Komputer pokonał mistrza Go (a to nie koniec)

Go to starochińska gra, której korzenie sięgają jeszcze setek lat przed naszą erą i o której pisał nawet Konfucjusz, uważając ją za jedną z czterech podstawowych sztuk wymaganych od prawdziwego uczonego. 

Choć jej zasady na pozór są bardzo proste, Go to gra o bardzo głębokiej złożoności. Dość powiedzieć, że istnieje 1 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 możliwych ustawień (tak dużo, że prawdopodobnie przebiegliście tylko po tej liczbie wzrokiem) – to więcej niż szacowana liczba atomów we wszechświecie. 

Library of Congress

Ta złożoność sprawia, że niemal niewykonalne jest stworzenie dla niej systemu teoretycznego, a więc stanowi ona niezwykle duże wyzwanie dla naukowców rozwijających technologie sztucznej inteligencji (AI), dla których gry są najlepszym poligonem doświadczalnym.

Komputer kontra człowiek

Gry to pole testowe dla elastycznych algorytmów, które mają „myśleć” w sposób podobny do człowieka, tylko szybciej i nieomylnie. 

Pierwszą grą opanowaną przez maszynę było kółko i krzyżyk – jeszcze w 1952 roku. 42 lata później sztuczna inteligencja zrozumiała warcaby, a w 1997 roku stworzony przez IBM komputer Deep Blue wygrał w szachy z arcymistrzem Garri Kasparowem 3½ : 2½. 

Do tej pory jednak Go było barierą nie do przeskoczenia i sztuczna inteligencja potrafiła osiągnąć poziom co najwyżej amatorski. Aż do teraz.

Maszyna stworzona do wygrywania

Konwencjonalne metody AI opierają się na tworzeniu drzewka zapytań analizującego wszystkie możliwe pozycje. Te jednak nie sprawdzają się w przypadku tak złożonych gier jak Go. Inżynierowie firm Google i DeepMind (teraz wspólnie pod skrzydałami Alphabetu) postanowili pójść nieco dalej – stworzyli system, który typowe drzewko łączy z techniką deep learningu (głębokiego uczenia maszynowego).

Takashi Osato/WIRED

AlphaGo, bo tak nazywa się ten system, był trenowany przez ekspertów, w wyniku czego utworzyła się sieć neuronowa potrafiąca wymyślić najlepszy ruch, oszacować szanse na wygraną i domyślić się reakcji przeciwnika. 

System AlphaGo był trenowany tak długo, aż udało się osiągnąć 57-procentową skuteczność. To wymagało rozegrania tysięcy partii – tak, aby metodą prób i błędów zrozumieć efekty poszczególnych zachowań. 

AlphaGo versus Mistrz

Nadeszła pora na testy. Pierwszym z nich była rywalizacja systemu AlphaGo z konkurencyjnymi komputerami. Rozwiązanie Google i DeepMind wygrało 499 na 500 pojedynków. Pozostał już zatem tylko jeden etap.

Firma Google zaprosiła do gry trzykrotnego Mistrza Europy (2013, 2014, 2015). Fan Hui, który doskonali się w Go od 12. roku życia, przegrał pod koniec ubiegłego roku z AlphaGo wynikiem 0:5. 

To była pierwsza sytuacja, kiedy program komputerowy pokonał profesjonalnego gracza Go. Sam Fan Hui był pod wrażeniem i opisał AlphaGo jako „bardzo mocy i stabilny program. Gdyby nikt mi nie powiedział, że AlphaGo jest komputerem, myślałbym, że to nieco dziwny, ale bardzo mocny gracz”.

Kolejne wyzwania przed AlphaGo

To ogromny sukces, ale zapytać trzeba: „co dalej?”. Firma Google zapowiedziała, że nadszedł czas na próbę ostateczną. W marcu odbędzie się mecz pomiędzy AlphaGo a legendarnym Lee Sedol – czołowym graczem z Korei Południowej, który ma na koncie 27 tytułów mistrzowskich w swoim kraju i kolejnych 17 międzynarodowych.

Wygrana będzie niezwykle dużym osiągnięciem dla całego sektora naukowo-technologicznego. Pamiętajmy bowiem, że AlphaGo nie opiera się wyłącznie na wiedzy ludzkich ekspertów, ale też na tym, czego nauczył się samodzielnie dzięki metodzie deep learning. 

Ogromny potencjał 

Pojedynki z kolejnymi mistrzami to jednak – jak zaznaczyliśmy we wstępie – tylko testy. W maszynach takich jak AlphaGo, a właściwie przede wszystkim w deep learningu i szeroko pojętej sztucznej inteligencji, drzemie bowiem ogromny potencjał. 

Któregoś dnia nowoczesne technologie tego typu mogą pomóc nam w rozwiązywaniu największych problemów społecznych i naukowych. Łącząc doświadczenie specjalistów z wyciągniętymi przez siebie wnioskami, maszyny mogą umożliwić między innymi tworzenie modeli analiz chorób. Komputer konta nowotwór? Także tutaj chcielibyśmy zobaczyć zwycięstwo. 

Dlatego też trzymamy kciuki za Google i wszystkich naukowców zajmujących się rozwojem technik i technologii takich jak te.

Źródło: Google Blog, Nature, Science Direct, Wired, inf. własna