Las IA están ganando 5 veces cuando las computadoras vencen a los humanos

La inteligencia artificial es la frontera de la informática. La ciencia ha avanzado lo suficiente como para que la IA nos esté ganando en nuestro propio juego, o deberíamos decir, juegos. Algunas personas pueden temer la aparición de Skynet. Por qué los científicos creen que debería preocuparse por la inteligencia artificial Por qué los científicos creen que debería preocuparse por la inteligencia artificial ¿Cree que la inteligencia artificial es peligrosa? ¿La IA puede suponer un grave riesgo para la raza humana? Estas son algunas de las razones por las cuales usted puede querer preocuparse. Lee más con cada evolución de IA, pero somos un poco más optimistas..

AlphaGo es la última IA para vencer a un humano en un juego de mesa, pero proviene de un largo pedigrí. A pesar de que estas cinco máquinas comenzaron como programas especialmente diseñados, algunos han encontrado segundas vidas que van más allá de sus llamamientos originales..

En este artículo, analizaremos cada vez que un brillante ser humano se pierda en una computadora y examinemos qué dio a cada una de ellas una ventaja decisiva..

1. Deep Blue, el maestro del ajedrez.

Deep Blue y Garry Kasparov de IBM tuvieron una de las primeras batallas de alto perfil entre el hombre y la máquina. Kasparov perdió, por supuesto, pero tenían un poco de historia complicada.

Después de que Kasparov venciera por primera vez al hermano pequeño de Deep Blue, Deep Thought, en 1989, IBM regresó con su nuevo y mejorado Deep Blue en 1996. Kasparov perdió un juego de apertura, empató un segundo, pero luego ganó tres juegos consecutivos para ganar el partido..

No fue hasta una segunda revancha en 1997 que Deep Blue superó a Kasparov, ganando un partido de seis juegos por un juego..

Kasparov dijo que vio inteligencia en el juego de Deep Blue y acusó a IBM de intervenir. los “inteligencia” fue en realidad un error que causó que Deep Blue actuara fuera de lugar. Básicamente, la inteligencia artificial era bastante primitiva, la fuerza bruta se abrió paso a través de posibles movimientos y resultados ...

... y si no pudo encontrar una opción óptima, eligió al azar.

Para cada uno de sus movimientos, Deep Blue modeló todos los movimientos posibles y las respuestas de Kasparov. Pudo modelar hasta veinte movimientos por delante, evaluando millones de posiciones posibles por segundo. Ese modelado requería hardware capaz de un potente procesamiento paralelo..

El procesamiento paralelo está dividiendo las tareas en tareas informáticas más pequeñas y completando esas tareas al mismo tiempo. Los datos resultantes se compilan de nuevo juntos para el resultado.

Entre las dos coincidencias, Deep Blue recibió una importante actualización de hardware. El hardware ganador fue un sistema de 30 nodos que se ejecuta en la plataforma Power PC de IBM. Cada nodo tenía procesadores secundarios dedicados a las instrucciones de ajedrez. 10 formas creativas de potenciar tu entrenamiento de ajedrez. 10 formas creativas de potenciar tu entrenamiento de ajedrez. Mejorar el ajedrez normalmente consiste en practicar deliberadamente muchos juegos desalentadores. Diversión y creatividad en tu entrenamiento de ajedrez. Lee mas .

Todo combinado, Deep Blue tenía 256 procesadores trabajando en paralelo..

Hay descendientes de este hardware trabajando en centros de datos, pero el verdadero legado de Deep Blue es Watson, el campeón de Jeopardy. Finalmente, IBM puso Deep Blue a trabajar en modelos financieros, minería de datos y descubrimiento de medicamentos, todas las áreas que necesitan simulaciones a gran escala..

2. Polaris, el campeón de poker.

La Universidad de Alberta creó Polaris, la primera IA que venció a los profesionales del póker en un torneo. Los investigadores eligieron una variante de Texas Hold 'Em para su IA, ya que depende menos de la suerte.

Polaris se enfrentó dos veces contra jugadores de poker. El primero fue en 2007 contra dos jugadores. Las manos fueron pre-repartidas: Polaris tenía un juego de cartas cuando se enfrentaba contra un jugador, y la mano inversa cuando jugaba con el otro jugador (para controlar la suerte).

Polaris fue luego reorganizado para un torneo de 2008 contra seis jugadores. Este fue también un conjunto de juegos pre-repartidos. Polaris consiguió un empate en el primer juego y perdió el segundo, pero finalmente ganó el torneo, vino por detrás y ganó dos juegos consecutivos..

A diferencia del ajedrez, el póquer no puede ser forzado a través del modelado porque la IA tiene una imagen limitada del juego, no tiene idea de las manos de sus oponentes.

Las ofertas de tarjetas son casi infinitamente únicas, lo que hace que el modelado sea aún menos efectivo. Las mismas cartas pueden ser una mano buena o sin valor, solo dependiendo de las otras cartas repartidas. Bluffing presenta otro problema para la IA, ya que apostar solo no es un buen indicador de la fuerza de la mano.

