Les IA gagnent 5 fois lorsque les ordinateurs battent les humains

L'intelligence artificielle est la frontière de l'informatique. La science a suffisamment avancé pour que l'IA nous bat à notre propre jeu - ou devrions-nous dire, jeux. Certaines personnes craignent peut-être la montée de Skynet Voici pourquoi les scientifiques pensent que vous devriez être inquiet pour l'intelligence artificielle Voici pourquoi les scientifiques pensent que vous devriez être inquiet pour l'intelligence artificielle Pensez-vous que l'intelligence artificielle est dangereuse? L'IA peut-elle poser un risque grave pour la race humaine? Voici quelques raisons pour lesquelles vous voudrez peut-être vous inquiéter. Lisez plus avec chaque évolution de l'IA, mais nous sommes un peu plus optimistes.

AlphaGo est la dernière intelligence artificielle à battre un humain dans un jeu de société, mais elle provient d'un long pedigree. Bien que ces cinq machines aient démarré sous la forme de programmes conçus à cet effet, certaines ont trouvé une deuxième vie qui dépasse leur vocation d'origine..

Dans cet article, nous allons passer en revue chaque fois qu'un humain brillant est perdu devant un ordinateur et examinerons ce qui a donné à chacun de ces ordinateurs son avantage décisif..

1. Deep Blue, le maître des échecs

Deep Blue d'IBM et Garry Kasparov ont eu l'une des premières batailles de haut niveau entre l'homme et la machine. Kasparov a perdu, bien sûr, mais ils avaient un peu d'histoire compliquée.

Après avoir d'abord battu Deep Thought, le petit frère de Deep Blue, en 1989, IBM est revenu avec son nouveau Deep Blue amélioré en 1996. Kasparov a perdu un premier match, à égalité une seconde, mais a ensuite remporté trois matchs consécutifs pour remporter le match..

Ce n’est qu’en 1997, Deep Blue a battu Kasparov, remportant un match de six matchs par match..

Kasparov a déclaré avoir vu des informations dans le jeu de Deep Blue et a accusé IBM d'intervenir. le “intelligence” C’est en fait un bug qui a poussé Deep Blue à agir en dehors du personnage. Fondamentalement, l'IA était plutôt primitive, la brute forçant son chemin à travers les mouvements possibles et les résultats…

… Et s'il ne trouvait pas le choix optimal, il choisissait au hasard.

Pour chacun de ses déplacements, Deep Blue modélisa tous les déplacements possibles et les réponses de Kasparov. Il a été capable de modéliser une vingtaine de mouvements, évaluant des millions de positions possibles par seconde. Cette modélisation nécessitait un matériel capable d'un traitement parallèle puissant.

Le traitement parallèle consiste à décomposer les tâches en tâches informatiques plus petites et à les exécuter en même temps. Les données résultantes sont ensuite compilées ensemble pour le résultat..

Entre les deux matches, Deep Blue a bénéficié d’une importante mise à niveau matérielle. Le matériel gagnant était un système à 30 nœuds fonctionnant sur la plate-forme IBM Power PC. Chaque nœud avait des processeurs secondaires dédiés aux instructions d’échecs. 10 façons créatives de surcharger votre entraînement d’échecs 10 façons créatives d’accentuer votre entraînement d’échecs Améliorer les échecs est normalement une pratique délibérée autour de nombreux jeux décourageants. Nous allons donc examiner quelques-uns des moyens que vous pouvez utiliser. plaisir et créativité dans votre entraînement aux échecs. Lire la suite .

Tous combinés, Deep Blue avait 256 processeurs travaillant en parallèle.

Des descendants de ce matériel travaillent dans des centres de données, mais le véritable héritage de Deep Blue est Watson, le champion de Jeopardy. Finalement, IBM a mis Deep Blue au service de la modélisation financière, de l’exploration de données et de la découverte de médicaments, domaines dans lesquels des simulations à grande échelle sont nécessaires..

