Úspěch umělé inteligence: Program porazil lidského šampiona v Go

Program AlphaGo opakovaně triumfoval nad evropským šampionem ve hře Go, Číňanem Fan Hui; v zápase na desce o plné velikosti vyhrál 5:0. Jedná se o natolik významný průlom, že o něm referoval i časopis Nature. A současně jde i o úspěch Googlu a jeho projektů umělé inteligence.
Programy specializující se na deskové hry zaznamenaly celou řadu úspěchů. V dámě se např. podařilo v roce 2007 hrubou silou popsat veškerý „stavový prostor“ hry a dokázat, že při správné hře obou stran partie končí remízou. Jinak řečeno, příslušný program hrající dámu je neporazitelný a stačí mu k tomu databáze pozic (byť jejich počet dosahuje až 10 na 20 – toto číslo lze nicméně snížit s využitím různých symetrií atd.).

Šachy? Software jasně vítězí

V šachách začaly programy triumfovat nad nejlepšími lidskými hráči od památného vítězství programu Deep Blue nad tehdejším mistrem světa Kasparovem v roce 1997. Dominance programů je v současné době již naprostá (i když špičkový velmistr s podporou programu je stále silnější než program sám). Šachové programy ovšem používají metodu hrubé síly, kdy těží z pokroku ve výkonnosti hardwaru, mají k dispozici databáze zahájení a koncovek a stále dokonalejší algoritmy pro hodnocení pozice i triky, jak si usnadnit průchod stromem možností (odsekávání větví apod.).

Samotné jádro šachových programů je ale jednoduché a nemění se už přes 20 let. Sice se pravidelně objevují návrhy šachových algoritmů, které mají nějak simulovat lidské myšlení nebo aspirovat na zařazení mezi umělou inteligenci, ale tyto programy nedosahují oproti hrubé síle příliš dobrých výsledků (a po jejich vývoji neexistuje ani příliš poptávka). Příkladem je program Girafee, který loni představil Matthew Lai z Imperial College London.

AlphaGo: Skutečná inteligence

Go je jiný případ. Tato hra oproti šachům stojí mnohem méně na propočtu a využívá více rozpoznávání vzorů (geometrických struktur). Dosáhnout triumfu programů nad člověkem čistě hrubou silou by proto bylo minimálně obtížnější, a tvůrci se tak snažili o využití přístupů souvisejících s umělou inteligencí.

Nyní úspěšný program AlphaGo vznikl v rámci projektu Google DeepMind. DeepMind byl původně britský start-up, který Google koupil v roce 2014 za 500 milionů dolarů poté, co se o něj přetahoval s Facebookem. Na měření sil mezi Googlem a Facebookem došlo i nyní. V době, kdy vyšel článek v Nature, uvedl Mark Zuckerberg, že jejich tým AI v čele s Yuandongem Tianem se blíží témuž výsledku. Projekt Facebooku v oblasti umělé inteligence se označuje jako DarkForest.

Tým Google Deep Mind nyní k zápasu s AlphaGo vyzval Lee Sedola z Jižní Koreje, který je považován za nejlepšího současného hráče Go. Měl by se uskutečnit v březnu.

Poznámka: Šachy vs. Go

Někdy se rozdíl mezi hrami popisuje tak, že Go může mít až 10 na 700 pozic, zatímco šachy 10 na 60 (existují i jiná čísla – zde uvádíme jen pro ilustraci), to ale podstatu věci nevystihuje. Šachové programy také nedokáží obsáhnout celý stavový prostor a musí spoléhat na počítání stromů a hodnocení variant. Naopak lidé hrají šachy podobně jako Go, více či méně intuitivně (na základě obecných úvah a odhadu spíše než propočítávání variant) a mnohdy i velmi úspěšně. Rozdíl je spíše v tom, že v šachách se tato „intuice“ dá porazit hrubou silou, zatímco v Go bylo třeba do programu zahrnout i simulaci toho, jak o pozici přemýšlejí lidé. AlphaGo se údajně snaží úspěšně odhadnout soupeřův tah, šachovému programu je to jedno, ten možné tahy soupeře maximálně seřadí podle toho, jak jsou dle něj relativně silné.

Mnohem širší potenciál

Firma DeepMind před akvizicí Googlem uváděla, že se zaměřuje na rozpoznávání obrazu (viz také: Rozpoznávání obrazu – nenápadný příchod nové killer aplikace). Úspěch programu AlphaGo by na rozdíl od šachů (kde jde o jednoúčelové programy) mohl mít širší dopad, protože příslušné neuronové sítě a dalším systémy strojového učení by měly najít využití i jinde. Konkrétně jde třeba o rozpoznávání tváří nebo obecně o nacházení struktur („smyslu“) v záplavě dat, schopnost přecházet od jedné roviny analýz k jiné.

Exit mobile version