Polaris es una combinación de varios programas, que se llaman agentes. Cada uno de estos programas tenía su propia estrategia, y había otro agente que elegiría cuál de estos era el mejor para cada mano..

Las estrategias utilizadas para dividir el juego de póquer son variadas y requieren teoría del juego. La idea básica es averiguar cuál sería la mejor estrategia de cada jugador en función de todos los datos disponibles, y Polaris logró esto a través de una técnica llamada cubeta.

El cazo se usa para clasificar las manos de cartas según la fuerza. Permitió que Polaris redujera la cantidad de puntos de datos necesarios para realizar un seguimiento del juego. Luego usó la probabilidad de que todos los otros posibles cubos disponibles, derivando estos de las tarjetas visibles.

Polaris tenía una configuración de hardware única: un grupo de 8 computadoras, cada una con 4 CPU y 8 GB de RAM. Estas máquinas ejecutaron las simulaciones necesarias para crear los grupos y las estrategias para cada agente..

Desde entonces, Polaris se convirtió en otro programa llamado Cepheus, que se ha vuelto tan avanzado que los investigadores ahora han declarado que Texas Hold 'Em es “débilmente resuelto”.

Los juegos son “resuelto” cuando los algoritmos pueden determinar el resultado de un juego desde cualquier posición. Un juego es “débilmente resuelto” cuando el algoritmo no puede dar cuenta de juego imperfecto. Puedes probar suerte contra Cepheus aquí.

3. Watson, el genio del peligro.

Las victorias de la IA hasta este momento en la historia han sido juegos de bajo perfil, por lo que la victoria de Watson es un hito para la gente común: Watson llevó la batalla de la IA a las salas de estar de Estados Unidos..

Jeopardy es un juego amado conocido por su trivialidad desafiante, y tiene una peculiaridad única: las pistas son las respuestas y los participantes deben formular las preguntas.. Una verdadera prueba para Watson, que enfrentó a los conocidos campeones de Jeopardy, Brad Rutter y Ken Jennings..

Rutter fue el campeón de dinero de todos los tiempos y Ken Jennings tuvo la racha ganadora más larga. Un tercero eligió un surtido aleatorio de preguntas de episodios anteriores para garantizar que las preguntas no se escribieran para ayudar o explotar a Watson.

Watson ganó tres juegos consecutivos, uno de práctica y dos televisados, pero algunas de las respuestas de Watson tenían algunas peculiaridades extrañas. Por ejemplo, justo después de que Jennings respondiera incorrectamente a una pregunta, Watson respondió con la misma respuesta incorrecta.

Sin embargo, lo que hizo único a Watson fue su habilidad para usar el lenguaje natural.. IBM llamó a este profundo control de calidad, que significaba “contestando preguntas”. El logro clave fue que Watson podía buscar respuestas con el contexto, no solo con la relevancia de las palabras clave.

El software es una combinación de sistemas distribuidos. Hadoop y Apache UIMA trabajan juntos para indexar los datos y permiten que los distintos nodos de Watson trabajen juntos.

Al igual que Deep Blue, Watson se construyó sobre la plataforma Power PC de IBM. Watson era un clúster de 90 núcleos con 16 TB de RAM. Para los juegos de Jeopardy, todos los datos relevantes se cargaron y almacenaron en la RAM.

¿Qué datos relevantes? Bueno, Watson tuvo acceso al texto completo de Wikipedia.. Tenía una variedad de diccionarios, tesauros, enciclopedias y otros materiales de referencia. Watson no tuvo acceso a Internet durante el juego, pero todos los datos locales eran de aproximadamente 4 TB.

Más recientemente, Watson se ha utilizado para analizar y sugerir opciones de tratamiento para pacientes con cáncer. La última aventura de Watson es ayudar a crear aplicaciones de aprendizaje personalizadas para niños. Incluso hay intentos de enseñar a Watson a cocinar la comida de Acción de Gracias creada por Watson de IBM: esto es lo que sucedió La comida de Acción de Gracias creada por Watson de IBM: esto es lo que sucedió La inteligencia artificial de IBM conocida como Watson puede hacer muchas cosas inteligentes, pero puede crear una comida única de Acción de Gracias? Le doy una oportunidad ¡Mira qué pasa! Lee mas !

4. Deepmind, el autodidacta

El Deepmind de Google finalmente puede dar a los nerds algo de qué preocuparse porque está superando a los humanos en los juegos clásicos de Atari. Internet Archive trae 900 Classic Arcade Games a tu navegador. Aquí están 7 de los mejores archivos de Internet que traen 900 juegos clásicos de Arcade a tu navegador. Aquí están 7 de los mejores El arcade de tu ciudad puede haberse cerrado a mediados de los 90, pero eso no debería impedirte que arregles tus juegos clásicos. Leer más - bueno, al menos ciertos juegos. La humanidad aún mantiene su ventaja en juegos como Asteroid y Gravitar..

