Hvordan AlphaZero har skrevet om spillereglene på egen hånd

David Silver sier at dataprogrammet som lærte seg å bli stormester i sjakk viser essensen av kreativitet.

Av

• Will Knight arkivside

22. februar 2019

Geordie Wood

David Silver fant opp noe som kanskje er mer oppfinnsomt enn han er.

Silver var hovedforskeren på AlphaGo, et dataprogram som lærte å spille Go – et kjent vanskelig spill som utnytter menneskelig intuisjon i stedet for klare spilleregler – ved å studere spill som spilles av mennesker.

Denne historien var en del av mars 2019-utgaven vår

• Se resten av saken
• Abonnere

Silvers siste kreasjon, AlphaZero, lærer å spille brettspill inkludert Go, sjakk og Shogi ved å øve mot seg selv. Gjennom millioner av øvelsesspill oppdager AlphaZero strategier som det tok tusenvis av mennesker å utvikle.

Så kunne AI en dag løse problemer som menneskelige sinn aldri kunne? Jeg snakket med Silver på hans London-kontor på DeepMind, nå eid av Alphabet.

I et kjent spill mot muligens den beste Go-spilleren noensinne, gjorde AlphaGo et strålende trekk som menneskelige observatører først trodde var en feil. Var det å være kreativ i det øyeblikket?

Move 37, som det ble kjent, overrasket alle, inkludert Go-fellesskapet og oss, dets skapere. Det var noe utenfor den forventede måten å spille Go på som mennesker hadde funnet ut over tusenvis av år. For meg er dette et eksempel på at noe er kreativt.

Siden AlphaZero ikke lærer av mennesker, er det enda mer kreativt?

Når du har noe å lære av seg selv, det er å bygge opp sin egen kunnskap helt fra bunnen av, det er nesten essensen av kreativitet.

AlphaZero må finne ut alt selv. Hvert eneste skritt er et kreativt sprang. Disse innsiktene er kreative fordi de ikke ble gitt til den av mennesker. Og disse sprangene fortsetter til det er noe som er utenfor våre evner og har potensial til å forbløffe oss.

Du har fått AlphaZero til å spille mot den beste konvensjonelle sjakkmotoren, Stockfish. Hva har du lært?

Stockfish har denne svært sofistikerte søkemotoren, men i hjertet av den er denne modulen som sier: Ifølge mennesker er dette en god posisjon eller en dårlig posisjon. Så mennesker er virkelig dypt inne i løkken der. Det er vanskelig for det å bryte ut og forstå en posisjon som er fundamentalt annerledes.

AlphaZero lærer å forstå posisjoner selv. Det var ett vakkert spill vi nettopp så på, hvor det faktisk gir fra seg fire bønder på rad, og det prøver til og med å gi fra seg en femte bonde. Stockfish tror den vinner fantastisk, men AlphaZero er veldig fornøyd. Det har funnet en måte å forstå posisjonen på som er utenkelig i henhold til sjakknormene. Den forstår at det er bedre å ha posisjonen enn de fire bønderne.

Antyder AlphaZero at AI vil spille en rolle i fremtidig vitenskapelig innovasjon?

Maskinlæring har vært dominert av en tilnærming som kalles overvåket læring, som betyr at du starter med alt som mennesker vet, og du prøver å destillere det til et dataprogram som gjør ting på akkurat samme måte. Det fine med denne nye tilnærmingen, forsterkende læring, er at systemet lærer selv, fra første prinsipper, hvordan det skal nå målene vi setter det. Det er som en million minioppdagelser, den ene etter den andre, som bygger opp denne kreative måten å tenke på. Og hvis du klarer det, kan du ende opp med noe som har enorm kraft, enorm evne til å løse problemer, og som forhåpentligvis kan føre til store gjennombrudd.

Er det aspekter ved menneskelig kreativitet som ikke kan automatiseres?

Hvis vi tenker på evnene til menneskesinnet, er vi fortsatt et stykke unna å oppnå det. Vi kan oppnå resultater i spesialiserte domener som sjakk og Go med en enorm mengde datakraft dedikert til den ene oppgaven. Men menneskesinnet er i stand til radikalt å generalisere til noe annet. Du kan endre spillereglene, og et menneske trenger ikke ytterligere 2000 år for å finne ut hvordan hun skal spille.

Jeg vil si at kanskje grensen til AI for øyeblikket – og hvor vi ønsker å gå – er å øke rekkevidden og fleksibiliteten til algoritmene våre for å dekke hele spekteret av hva menneskesinnet kan gjøre. Men det er fortsatt et stykke unna.

Hvordan kan vi komme dit?

Jeg vil gjerne bevare denne ideen om at systemet er fritt til å lage uten å være begrenset av menneskelig kunnskap.

En baby bekymrer seg ikke om karrieren sin, eller hvor mange barn den kommer til å få. Det er å leke med leker og lære manipulasjonsferdigheter. Det er utrolig mye å lære om verden i fravær av et endelig mål. Det samme kan og bør gjelde for systemene våre.

gjemme seg