)?
Южнокорейский профессиональный игрок в Го Ли Се Дол (R) готовится к своему матчу против программы искусственного интеллекта Google AlphaGo во время матча Google DeepMind Challenge 10 марта 2016 года в Сеуле, Южная Корея. (Фото Google через Getty Images)
“В жизни, в отличие от шахмат, игра продолжается после мата” — Айзек Азимов.
Историк и технолог Дэвид Най утверждал, что “значение инструмента неотделимо от историй, которые его окружают”. В контексте искусственного интеллекта (ИИ) в этих историях доминировали игры, в которые играют системы ИИ.
Все началось с Механического Турка, шахматной “машины”, представленной в конце 18 века. Хотя так называемая машина была мистификацией, она создала прецедент-можно даже сказать, инициировала одержимость — для компьютерных ученых на века вперед. По словам Натана Энсменгера, профессора компьютерных наук в Университете Индианы, многие в компьютерном сообществе считали, что, как только машина овладеет шахматами — “интеллектуальной игрой по преимуществу”, по словам Нобелевского лауреата Герберта Саймона, — “казалось бы, можно проникнуть в суть интеллектуальных усилий человека”.
В 1965-1966 годах советский математик Александр Кронрод назвал шахматы “дрозофилой ИИ”. Под этим он подразумевал, что игра была для исследований искусственного интеллекта тем же, чем дрозофила была для генетических исследований: испытательным стендом для самых больших идей в этой области, одновременно достаточно доступным, чтобы легко экспериментировать, и достаточно сложным, чтобы учиться. Плодовые мушки легко содержатся в небольшой лаборатории, имеют короткий репродуктивный цикл от одной до двух недель (что позволяет исследователям изучать несколько поколений в течение нескольких месяцев) и содержат более 60% генов, вызывающих болезни у людей. Как отмечает Дэвид Билдер, бывший президент Национального совета директоров по дрозофилам, исследования плодовых мух так или иначе привели к пяти Нобелевским премиям за последние 85 лет. Ученые-компьютерщики полагали, что шахматы могут оказать аналогичное влияние на ИИ. Энсменгер отметил несколько лет назад, что “Это редкая дискуссия об ИИ, будь то историческая, философская или техническая, которая в конечном итоге не доходит до компьютеров, играющих в шахматы”.
И не только ученые-компьютерщики были убеждены в том, что шахматы-это альфа и омега ИИ. Когда 11 мая 1997 года компьютер IBM Deep Blue победил Гарри Каспарова, средства массовой информации и общественность отреагировали с энтузиазмом. Это, казалось, доказывало законность компьютеров, демонстрируя, что теперь они могут подражать и даже превосходить людей в задаче, которая была как математически, так и технически сложной, но также включала в себя столько же искусства, сколько и науки. Был ли HAL 9000 Кубрика прямо за углом?
Когда первоначальное волнение улеглось, критики начали задаваться вопросом, что на самом деле означало это достижение для машинного интеллекта. Джон Маккарти, организатор первой в мире научной конференции в Дартмуте, написал в статье, опубликованной в журнале Science в 1997 году, что “Компьютерные шахматы развились настолько, насколько могла бы развиться генетика, если бы генетики сосредоточили свои усилия, начиная с 1910 года, на разведении гоночных дрозофил. У нас была бы какая-то наука, но в основном у нас были бы очень быстрые плодовые мушки”.
Другие разделяли эту критику. В 1990 году профессор Массачусетского технологического института Родни Брукс утверждал, что одержимость этой области играми была проблематичной, поскольку она привязывала интеллект к системам символов, а не к той физической реальности, которая поддерживает и продвигает человеческий интеллект. “Традиционный ИИ попытался продемонстрировать сложные рассуждения в довольно бедных областях”, - написал Родни Брукс в статье под названием “Слоны не играют в шахматы”. Программисты, по его словам, должны стремиться к ИИ, который выполняет более простые задачи, такие как понимание языка или манипулирование объектами в физическом мире, чем победа в шахматных турнирах, но который работает “надежно в шумных сложных областях”, а не “море символов”, которые предоставляют игры. Программисты, однако, не прислушались к его совету. Игры удобно предлагали условия, в которых системы искусственного интеллекта могли конкурировать с людьми высшего ранга-и друг с другом — для легкой количественной оценки прогресса.
Опасность станет их следующим пробным камнем. В 2011 году IBM Watson, система обработки естественного языка (NLP) и ответов на вопросы, построенная на суперкомпьютере, решила победить Кена Дженнингса и Брэда Раттера, двух лучших игроков в истории популярного телевизионного игрового шоу. Исследования показали, что для того, чтобы превзойти человеческую опасность чемпионы, компьютер должен был бы быть гораздо более многогранным, чем Deep Blue в 1997 году. Например, поворот не находится под угрозой. Вместо этого игрок должен очень быстро решить, насколько он уверен в том, что это будет правильно. Он также должен был уметь выбирать категории и подсказки, а также разрабатывать стратегии отыгрыша. Уотсон был в состоянии справиться со всеми этими задачами. Когда игра закончилась, компьютер выиграл 77 147 долларов, Дженнингс-24 000 долларов, а Раттер-21 600 долларов. Дженнингс отреагировал на свое поражение с хорошим юмором. В конце своего последнего ответа на угрозу, транслируемого в прямом эфире, он написал: “Я, например, приветствую наших новых компьютерных повелителей”.
В 2014 году Google купила британский стартап DeepMind, компанию, специализирующуюся на исследованиях искусственного интеллекта и нейронных сетях, и обратила свое внимание на новую игровую доску — Go. Его программа AlphaGo обыграла действующего чемпиона Go Ли Седола со счетом четыре игры к одной.
Недавно исследовательская группа из CMU создала бота для игры в покер, который обыграл лучших профессионалов в безлимитном техасском холдеме с шестью игроками. В отличие от шахмат и игры, в которой вы знаете точное положение своих фигур и фигур противника в любой момент времени (т. е. Игры с совершенной информацией), Покер-это игра с несовершенной информацией. У вашего противника есть скрытые карты, которые влияют на их игровой процесс в будущем. Наличие искусственного интеллекта, который может хорошо играть в покер, является огромным шагом вперед, потому что большинство взаимодействий в реальном мире (например, рассмотрите возможность переговоров с контрагентом) связано с несовершенной информацией.
Так что же будет дальше, если ИИ сможет победить людей даже в покер? Какая игра подтолкнет машины к новым уровням человечности, чтобы превзойти людей? История вычислительной техники показала, что то, что мы завоевываем, определяет, куда мы пойдем дальше.
Недавно я разговаривал с Джеймсом Барратом, режиссером-документалистом и автором Последнего изобретения. В какой-то момент разговора возникла тема игр, и я спросил его, какой из них, по его мнению, могли бы заняться компьютерные ученые и их системы искусственного интеллекта теперь, когда даже Go был завоеван. Он откинулся на спинку стула, обдумал это и, наконец, сказал то, что я не смог забыть: “Я не думаю, что остались какие-либо игры. Следующая игра-это реальность".
Этот пост основан на главе из моей книги "Руководство человека по машинному интеллекту".