Pensamiento profundo: desde Deep Blue hasta AlphaGo, comprenda el futuro de la inteligencia artificial
El informático estadounidense McCarthy, que inventó el término "inteligencia artificial" en 1956, llamó al ajedrez "la mosca de la fruta de la inteligencia artificial", lo que significa que la humilde mosca de la fruta es responsable de innumerables tareas biológicas importantes. El tema de los experimentos es particularmente importante en genética. A finales de la década de 1980, la comunidad del ajedrez informático prácticamente había abandonado este importante experimento. En 1990, Thompson, quien creó la supercomputadora Belle, sugirió públicamente que si lográramos avances reales en la cognición de las máquinas, Go podría ser un mejor objetivo. Ese mismo año, apareció un artículo completo sobre Go en la colección de artículos "Computadoras, ajedrez y cognición" titulado "¿Una nueva inteligencia artificial Drosophila?"
El tablero de Go tiene diecinueve por diecinueve, con un total de 361 piezas de ajedrez en blanco y negro. La matriz completa es demasiado grande para romperla con fuerza bruta y es demasiado detallada para romperla. Puede ser como si un humano perdiera contra una computadora de ajedrez, donde los errores tácticos determinan el resultado. En ese artículo de 1990, un equipo informático de Go argumentaba que estaban unos veinte años por detrás de las damas.
Esta predicción resultó ser muy precisa: en 2016, diecinueve años después de perder contra Deep Blue, el proyecto de inteligencia artificial DeepMind financiado por Google, y el programa Go que surgió de este proyecto, AlphaGo, derrotaron al mundo Go. campeón Lee Sedol. Más importante aún (y en línea con las expectativas), desde una perspectiva de inteligencia artificial, AlphaGo merece más atención que cualquier método para construir una máquina de ajedrez de primer nivel: utilizará capacidades de aprendizaje automático y redes neuronales para aprender a jugar mejor ajedrez, y usa más Técnicas complejas que van más allá de la búsqueda tradicional de poda alfa-beta. Deep Blue es un final; AlphaGo es solo el comienzo.
En todo esto, la percepción errónea fundamental no son sólo las limitaciones del ajedrez, sino también las limitaciones de la inteligencia artificial, un nuevo campo de la informática. La suposición básica detrás del sueño de Turing sobre la inteligencia artificial es que el cerebro en sí es una especie de computadora y el objetivo es crear una máquina que pueda imitar con éxito el comportamiento humano. Durante muchos años, los informáticos han estado dominados por este concepto. La analogía es fácil de entender: las células nerviosas son interruptores, la corteza cerebral es una base de datos de memoria, etc. Sin embargo, dejando de lado el nivel metafórico, tenemos poca evidencia biológica que respalde tal analogía, y es una distracción cuando se exploran las diferencias entre el pensamiento humano y el de las máquinas.
Propongo utilizar las palabras "comprensión" y "objetivos de comportamiento" para resaltar estas diferencias. Hablemos primero de “comprensión”: una máquina como Watson que puede comprender el lenguaje natural humano debe analizar millones de pistas para establecer un contexto suficiente para comprender el significado. Los humanos pueden entender el mismo significado semántico de un vistazo. Un ejemplo simple: "El pollo está demasiado caliente para comerlo" podría significar que un pájaro está enfermo o que es necesario enfriar la cena. Sin embargo, incluso si el significado de la oración en sí es ambiguo, es imposible que los humanos juzguen mal lo que quiere decir el hablante, porque el contexto en el que se pronuncia la oración aclarará el significado.
Los humanos agregamos contexto de forma natural, que es una forma en que nuestro cerebro puede procesar grandes cantidades de datos sin tener que resolver las cosas de manera constante y consciente. Nuestros cerebros procesan estos contextos en segundo plano sin ningún esfuerzo activo de nuestra parte, casi con tanta facilidad como respirar. Un jugador de ajedrez fuerte puede saber de un vistazo que cierto tipo de tablero es adecuado para cierto tipo de jugada de ajedrez; de manera similar, usted sabe que le gustará cierto tipo de pan; Por supuesto, estos procesos intuitivos que operan en segundo plano a veces pueden salir mal, dejándote en una mala situación o proporcionándote un refrigerio no deseado, por lo que la próxima vez que te encuentres con la misma situación, tu cerebro consciente puede ser proactivo y reevaluar tu intuición.
