Ko je Covid-19 lani ljudi prisilil v njihove domove, je računalniški znanstvenik Tom Zahavy ponovno odkril svojo strast do šaha. Navdihnjen z branjem Garryja Kasparova, se je Zahavy poglobil v šahovske videoposnetke in filme, kot je “Damski Gambit,” da bi podžgal svoj novonastali interes. Zahavy pa je kmalu ugotovil, da je bolj spreten pri reševanju šahovskih ugank kot pri dejanski igri. Te uganke so postavljale umetne scenarije, ki so izzivali igralce, da bi na inovativen način pridobili prednost.
Posebej so te šahovske uganke razkrile omejitve tradicionalnih šahovskih programov. Matematik Sir Roger Penrose je leta 2017 oblikoval uganko, ki je celo najmočnejšim računalniškim šahovskim programom preprečila pravilno rešitev. Zahavy je prepoznal, da računalniki lahko presegajo človeške igralce v redni igri, vendar se soočajo težave s kompleksnimi problemi zunaj svojih podatkov za usposabljanje.
Zahavy, raziskovalni znanstvenik pri Google DeepMind, je to spoznanje izkoristil kot priložnost za raziskovanje ustvarjalnega reševanja problemov v AI sistemih. On in njegova ekipa sta razvila edinstven pristop: združili so do 10 odločitvenih AI sistemov, optimiziranih za različne strategije. V začetni fazi so integrirali DeepMind-ov AlphaZero, močan šahovski program. Z sodelovanjem in izkoriščanjem moči vsakega sistema je nov program presegel AlphaZero sam in pokazal povečano spretnost ter ustvarjalnost pri reševanju Penroseovih ugank. Vsakič, ko se je en pristop srečal z oviro, je program brezhibno prešel na drugega.
Uspeh Zahavyjevega pristopa je navdihnil računalniško znanstvenico Allison Liemhetcharat. Priznala je prednosti uporabe različnih AI sistemov, zlasti pri reševanju težav zunaj šaha. Liemhetcharat je poudarila, da ima imeti ekipo agentov, usposobljenih v različnih domenah, več možnosti za učinkovito spopadanje s težkimi izzivi.
Ta raziskava kaže, da se lahko AI sistemi koristijo s sodelovalnim reševanjem problemov in raziskovanjem več rešitev. Antoine Cully, raziskovalec na Imperial College London, ga je primerjal z umetnimi sejami brainstorminga, ki vodijo do ustvarjalnega in učinkovitega reševanja problemov. S iskanjem alternativnih pristopov lahko AI sistemi premagajo svoje omejitve in ponujajo inovativne rešitve.
Delo Zahavyja prav tako obravnava omejitve okrepitvenega učenja, osnove močnih šahovskih programov, kot je AlphaZero. Čeprav okrepitveno učenje omogoča AI sistemom učenje in izboljšave s poskusom in napako, pogosto ne razvije celovitega razumevanja igre. Zahavy je opazil, da imajo ti sistemi slepa mesta, ko gre za nove situacije ali probleme, s katerimi se še niso srečali. Nesposobnost prepoznavanja neuspehov omejuje njihovo sposobnost izkazovanja ustvarjalnosti.
Zahavyjeva raziskava spodbuja integracijo prepoznavanja neuspehov in ustvarjalnega reševanja problemov v AI sistemih. S tem lahko AI programi premagajo slepa mesta, razširijo svoje sposobnosti reševanja problemov in ponudijo bolj niansirane rešitve.
The source of the article is from the blog anexartiti.gr