برد قاطعانه آلفاگو در برابر لی سدول؛ گوگل قدم بزرگ دیگری در مسیر توسعه هوش مصنوعی برداشت

سیستم آلفاگوی گوگل با کسب سه پیروزی متوالی در برابر لی سدول، قهرمان ۱۸ دوره از مسابقات Go، نشان داد که تلاش‌های انجام شده توسط متخصصان DeepMind بیراه نبوده و کوگل موفق شده تا قدم بزرگی را در مسیر توسعه‌ی هوش مصنوعی بردارد. براساس اطلاعات ارائه شده قرار بود تا آلفاگو ۵ دیدار را با لی سدول انجام دهد که هر سه بازی اول انجام شده به نفع هوش مصنوعی گوگل به پایان رسیده و تکلیف برنده‌ی نهایی این دیدار مشخص شده است. برد متولی سه دیدار نشان از این دارد که بردهای پیشین این سیستم اتفاقی نبوده و ترکیب یادگیری ماشین و شبکه‌های عصبی در کنار امکان یادگیری بازی از حرکات حریف نتیجه داده است. با وجود اینکه آلفاگو عنوان برنده‌ی اصلی این رقابت را کسب کرده، اما دو بازی باقی مانده نیز همچنان انجام خواهد شد.

همانطور که پیش از این نیز در زومیت خواندید، آلفاگو سیستم هوش مصنوعی توسعه یافته توسط کمپانی بریتانیایی DeepMind است که توسط گوگل تصاحب شده است. برد یک سیستم مبتنی بر هوش مصنوعی از این رو مهم است که بازی Go یک بازی تخته‌ای بسیار پیچیده با احتمالات بسیار بالا برای هر حرکت است، بطوریکه بسیاری از کارشناسان امکان توسعه‌ی سیستم هوش مصنوعی که قادر باشد در برابر یک قهرمان واقعی رقابت کند را مستلزم گذشت زمان یک دهه‌ای خوانده بودند. یکی از موارد جالبی که در بازی سوم رویت شد، انجام حرکاتی موسوم به ko از جانب آلفاگو در این بازی بود که در دو بازی پیشین دیده نشده بود. آلفاگو دارای این قابلیت است تا علاوه بر انجام محاسبه و انتخاب بهترین حرکت، بازی حریف را نیز تحت نظر گرفته و حرکات وی را نیز یاد بگیرد.

آلفاگوی گوگل با سه برد متوالی در بازی Go بسیاری از کارشناسان حوزه‌ی فناوری و هوش مصنوعی را انگشت به دهان کرده است. لی سدول، قهرمان کره‌ای بازی Go در صورت بردن آلفاگو جایزه‌ای یک میلیون دلاری را دریافت می‌کرد که با توجه به شرایط جدید، باید این جایزه را نیز از دست رفته خواند.

برای درک بهتر موفقیت بزرگ هوش مصنوعی بهتر است نگاهی به ساختار بازی Go داشته باشیم. در بازی Go که از یک تخته متشکل از ۱۹ خانه طولی و عرضی تشکیل شده، احتمالات موجود برای حرکت بسیار گسترده‌تر از بازی شطرنج با یک تحته بازی بسیار کوچک‌تر است. بزرگ بودن تخته بازی در کنار نبود محدودیت خاص برای حرکت مهره‌ها باعث شده تا احتمالات موجود برای حرکت هر مهره در هر دور برای طرفین بسیار زیاد باشد، بطوریکه بعضا تعداد احتمالات برای حرکت دادن مهره‌ها از تعداد اتم‌های موجود در جهان هستی نیز پیشی می‌گیرد.

در روش کلاسیک رایانه‌ها با جستجوی دامنه‌ی احتمالات موجود، به انتخاب بهترین گزینه اقدام می‌کنند، حال آنکه با وجود دامنه‌ی گسترده‌ای از احتمالات همانند بازی Go، بهینه‌ترین روش‌های جستجو نیز نمی‌تواند متخصصان را در توسعه‌ی سیستم هوش مصنوعی کارا یاری کند. در بازی Go آرایش مهره‌ها باید به گونه‌ای باشد که چندین خواسته را بصورت همزمان تامین کند. این خواسته‌ها شامل گشایش مساحت تحت اشغال روی تخته در کنار انجام حرکاتی است که گشایش‌های آینده را تسهیل کرده و مهره‌های حریف را نیز از میدان به در کند. در واقع هوش مصنوعی باید قادر باشد اهداف بلند مدت را نیز سنجیده و حرکات فعلی را با پاداشی که در آینده نیز می‌تواند عاید خود کند، به پیش ببرد.

آلفاگو با استفاده از شبکه‌های عصبی و یادگیری ماشین در کنار ثبت حرکات پیشینی که در تجربه‌های قبلی شاهد بوده، در مورد بهترین گزینه‌های پیش رو برای انجام حرکات، تصمیم‌گیری می‌کند. این سیستم با پیش‌بینی حرکات رقیب برای حرکت آینده‌ی خود، بهترین موارد را انتخاب کند. یکی از موارد جالبی که در دومین بازی روی داده، آغاز بازی با استراتژی جدیدی توسط آلفاگو بود. براساس اظهارات لی سدول و سایر افراد آشنا به Go، آلفاگو به گونه‌ای بازی را آغاز کرده که گویا از پیش برای این بازی برنامه‌ریزی کرده است. در بازی دوم آلفاگو با همین شروع خوب، باعث شد تا لی سدول نتواند به درستی به چینش مهره‌ها پرداخته و در نتیجه پایان زمانش را از دست بدهد. حتی شماری از افراد در پیش گرفتن این استراتژی توسط آلفاگو را با هدف به بن بست بردن لی سدول و برد وی از طریق اتمام زمان بازی عنوان کرده‌اند.

برد قهرمان جهان در بازی چالش برانگیز Go را باید گذر از یک مانع بزرگ دیگر برای هوش مصنوعی و نزدیک شدن به رویایی خواند که بسیاری در پی رسیدن به آن هستند. در جبهه‌ی مقابل، بسیاری نیز از نزدیک شدن به روز موعود که هوش مصنوعی قدرتی خارق العاده خواهد داشت را بیمناک می‌دانند و از هم‌اکنون در حال هشدار دادن در این خصوص هستند.

نظر شما در این خصوص چیست؟