2. Polaris, le champion de poker

L'Université de l'Alberta a créé Polaris, la première intelligence artificielle à battre les professionnels du poker lors d'un tournoi. Les chercheurs ont choisi une variante du Texas Hold 'Em pour leur intelligence artificielle, qui repose le moins sur la chance..

Polaris a affronté deux fois des joueurs de poker. La première était en 2007 contre deux joueurs. Les mains étaient pré-distribuées - Polaris disposait d'un jeu de cartes lorsqu'il faisait face à un joueur et de l'autre main lors du jeu avec l'autre joueur (pour contrôler la chance).

Polaris a ensuite été réorganisé pour un tournoi en 2008 contre six joueurs. C'était aussi un ensemble de jeux pré-distribués. Polaris a obtenu un match nul lors du premier match et a perdu le deuxième mais a finalement remporté le tournoi, en revenant de l'arrière et en gagnant deux matchs consécutifs..

Contrairement aux échecs, le poker ne peut pas être forcé brutalement par le biais de mannequins, car l'IA a une image limitée du jeu. Elle n'a aucune idée des mains de ses adversaires..

Les transactions de cartes sont presque uniques, rendant la modélisation encore moins efficace. Les mêmes cartes peuvent être une main bonne ou sans valeur, en fonction des autres cartes distribuées. Le bluff constitue un autre problème pour l'IA, car le fait de parier seul n'est pas un bon indicateur de la force de la main..

Polaris est une combinaison de plusieurs programmes, appelés agents. Chacun de ces programmes avait sa propre stratégie et il y avait un autre agent qui choisirait lequel de ces programmes était le meilleur pour une main donnée..

Les stratégies utilisées pour décomposer le jeu de poker sont variées et nécessitent une théorie de jeu. L'idée de base est de déterminer quelle est la meilleure stratégie de chaque joueur sur la base de toutes les données disponibles. Polaris a réalisé cela via une technique appelée seau.

Le seau est utilisé pour classer les mains de cartes en fonction de la force. Cela a permis à Polaris de réduire le nombre de points de données nécessaires au suivi de la partie. Ensuite, il a utilisé la probabilité que tous les autres compartiments possibles soient disponibles, en les dérivant des cartes visibles..

Polaris avait une configuration matérielle unique: un cluster de 8 ordinateurs avec chacun 4 processeurs et 8 Go de RAM. Ces machines ont exécuté les simulations nécessaires à la création des compartiments et des stratégies pour chaque agent..

Depuis lors, Polaris a évolué pour devenir un autre programme appelé Cepheus, devenant si avancé que les chercheurs ont maintenant déclaré le Texas Hold 'Em “faiblement résolu”.

Les jeux sont “résolu” quand les algorithmes peuvent déterminer le résultat d'un jeu à partir de n'importe quelle position. Un jeu est “faiblement résolu” lorsque l'algorithme ne peut pas expliquer le jeu imparfait. Vous pouvez tenter votre chance contre Céphée ici.

3. Watson, le génie de Jeopardy

Jusqu'à présent, les victoires d'Amnesty International étaient des jeux modestes. C'est pourquoi la victoire de Watson est un événement marquant pour les gens ordinaires: Watson a introduit la bataille de l'IA dans le salon de l'Amérique..

Jeopardy est un jeu télévisé très apprécié, réputé pour ses défis, et qui présente une bizarrerie unique: les indices sont les réponses et les candidats doivent poser les questions.. Un véritable test pour Watson, qui a affronté Brad Rutter et Ken Jennings, champions de Jeopardy bien connus..

Rutter était le champion de tous les temps et Ken Jennings avait la plus longue série de victoires. Une tierce partie a choisi un assortiment aléatoire de questions d'anciens épisodes pour s'assurer que les questions n'étaient pas écrites pour aider ou exploiter Watson..

