For næsten nøjagtigt for 20 år siden slog IBM-computeren Deep Blue verdenschampionisten Garry Kasparov på sit eget spil. Det var et centralt øjeblik i kunstig intelligens historie - første gang en computer rundt besejrede en menneskelig skakmester.
Men til alle dem, der så dette som et tegn på, at AI-revolutionen var på fod, sagde kritikere "ikke så hurtigt." Skak var relativt enkel at knække, sagde de. Den sande test af AI ville være en computer, der kunne slå en menneskelig mester på Go, det komplekse gamle kinesiske strategispil, der antages at involvere intuition og en forståelse af æstetik. Og den dag kom sandsynligvis ikke snart.
'' Det kan gå hundrede år, før en computer slår mennesker på Go - måske endda længere, '' fortalte astrofysiker og Go-fan Piet Hut til The New York Times i 1997. '' Hvis en rimelig intelligent person lærte at spille Go, i en få måneder kunne han slå alle eksisterende computerprogrammer. Du behøver ikke at være Kasparov. ''
Hvis en computer besejrede en Go-mester, Times opinerede, ville det være "et tegn på, at kunstig intelligens virkelig begynder at blive så god som den rigtige ting."
Nå, folkens, det øjeblik er ankommet, hundrede år eller deromkring foran planen. AlphaGo, et program udviklet af Googles DeepMind kunstige efterretningsteam, har slået den europæiske Go-mester Fan Hui 5 til 0.
Resultaterne blev rapporteret i dag i tidsskriftet Nature .
Go starter simpelthen med et 19 x 19 gitter og to farver på stykker (kaldet sten), sort for den ene spiller, hvid til den anden. Spillerne skifter om at sætte deres sten på tomme kryds - krydsningspunkterne for to gitterlinjer. Langsomt forsøger hver spiller at omkranse den anden spillers sten, på hvilket tidspunkt de fanges og flyttes fra brættet. Der kan være flere omkredsløb i gang på brættet på et givet tidspunkt, og det er ofte vanskeligt at fortælle, hvem der er ved at fange hvem.
"Go af spillet er længe blevet betragtet som det mest udfordrende af klassiske spil til kunstig intelligens på grund af dets enorme søgerum og vanskeligheden ved at evaluere bestyrelsespositioner og bevægelser, " skriver papirets forfattere.
AlphaGo ”lærer” gennem både træning fra menneskelige eksperter og gennem praksis ved at spille mod sig selv. Da Go har alt for mange mulige træk for en computer til blot at knuse dataene, når de træffer sin næste beslutning - et vigtigt sticking point for tidligere Go-playing AI-indsats - bruger AlphaGo i stedet to forskellige "dybe neurale netværk." Et net kaldes " "Politiknetværk" - dette giver computeren en håndfuld lovende træk at overveje, baseret på tidligere spil, så det ikke behøver at klemme igennem alle mulige træk. "Værdienetværket" reducerer dybden af søgningen - det vil sige, i stedet for at søge helt til slutningen af spillet, hundreder af bevægelser væk, kan programmet se bare en håndfuld bevægelser væk for at træffe sine valg.
Dette er en stor ting: ud over at være en test af AI's kræfter har det at skabe et Go-play-program, der er i stand til at slå menneskelige mestre, været noget af et våbenløb. I årevis har forskellige programmerere og virksomheder kæmpet for at skabe Go-versionen af Deep Blue. Nogle er kommet tæt på. Et fransk program, der hedder Crazy Stone, slo fem-tiden japansk Go-mester Yoshio Ishida i 2013, skønt Crazy Stone fik et handicap (AlphaGo var det ikke), og Ishida var ikke blevet betragtet som en topspiller i flere årtier. Indtil videre har AlphaGo slået andre Go-programmer 99, 8 procent af tiden.
Få timer før Google officielt frigav deres nyheder, Facebook, som uden tvivl kæmpede for at blive slået til stød, faldt meddelelsen om, at deres egen AI var "ved at komme tæt på" at slå humane Go-mestre.
Så hvorfor betragtes Go som en så kraftig test af AI? Det ville være for reduktivt at sige, at Go er lettere end skak.
”Spillet afspejler spillernes evner til at afbalancere angreb og forsvar, få sten til at arbejde effektivt, forblive fleksible som svar på skiftende situationer, timing, analyse nøjagtigt og anerkende modstandernes styrker og svagheder, ” forklarer British Go Association om deres websted, der redegør for Go's komplekse appel.
Mens skak har et gennemsnit på 35 lovlige træk pr. Tur, har Go et gennemsnit på 200. Og mens der er nogle 10⁴³ mulige konfigurationer af et skakbræt, et Go-bord har mindst 2, 08 X 10¹⁷⁰ - flere konfigurationer end der er atomer i universet. I modsætning til skak, hvor antallet af brikker på brættet er en meget god indikator for, hvem der vinder, er det meget svært at vide, hvem der er foran i Go.
”Der er ingen god heuristik til at afgøre, om en position er god eller dårlig for en spiller, ” forklarer den britiske Go Association-præsident Jon Diamond. ”Det er dels analyse, og det er dels mønstergenkendelse. Du vurderer bestyrelsen på en kompliceret måde, som vi ikke har fundet ud af, hvordan man replikerer på computere. ”
Diamond siger, at han var ganske overrasket over at høre om AlphaGos succes. ”Jeg formoder, at jeg ikke forventede, at dette i mellem fem og ti år ville være ærligt, ” siger han. ”De har gjort et helvede af et godt stykke arbejde.”
Succesen med AlphaGo kan muligvis betyde, at vi er meget tættere end tidligere antaget at have AI'er, der kan udføre på menneskelige niveauer i andre områder. AlphaGo kan være et "springbræt" for andre slags AI'er, siger dets udviklere. En AI, der kan træffe de slags komplekse, intuitive tilsyneladende beslutninger, der er nødvendige for at vinde Go, kunne muligvis for eksempel diagnosticere en syg patient og ordinere et individualiseret behandlingsforløb, ifølge udviklerne.
I marts testes AlphaGo igen med sin mettle, når den går head-to-head med Koreas Lee Sedol, der betragtes som verdens bedste Go-spiller.
"Uanset resultatet vil det være en meningsfuld begivenhed i baduk (Go) -historien, " siger Lee i en pressemeddelelse. ”Jeg hørte Google DeepMinds AI er overraskende stærk og bliver stærkere, men jeg er overbevist om, at jeg i det mindste kan vinde denne gang.”
