Kad Covid-19 pagājušajā gadā spieda iedzīvotājus palikt savās mājās, datorzinātnieks Toms Zahavy atkal atklāja savu aizraušanos ar šahu. Iedvesmots lasot Garija Kasparova atmiņasgrāmatu, Zahavy dziļi iegrima šaha video un filmās kā “Dāmas Gambīts”, lai barotu savu jauno interesi. Tomēr Zahavy drīz saprata, ka viņš ir veiksmīgāks šaha mīklas risināšanā nekā faktiskā spēle. Šīs mīklas izvirza mākslīgus scenārijus, kas izaicina spēlētājus atrast inovatīvus veidus, kā iegūt priekšrocību.
Īpaši šīs šaha mīklas palīdzēja noskaidrot tradicionālo šaha programmēšanas ierobežojumus. Matemātiķis S. Rodžers Penroze 2017. gadā izstrādāja mīklu, ko pat stiprākās datoru šaha programmas nevarēja atrisināt pareizi. Zahavy atzina, ka, lai gan datori varēja pārspēt cilvēka spēlētājus regulārajā spēlē, tiem bija grūtības risināt sarežģītus uzdevumus ārpus to apmācības datiem.
Zahavy, pētījumu zinātnieks Google DeepMind, šo atziņu uzņēma kā iespēju izpētīt radošo problēmu risināšanu AI sistēmās. Viņš ar savu komandu izstrādāja unikālu pieeju: apvienot līdz pat 10 lēmumu pieņemšanas AI sistēmas, kas optimizētas dažādām stratēģijām. Viņi integrēja DeepMind AlphaZero, spēcīgu šaha programmu, kā sākumpunktu. Sadarbojoties un izmantojot katras sistēmas priekšrocības, jaunā programma pārspēja AlphaZero vienu un parādīja palielinātu prasmju un radošuma līmeni Penroze mīklas risināšanā. Katru reizi, kad viena pieeja saskārās ar šķērsli, programma bez problēmām pārgāja uz citu.
Zahavy pieejas veiksmi atbalstīja datorzinātniece Alisona Liemhetčarata. Viņa atzina dažādu AI sistēmu izmantošanas priekšrocības, it īpaši problēmu risināšanas scenārijos, kas pārsniedz šahu. Liemhetčarata uzsvēra, ka aģentu komanda, kuru apmācījusi dažādās jomās, palielina iespējas veiksmīgi risināt sarežģītas problēmas.
Šis pētījums liecina, ka AI sistēmas var labums gūt no sadarbības problēmu risināšanā un vairāku risinājumu izpētē. Antuans Kallijs, AI pētnieks Imperial College London, to salīdzināja ar mākslīgām brainstorming sesijām, kas noved pie radošas un efektīvas problēmu risināšanas. Meklējot alternatīvas pieejas, AI sistēmas var pārvarēt savas ierobežojumus un piedāvāt inovatīvus risinājumus.
Zahavy darbs arī risina pastiprinātās mācīšanās ierobežojumus, kas ir pamats spēcīgām šaha programmām kā AlphaZero. Lai gan pastiprinātā mācīšanās ļauj AI sistēmām mācīties un uzlaboties, izmantojot mēģinājumu un kļūdu metodi, bieži tas neļauj attīstīt holistisku saprašanu par spēli. Zahavy pamanīja, ka šīs sistēmas bija akli punkti, ja runa ir par jaunām situācijām vai problēmām, ar kurām tās nekad nav saskārušās. Neizpratne par neveiksmi liedza tai radošuma izpausmi.
Tālākais risinājums Zahavy aicina integrēt neveiksmes atpazīšanu un radošu problēmu risināšanu AI sistēmās. Tā darot, AI programmas var pārvarēt aklos punktus, paplašināt savas problēmu risināšanas spējas un piedāvāt nuansētus risinājumus.
The source of the article is from the blog portaldoriograndense.com