Watson a remporté trois matchs consécutifs - un entraînement et deux télévisés - mais il y avait quelques bizarreries dans certaines réponses de Watson. Par exemple, juste après que Jennings ait répondu à une mauvaise question, Watson a répondu avec la même mauvaise réponse.

Cependant, ce qui rend Watson unique, c’est sa capacité à utiliser le langage naturel. IBM a appelé ce Deep QA, qui signifiait “question répondant”. La principale réalisation est que Watson puisse rechercher des réponses avec le contexte, pas seulement la pertinence des mots clés..

Le logiciel est une combinaison de systèmes distribués. Hadoop et Apache UIMA travaillent ensemble pour indexer les données et permettre aux différents nœuds de Watson de fonctionner ensemble.

Comme Deep Blue, Watson a été construit sur la plate-forme IBM Power PC. Watson était un cluster à 90 cœurs avec 16 To de RAM. Pour les jeux Jeopardy, toutes les données pertinentes ont été chargées et stockées dans la RAM..

Quelles données pertinentes? Eh bien, Watson a eu accès au texte intégral de Wikipedia. Il y avait un éventail de dictionnaires, thésaurus, encyclopédies et autres documents de référence. Watson n’avait pas accès à Internet pendant le jeu, mais toutes les données locales étaient d’environ 4 To..

Plus récemment, Watson a été utilisé pour analyser et suggérer des options de traitement pour les patients cancéreux. La dernière entreprise de Watson aide à créer des applications d'apprentissage personnalisées pour les enfants. Il y a même des tentatives pour entraîner Watson à cuisiner. Watson a créé mon repas de Thanksgiving - Voici ce qu'il s'est passé Watson a créé mon repas de Thanksgiving - Voici ce qui s'est passé L'intelligence artificielle d'IBM, appelée Watson, peut faire beaucoup de choses intelligentes, mais peut-elle créer une repas de Thanksgiving unique? Je l'essaie. Voyez ce qui se passe! Lire la suite !

4. L'esprit profond, l'auto-enseigné

Deepmind de Google pourrait enfin donner à nerds quelque chose d'inquiétant, car il bat les humains aux jeux classiques d'Atari. Internet Archive apporte 900 jeux d'arcade classiques à votre navigateur. Voici 7 de la meilleure archive Internet apporte 900 jeux d'arcade classiques à votre navigateur. Voici les 7 meilleurs de l'arcade L'arcade de votre ville s'est peut-être éteinte au milieu des années 90, mais cela ne devrait pas vous empêcher de résoudre vos problèmes de jeux classiques. Lire la suite - enfin, certains jeux au moins. L'humanité conserve toujours son avantage dans des jeux comme Asteroid et Gravitar.

Deepmind est un réseau de neurones IA. Les réseaux de neurones sont des IA conçues pour imiter le fonctionnement de l’esprit humain, en créant un environnement virtuel. “les neurones” en utilisant la mémoire de l'ordinateur.

Deepmind a pu analyser chaque pixel de l’affichage, décider de la meilleure action à prendre en fonction des conditions de victoire, puis répondre par une entrée du contrôleur..

L'IA a appris des jeux en utilisant une variante de Q-Learning appelée Deep Learning. Il s'agit d'une méthode d'apprentissage dans laquelle l'IA conserve la meilleure décision prise dans une situation donnée, puis la répète lorsqu'elle se retrouve dans la même situation..

La variante de Deepmind est unique, car, en ajoutant des sources de mémoire externes.

Ce système d’informations conservées a permis à Deepmind de maîtriser les schémas de certains jeux Atari, et même de le conduire à trouver seul la stratégie optimale de Breakout..

Pourquoi Deepmind at-il mal performé dans certains jeux? A cause de la façon dont il a jugé les situations. Il s'avère que Deepmind n’a pu analyser que quatre images à la fois, ce qui a limité sa capacité à naviguer dans les labyrinthes ou à réagir rapidement..

