211service.com
AI kan slå oss på poker – la oss nå se om det kan fungere med oss
Martin Nicolausson
Fremskritt innen kunstig intelligens har lenge blitt målt ved dens mestring av brettspill som sjakk, backgammon og Go. Forskere jobber nå med poker og dataspill som Starcraft.
Iyad Rahwan , en professor ved MIT, respekterer disse milepælene, men sier at fokuset på å slå mennesker i direkte konkurranse har ført til at vi overser andre måter å måle og fremme AI på. Han argumenterer for at ettersom smarte maskiner ser ut til å bli gjennomgripende, bør det brukes mer innsats for å lage programvare som lærer å samarbeide med mennesker.
Dette er det neste viktige problemet, for AI-er trenger ikke alltid å erstatte oss, de må leve med oss, sier Rahwan. Det meste av menneskelig interaksjon er ikke nullsum – dette var på en eller annen måte en blindsone for ambisiøse AI-prosjekter.
Rahwan har forsøkt å vekke oppmerksomhet til den blinde flekken med samarbeidspartnere i USA, Storbritannia, Frankrike, Australia og De forente arabiske emirater. I en fersk studie , gjenbrukte de enkle spill brukt i atferdsvitenskap for å studere hvordan mennesker samarbeider (eller ikke gjør det) for å teste hvordan algoritmer kan lære å jobbe med mennesker.
Disse spillene inkluderte Prisoners’ Dilemma, en standard innen spillteoretisk forskning der spillere i rollen som kriminelle må bestemme om de skal forråde hverandre. Selv om det er enkelt, kan det brukes til å analysere strategier på rotete områder som klimapolitikk og reklame.
De første resultatene var skuffende, med samarbeid mellom menneskelige og kunstige spillere mindre vanlig enn mellom mennesker. Det endret seg da forskerne ga både mennesker og deres algoritmer muligheten til å kommunisere i forkant av et spill ved hjelp av en meny med 19 setninger, inkludert Gjør som jeg sier, eller jeg skal straffe deg, jeg endrer strategi og Gi meg en annen sjanse.
I det øyeblikket maskinen begynner å snakke, er det en helt annen respons fra folk, sier Jacob Crandall , en førsteamanuensis ved Brigham Young University også involvert i arbeidet. De hadde vanskelig for å skille mennesker fra maskiner. Det krever to for å samarbeide, og å bruke de enkle meldingene var nok til at maskiner kunne få mennesker til å være åpne for å samarbeide.
På tvers av de tre forskjellige spillene som ble testet, endte det opp med at folk ville samarbeide med en maskinspiller som med et annet menneske. Totalt sett scoret maskin-maskin-par høyest i gjennomsnitt i spillene fordi de samarbeidet mer pålitelig (og i motsetning til menneskelige spillere, løy de aldri).
Algoritmen som oppnådde som beregner noen lovende strategier for spillet som spilles på forhånd, før du lærer hvilke du skal bruke basert på handlingene til medspilleren. Det er ikke sannsynlig at det blir grunnlaget for fremtidige menneske-robot-relasjoner, men er ment å vise hvordan eksperimenter kan teste samarbeid, og inspirere til videre forskning på ideen, sier Rahwan.
Oren Etzioni , direktør for Allen Institute for Artificial Intelligence, i Seattle, håper det skjer. Fremtiden vi må ha er en fremtid der vi samarbeider med maskiner på arbeidsplassen, så det er fornuftig å studere formen på det samarbeidet, sier han.
Overgangen fra enkle atferdsvitenskapelige spill til mer komplekse scenarier vil imidlertid kreve betydelig arbeid, sier Etzioni. Samarbeid i komplekse situasjoner vil kreve programvare med god språkbeherskelse for å kommunisere med andre spillere, noe som ikke har problemer med programvare som tar på seg Go eller Starcraft. Forskere trenger imidlertid ikke gi opp brettspill. Etzioni antyder at Risk eller Diplomacy, der spillere må inngå allianser og gode kjøp, kan være gode testplasser for maskinenes samarbeidsevner.