Când Covid-19 a forțat oamenii să stea în casele lor anul trecut, specialistul în informatică Tom Zahavy a redescoperit pasiunea sa pentru șah. Inspirat de lectura memoriilor lui Garry Kasparov, Zahavy s-a cufundat în videoclipuri de șah și filme precum „The Queen’s Gambit” pentru a alimenta noul său interes. Cu toate acestea, Zahavy a realizat curând că este mai priceput la puzzle-uri de șah decât la jocul efectiv. Aceste puzzle-uri prezentau scenarii artificiale care provocau jucătorii să găsească modalități inovatoare de a obține un avantaj.
În mod remarcabil, aceste puzzle-uri de șah au contribuit la evidențierea limitărilor programelor tradiționale de șah. Matematicianul Sir Roger Penrose a creat un puzzle în 2017 pe care chiar și cele mai puternice programe de șah pentru calculator au eșuat în a rezolva corect. Zahavy a recunoscut că, în timp ce computerele puteau depăși jucătorii umani în jocul obișnuit, au întâmpinat dificultăți în a aborda probleme complexe în afara datelor lor de antrenament.
Zahavy, un cercetător științific la Google DeepMind, a văzut această realizare ca pe o oportunitate de a explora rezolvarea creativă a problemelor în sistemele AI. El și echipa sa au dezvoltat o abordare unică: combinarea până la 10 sisteme AI de luare a deciziilor optimizate pentru diferite strategii. Au integrat AlphaZero de la DeepMind, un program puternic de șah, ca punct de plecare. Prin colaborare și valorificarea punctelor forte ale fiecărui sistem, noul program a depășit performanțele lui AlphaZero singur și a demonstrat abilități și creativitate crescute în rezolvarea puzzle-urilor lui Penrose. Ori de câte ori o abordare întâmpina un obstacol, programul trecea cu ușurință la un altul.
Succesul abordării lui Zahavy a resonat cu specialistul în informatică Allison Liemhetcharat. Ea a recunoscut avantajele utilizării unor sisteme AI diverse, în special în scenarii de rezolvare a problemelor dincolo de șah. Liemhetcharat a subliniat că având o echipă de agenți antrenați în domenii diferite crește șansele de a aborda eficient provocări dificile.
Această cercetare indică faptul că sistemele AI pot beneficia de rezolvarea colaborativă a problemelor și de explorarea a mai multor soluții. Antoine Cully, un cercetător AI la Imperial College London, a comparat aceasta cu sesiuni artificiale de brainstorming care duc la rezolvarea creativă și eficientă a problemelor. Prin căutarea de abordări alternative, sistemele AI pot depăși limitele lor și pot oferi soluții inovatoare.
Munca lui Zahavy abordează, de asemenea, limitele învățării prin întăriri, fundația din spatele programelor puternice de șah precum AlphaZero. Deși învățarea prin întăriri permite sistemelor AI să învețe și să se îmbunătățească prin încercare și eroare, adesea nu reușește să dezvolte o înțelegere holistică a jocului. Zahavy a observat că aceste sisteme aveau puncte oarbe când vine vorba de situații noi sau probleme pe care nu le-au întâlnit niciodată. Inabilitatea de a recunoaște eșecul le limita capacitatea de a manifesta creativitate.
În viitor, cercetarea lui Zahavy încurajează integrarea recunoașterii eșecului și a rezolvării creative a problemelor în sistemele AI. Prin aceasta, programele AI pot depăși punctele oarbe, își pot extinde capacitățile de rezolvare a problemelor și pot oferi soluții mai subtile.
Întrebări frecvente bazate pe principalele subiecte și informații prezentate în articol:
The source of the article is from the blog regiozottegem.be