Por el contrario, la inteligencia de la máquina debe establecer un contexto para cada nuevo dato que encuentra. Debe procesar grandes cantidades de material para simular la comprensión.
Imagine que la computadora encuentra nuestro pollo caliente y qué preguntas debe responder para determinar cuál es el problema. ¿Qué es un pollo? ¿El pollo está vivo o muerto? ¿Estás en la granja? ¿Los pollos son comestibles? ¿Qué es "comer"? Una vez di este ejemplo en un discurso, y la mayoría de la audiencia no era angloparlante. Más tarde, alguien señaló otra ambigüedad semántica: en inglés, caliente también puede referirse al picante de la comida además de a la temperatura de la comida. .
Incluso una oración simple puede ser tan compleja; sin embargo, Watson aún nos muestra que si hay suficiente información relevante y se puede acceder a ella de manera rápida e inteligente, la máquina puede averiguarla con precisión; respuestas. Así como un motor de ajedrez busca miles de millones de opciones de tablero para encontrar la mejor jugada, el lenguaje se puede descomponer en valores y posibilidades para encontrar respuestas adecuadas. Cuanto más rápido funcione la máquina, mejor será la calidad y cantidad de los datos, y cuanto más inteligente sea el código, más probabilidades habrá de que la respuesta sea más precisa.
¿Pueden los ordenadores hacer preguntas? Esto es un poco irónico: Watson aparece en "Jeopardy!" "En el programa, derrotó a dos concursantes campeones humanos para mostrar su fuerza, pero las respuestas de los concursantes en el programa deben presentarse en preguntas. En otras palabras, si el presentador dice: "Este programa informático soviético ganó el primer Campeonato Mundial de Ajedrez Informático en 1974", y el concursante toca el timbre y dice: "¿Qué es Kaissa?". Sin embargo, estos extraños hábitos son simplemente una rutina para ellos. Este acertijo muestra y no afectará la capacidad de la máquina para encontrar respuestas en 15 petabytes de datos.
En cualquier caso, la salida de la máquina será suficiente. Las máquinas funcionan mejor que los humanos. La máquina no tiene ningún proceso de "comprensión", pero no tenemos intención de hacer que la máquina "entienda". Los programas de inteligencia artificial para diagnóstico médico pueden extraer correlaciones entre diversos hábitos o síntomas a partir de datos acumulados sobre cáncer o diabetes durante muchos años para ayudar a los humanos a prevenir o diagnosticar enfermedades. Mientras la máquina sea una herramienta útil, ¿qué importa si todos estos datos "no son importantes" para la máquina?
Puede que no importe, pero si la nueva generación de máquinas que desea construir es una máquina inteligente que puede aprender por sí sola más rápido de lo que los humanos pueden enseñarle, la "comprensión" es muy importante. Después de todo, los humanos no aprenden su lengua materna con los libros de gramática.
Así es como ha evolucionado hasta ahora: hemos creado máquinas que siguen reglas estrictas para imitar el desempeño humano. La máquina funcionó mal y era bastante artificial y poco realista. Después de varias generaciones de trabajo de optimización y aceleración de hardware, se mejorará el rendimiento. El próximo paso adelante será que los programadores relajen las reglas y dejen que las máquinas descubran más cosas por sí mismas. También dejarán que las máquinas moldeen sus propias reglas, o incluso ignoren las reglas antiguas. Para ser bueno en algo, debes saber aplicar principios fundamentales; para ser bueno en algo, debes saber cuándo romper esos principios. Esto no es sólo teoría, es la historia de mis más de veinte años jugando contra máquinas de ajedrez.