Deepmind es una red neuronal AI. Las redes neuronales son AIs que se crean para imitar la forma en que funciona la mente humana, lo que hace mediante la creación de redes virtuales. “neuronas” usando la memoria de la computadora.

Deepmind pudo analizar cada píxel de la pantalla, decidir la mejor acción a tomar, dadas las condiciones de ganancia, y luego responder con la entrada del controlador.

La IA aprendió juegos usando una variante de Q-Learning llamada Deep Learning. Este es un método de aprendizaje en el que la inteligencia artificial retiene la mejor decisión tomada en una situación determinada, y luego la repite cuando se encuentra con la misma situación..

La variante de Deepmind es única, sin embargo, porque a medida que agrega fuentes de memoria externa.

Este sistema de información retenida permitió a Deepmind dominar los patrones de algunos juegos de Atari, e incluso lo llevó a encontrar la estrategia óptima de Breakout por su cuenta..

¿Por qué Deepmind se desempeñó mal en ciertos juegos? Por la forma en que juzga las situaciones. Resulta que Deepmind solo pudo analizar cuatro fotogramas a la vez, lo que limitó su capacidad para navegar por laberintos o reaccionar rápidamente..

Además, Deepmind tuvo que aprender cada juego desde cero y no pudo aplicar habilidades de un juego a otro.

5. Alpha Go, el Increíble.

AlphaGo es otro proyecto de DeepMind y es notable porque logró vencer a dos campeones de Go profesionales. AI Breakthrough de Google: Lo que significa y cómo te afecta a ti. Breakthrough de AI: Lo que significa y cómo te afecta. Más información - Fan Hui y Lee Sedol - Al ganar sus partidos 5-0 y 4-1, respectivamente..

Según los jugadores y los comentaristas de los partidos, todos dijeron que la IA se jugaba de manera conservadora, lo cual no es sorprendente, ya que estaba programado para favorecer movimientos seguros que garantizarían la victoria sobre movimientos arriesgados que garantizarían más puntos..

Se pensaba que Go estaba fuera del alcance de la IA, pero Alpha Go es ahora la primera IA clasificada profesionalmente en el juego..

El juego tiene una configuración simple: dos jugadores intentan conquistar el tablero usando piedras blancas y negras. El tablero es una cuadrícula de 19 x 19 con 361 intersecciones, y la colocación de piedras determina el territorio de cada jugador. El objetivo es acabar con más territorio que el otro..

La cantidad de movimientos potenciales y estados del juego es enorme, por decir lo menos. Sí, mucho más grande que el ajedrez, si te estuvieras preguntando..

Alpha Go utiliza el sistema Deep Learning AI mencionado anteriormente, lo que significa que Alpha Go guarda la memoria de los juegos que ha jugado y los estudia como experiencia. Luego, busca entre ellos, seleccionando la opción que tenga el mayor número de resultados potenciales positivos..

Alpha Go necesita una gran cantidad de potencia de computadora para ejecutar su algoritmo de cómputo pesado. La versión que jugó las partidas se ejecutó en un conjunto distribuido de servidores con un total de 1,920 CPU y 280 GPU, una enorme cantidad de potencia que permitió 64 subprocesos de búsqueda simultánea durante el juego.

Al igual que Watson, DeepMind se dirige a la escuela de medicina. Deepmind anunció una asociación con el NHS del Reino Unido para analizar los registros de salud. El proyecto, Streams, ayudará a identificar a los pacientes con riesgo de daño renal.

La inteligencia artificial se está volviendo seria

Hay mucha investigación en IA ahora mismo.

Google espera que AI pueda ayudar a su negocio de búsqueda. Un proyecto llamado Rankbrain está buscando usar AI para mejorar la efectividad de Page Rank. Microsoft y Facebook lanzaron ambos chatbots. Tesla lidera la vanguardia con su modo de conducción automático, y Google está justo detrás con sus autos automáticos..

Puede ser difícil ver la conexión entre estos proyectos y el entrenamiento de una IA para ganar juegos, pero cada una de estas IA ha dado forma al aprendizaje automático..

A medida que el campo ha evolucionado, ha permitido a los AI trabajar con conjuntos de datos más complejos. Esos casi infinitos movimientos en Go pueden traducirse en un número casi infinito de variables en el camino abierto. Entonces, realmente, estos juegos son solo el comienzo, una fase de práctica, por así decirlo..

Lo realmente interesante está a la vuelta de la esquina, y es muy posible que podamos experimentarlo todo de primera mano..

¿Qué te emociona de la IA? ¿Hay algún juego que creas que la IA no pueda conquistar? Háganos saber en los comentarios..

Crédito de la imagen: David Pacey a través de Flickr, Debbie Miesel a través de IBM, CPRG a través de la Universidad de Alberta, Play Among Friends Paf a través de Flickr, Mr Seb a través de Flickr, Matt Brown a través de Flickr, Jiuguang Wang a través de Flickr

Explorar más sobre: ​​Inteligencia Artificial.