Pourquoi est-il important d'enseigner par intérim aux jeux | ben dickson

OpenAI, le laboratoire de recherche en intelligence artificielle fondé par Sam Altman et Elon Musk, a récemment annoncé l'envoi d'une équipe à Vancouver en août pour participer à un tournoi professionnel du célèbre jeu de combat en ligne Dota 2. Mais contrairement aux autres équipes en compétition pour le prix de plusieurs millions de dollars, OpenAI's L’équipe n’impliquera aucun être humain - du moins, pas directement.

Appelée OpenAI Five, l'équipe est composée de cinq réseaux de neurones artificiels qui exploitent l'énorme puissance de calcul du nuage de Google et pratiquent le jeu encore et encore, des millions de fois. OpenAI Five a déjà battu le semi-professionnel à Dota 2 et fera ses preuves contre le 1% des meilleurs joueurs en août.

À première Un coup d'œil, dépenser des ressources informatiques coûteuses et le talent insuffisant de l'IA pour apprendre à l'IA à jouer à des jeux peut paraître irresponsable. OpenAI héberge certains des plus grands scientifiques de l'IA dans le monde, qui, selon le New York Times , gagnent un salaire à sept chiffres. Après tout, ne peuvent-ils pas travailler sur des problèmes plus importants, tels que le développement d'une intelligence artificielle capable de lutter contre le cancer ou de rendre les voitures autonomes plus sûres?

Aussi absurde que cela puisse paraître à certains, les jeux se sont avérés être une partie importante de la recherche sur l'IA. Des échecs à Dota 2, chaque jeu conquis par l’intelligence artificielle nous a aidés à innover en informatique et dans d’autres domaines.

Jeux Aide à retracer les progrès de l'IA

Depuis le début de l'idée d'intelligence artificielle dans les années 50, les jeux sont un moyen efficace de mesurer la capacité de l'intelligence artificielle. Ils sont particulièrement pratiques pour tester la capacité d'une nouvelle IA techniques, parce que vous pouvez quantifier la performance de l'IA avec des scores numériques et des résultats gagnant-perdant et la comparer à des humains ou à d'autres IA.

Le premier jeu que les chercheurs ont essayé de maîtriser par le biais de l'IA était les échecs, qui étaient considérés à l'origine comme le test ultime des avancées dans le domaine. En 1996, Deep Blue d’IBM était le premier ordinateur à vaincre un champion du monde (Garry Kasparov) aux échecs. L'intelligence artificielle derrière Deep Blue a utilisé une méthode de force brute qui a analysé des millions de séquences avant de se déplacer.

Si cette méthode permettait à Deep Blue de maîtriser les échecs, il était loin d'être suffisamment efficace pour s'attaquer à des jeux de société plus compliqués. Selon les normes actuelles, il est considéré comme brut. Lorsque Deep Blue a vaincu Kasparov, un scientifique a fait remarquer qu'il faudrait encore cent ans à AI pour conquérir l'ancien jeu chinois de Go, qui comporte plus de mouvements possibles que le nombre d'atomes dans l'univers.

Mais en 2016, les chercheurs de DeepMind, une entreprise d'IA appartenant à Google, ont créé AlphaGo, une intelligence artificielle qui a battu Lee Sedol, champion du monde, quatre fois contre un sur cinq. AlphaGo a remplacé la méthode de force brute de Deep Blue par un apprentissage en profondeur, une technique d'IA fonctionnant d'une manière beaucoup plus semblable au fonctionnement du cerveau humain. Au lieu d’examiner toutes les combinaisons possibles, AlphaGo a examiné la manière dont les humains jouaient à Go, puis avait essayé de comprendre et de reproduire des schémas de jeu réussis.

Les chercheurs de DeepMind ont par la suite créé AlphaGo Zero, une version améliorée d’AlphaGo utilisant l’apprentissage par renforcement, une méthode qui ne nécessitait aucun apport humain. AlphaGo Zero a appris les règles de base de Go et a appris le jeu en jouant contre lui-même d'innombrables fois. Et AlphaGo Zero a battu son prédécesseur 100 à zéro.