De plus, Deepmind devait apprendre chaque jeu à partir de zéro et ne pouvait pas appliquer les compétences d'un jeu à l'autre..

5. Alpha Go, l'incroyable

AlphaGo est un autre projet DeepMind et il est remarquable car il a réussi à battre deux champions professionnels de Go. La percée de Google dans l'IA: Qu'est-ce que cela signifie et comment cela vous affecte-t-elle? La percée de Google dans l'IA: Ce que cela signifie et comment cela vous affecte en remportant ses matchs 5-0 et 4-1, respectivement.

Selon les joueurs et les commentateurs du match, ils ont tous déclaré que l'IA jouait avec prudence, ce qui n'est pas surprenant, car elle a été programmée pour favoriser des mouvements sûrs garantissant la victoire sur des mouvements risqués garantissant davantage de points..

On pensait autrefois que Go était hors d’atteinte pour AI, mais Alpha Go est maintenant la première IA à être classée professionnellement dans le jeu..

Le jeu est simple: deux joueurs tentent de conquérir le tableau en utilisant des pierres blanches et noires. Le tableau est une grille de 19 x 19 avec 361 intersections et le placement des pierres détermine le territoire de chaque joueur. Le but est de finir avec plus de territoire que les autres.

Le nombre de mouvements potentiels et d'états de jeu est énorme, c'est le moins qu'on puisse dire. Oui, bien plus que les échecs, si vous vous demandiez.

Alpha Go utilise le système Deep Learning AI mentionné précédemment, ce qui signifie qu’Alpha Go conserve la mémoire des jeux auxquels il est joué et les étudie comme une expérience. Il recherche ensuite parmi eux, en choisissant le choix qui présente le plus grand nombre de résultats potentiels positifs..

Alpha Go a besoin de beaucoup de puissance informatique pour exécuter son algorithme exigeant beaucoup de calcul. La version qui a joué les matchs a fonctionné sur un ensemble distribué de serveurs avec un total de 1 920 CPU et 280 GPU - une énorme quantité de puissance permettant 64 recherches simultanées pendant la lecture.

Comme Watson, DeepMind se dirige vers une école de médecine. Deepmind a annoncé un partenariat avec le NHS britannique pour analyser les dossiers médicaux. Le projet, Streams, aidera à identifier les patients à risque de dommages aux reins.

L'intelligence artificielle devient sérieuse

Il y a beaucoup de recherches sur l'IA en ce moment.

Google espère que l'intelligence artificielle pourra aider leur entreprise de recherche. Un projet appelé Rankbrain cherche à utiliser l'IA pour améliorer l'efficacité du Page Rank. Microsoft et Facebook ont ​​tous deux publié des chatbots. Tesla est à la pointe du progrès avec son mode de conduite automatique et Google est juste derrière avec ses voitures autonomes.

Il est peut-être difficile de comprendre le lien qui existe entre ces projets et l’entraînement d’une IA pour gagner des jeux, mais chacune de ces IA a façonné l’apprentissage automatique d’une manière ou d’une autre..

Au fur et à mesure de l'évolution du champ, les IA ont pu travailler avec des ensembles de données plus complexes. Les nombres presque infinis de déplacements dans Go peuvent se traduire par le nombre presque infini de variables sur la route. Alors vraiment, ces jeux ne sont que le début - une phase de pratique, si vous voulez.

Les choses vraiment intéressantes sont juste au coin de la rue, et il est très possible que nous puissions en faire l'expérience directe.

Qu'est-ce qui vous excite à propos de l'IA? Y a-t-il un jeu que vous pensez que l'IA ne peut finalement pas conquérir? Faites le nous savoir dans les commentaires.

Crédit d'image: David Pacey via Flickr, Debbie Miesel via IBM, CPRG via l'Université de l'Alberta, Jouez entre amis Paf via Flickr, M. Seb via Flickr, Matt Brown via Flickr, Jiuguang Wang via Flickr

En savoir plus sur: Intelligence artificielle.