Les jeux de société ont cependant des limites. Premièrement, ils sont basés sur des tournants, ce qui signifie que l’intelligence artificielle n’est pas sous la contrainte de prendre des décisions dans un environnement qui change constamment. Deuxièmement, l'IA a accès à toutes les informations de l'environnement (dans ce cas, le tableau) et n'a pas à deviner ou à prendre des risques en fonction de facteurs inconnus.

Conscient de cela, une intelligence artificielle appelée Libratus a franchi une nouvelle étape dans la recherche sur l'intelligence artificielle en battant les meilleurs joueurs du poker Texas Hold 'Em. Développé par des chercheurs de Carnegie Mellon, Libratus a montré que l'IA peut rivaliser avec l'homme dans des situations où elle a accès à des informations partielles. Libratus a utilisé plusieurs techniques d'IA pour apprendre le poker et améliorer son jeu, tout en examinant les tactiques de ses adversaires humains.

Les jeux vidéo en temps réel constituent la prochaine frontière pour l'IA et OpenAI n'est pas la seule organisation impliquée sur le terrain. Facebook a testé l'enseignement de l'IA pour qu'il joue au jeu de stratégie en temps réel StarCraft, et DeepMind a mis au point une IA capable de jouer au jeu de tir à la première personne Quake III. Chaque jeu présente son propre ensemble de défis, mais le dénominateur commun est que tous présentent à l'IA un environnement dans lequel ils doivent prendre des décisions en temps réel et avec des informations incomplètes. De plus, ils donnent à l'IA une arène où elle peut tester sa puissance contre une équipe d'adversaires et apprendre à travailler en équipe.

Pour l'instant, personne n'avait développé d'intelligence artificielle capable de battre les joueurs professionnels. Mais le fait même que l'IA soit en compétition avec les humains dans des jeux aussi complexes montre à quel point nous sommes arrivés sur le terrain.

Jeux Aide à développer l'IA dans d'autres domaines

Les scientifiques ont utilisé des jeux comme banc d’essai pour développer de nouvelles techniques d’IA, mais leurs réalisations ne se sont pas limitées aux jeux. En fait, les IA de gameplay ont ouvert la voie à des innovations dans d'autres domaines.

En 2011, IBM a lancé un supercalculateur capable de traiter et de générer en langage naturel (NLG / NLP) et qui a été nommé en l'honneur de son ancien PDG, Thomas J Watson. L'ordinateur a joué au célèbre jeu télévisé Jeopardy contre deux des meilleurs joueurs du monde et a été remporté. Watson a par la suite servi de base à une vaste gamme de services d'intelligence artificielle d'IBM dans différents domaines, notamment les soins de santé, la cybersécurité et les prévisions météorologiques.

DeepMind tire parti de son expérience acquise dans le développement d’AlphaGo pour utiliser l’IA dans d’autres domaines où l’apprentissage par renforcement peut aider. La société a lancé un projet avec National Grid UK visant à utiliser le AlphaGo intelligents pour améliorer l'efficacité du réseau électrique britannique. Google, la société mère de DeepMind, utilise également cette technique pour réduire les coûts d'électricité de ses énormes centres de données en automatisant le contrôle de la consommation de ses différents matériels. Google utilise également l'apprentissage par renforcement pour former des robots capables un jour de manipuler des objets dans des usines.

• L'intelligence artificielle a un problème de biais et c'est notre faute L'intelligence artificielle a un problème de biais et c'est notre faute
• L'intelligence artificielle d'IBM prend d'assaut les débats sur le débat humain L'intelligence artificielle d'IBM prend les champs de débat humain
• Pourquoi AI doit révéler qu'il s'agit d'IA Pourquoi AI doit révéler qu'il s'agit d'IA

Livrets , l'IA qui joue au poker, pourrait aider à développer le type d'algorithmes qui peut aider dans diverses situations, telles que les négociations politiques et les enchères, où l'IA doit prendre des risques et faire des sacrifices à court terme pour des gains à long terme.

Pour ma part, j'ai hâte de voir comment OpenAI Five se comportera lors de la compétition Dota 2 du mois d'août. Bien que je ne sois pas particulièrement intéressé à savoir si les réseaux de neurones et ses développeurs remporteront le prix de 15 millions de dollars, je suis impatient de voir quelles nouvelles fenêtres ses réalisations vont ouvrir.