Mengapa menghabiskan begitu banyak waktu dan uang untuk membangun AI untuk bermain Game?

Saya sedang membaca tentang John McCarthy dan visi ortodoksnya tentang Kecerdasan Buatan. Bagi saya, sepertinya dia tidak terlalu menyukai sumber daya (seperti waktu dan uang) yang digunakan untuk membuat AI bermain game seperti Catur. Sebaliknya, ia ingin lebih fokus lulus Tes Turing dan AI meniru perilaku manusia.

Saya juga telah membaca banyak artikel tentang perusahaan besar seperti IBM, Google, dll. Menghabiskan jutaan dolar dalam membuat AI untuk bermain game seperti Catur, Go, dll.

Sejauh mana ini dibenarkan?

Alexander Kronrod pernah berkata, "Catur adalah Drosophila dari kecerdasan buatan". John McCarthy tidak setuju dengan pernyataan ini. Saya pikir itu terutama karena dia memiliki visi yang berbeda.
Teknik dan metode Inovatif yang dikembangkan untuk memainkan game-game ini telah ditemukan bermanfaat dalam spektrum luas Ilmu Komputer (dan bukan hanya Kecerdasan Buatan).

Buku Kecerdasan Buatan: Suatu Pendekatan Modern menggunakan balap motor Grand Prix sebagai analogi untuk menjelaskan masalah di atas. Game seperti Chess, Go, Othello adalah untuk AI seperti Grand Prix motor adalah untuk industri mobil. Engine yang kuat, sangat dioptimalkan, yang menggabungkan kemajuan teknik terbaru tidak baik untuk dikendarai di jalan biasa, untuk berbelanja, dll. Meskipun demikian, ia menciptakan kegembiraan dan aliran inovasi yang telah diadopsi oleh masyarakat luas.

Program AI yang ditulis untuk bermain game seperti Catur, Othello, Go telah memperkenalkan konsep seperti heuristik gerakan nol, pemangkasan kesia-siaan, teori permainan kombinatorial, kemahiran dan pemerasan, metareasoning dan banyak lagi . Algoritma yang sangat canggih dari pembelajaran mesin dan pembelajaran mendalam adalah output mereka.

Anda dapat melihatnya mirip dengan misi luar angkasa NASA, ISRO, JAXA dan badan antariksa lainnya. Semua misi ini tampaknya tidak memiliki manfaat langsung bagi warga negara tetapi memiliki banyak manfaat tidak langsung. Mereka membuka jalan bagi inovasi teknologi (GPS, pencetakan 3D, teknologi kecelakaan mobil, energi bersih, LED), penciptaan pekerjaan, dll. Badai tingkat lanjut, deteksi badai adalah hasil eksplorasi ruang angkasa yang telah menyelamatkan jutaan nyawa di seluruh dunia.

AI Games tidak hanya membantu mengembangkan perangkat lunak tetapi juga perangkat keras. Banyak inovasi telah terlihat menghasilkan perangkat keras yang sangat optimal dan kuat.

Mengapa Game Playing R&D fokus pada Alokasi Sumber Daya?

Ketika meneliti obsesi yang tampak dengan bermain game sebagai peneliti berusaha untuk mensimulasikan bagian dari kemampuan pemecahan masalah manusia, ortodoksi dari pandangan John McCarthy (1927 - 2011) mungkin menyesatkan.

Publikasi editorial bias dan tema fiksi ilmiah populer dapat mengaburkan kekuatan utama yang mengarah pada munculnya obsesi dengan mengembangkan perangkat lunak permainan papan pemenang. Ketika memeriksa alokasi dana dan sumber daya manusia dalam banyak bidang penelitian dan pengembangan intelijen, beberapa latar belakang sejarah diperlukan untuk menghindari distorsi tipikal jawaban terhadap pertanyaan di jejaring sosial ini.

Latar belakang sejarah

Kemampuan untuk menempatkan diri kita keluar dari waktu kita sendiri dan ke dalam pola pikir periode lain sangat membantu ketika menganalisis sejarah, termasuk sejarah ilmiah dan teknologi.

Pertimbangkan bahwa visi McCarthy bukanlah ortodoks pada masanya. Dengan cepat menjadi ortodoks karena berbagai tren yang muncul dalam pemikiran tentang otomatisasi di antara para ilmuwan dan ahli matematika di masa segera setelah industrialisasi barat. Pemikiran ini adalah perpanjangan alami dari mekanisasi industri percetakan, tekstil, pertanian, dan transportasi dan perang.

Pada pertengahan abad kedua puluh, beberapa tren ini digabungkan untuk membuat konsep komputer digital. Yang lain menjadi ortodoksi di dalam komunitas orang yang menyelidiki aspek-aspek intelijen melalui sistem digital. Latar belakang teknis termasuk pekerjaan teoretis dan kerja elektro-mekanis, beberapa di antaranya telah mencapai tingkat kemasyhuran publik. Tetapi pada umumnya rahasia atau terlalu abstrak (dan karena itu tidak jelas) untuk dianggap sebagai barang kepentingan keamanan nasional pada saat itu.

• Teori sibernetika, sebagian besar dikembangkan oleh Norbert Wiener (1894 - 1964)
• Pekerjaan yang dilakukan pada otomatisasi aritmatika (memperluas teori George Boole dan kalkulator Blaise Pascal, dengan dana primer yang berasal dari militer AS dalam minat membimbing persenjataan anti-pesawat dengan menghitung kemungkinan lintasan musuh pesawat dan menentukan koordinat bola untuk membuat kemungkinan yang menarik) lintasan balistik
• Seringkali mengabaikan pekerjaan Gereja Alonso (1903 - 1995) tentang kalkulus lambda yang mengarah pada gagasan pemrograman fungsional, aspek kunci untuk kemunculan LISP di Cambridge, yang dimanfaatkan McCarthy untuk eksperimen AI awal.
• Kelahiran teori informasi, terutama melalui karya Claude Shannon (1916 - 2001), didanai melalui Bell Labs untuk kepentingan otomatisasi alih komunikasi
• Pekerjaan cryptanalysis awal mahasiswa doktoral Gereja, Alan Turing, didanai sepenuhnya oleh Pasukan Sekutu dengan tujuan R&D mengalahkan perangkat kriptografi Enigma sehingga pasukan Nazi dapat dihentikan sebelum penghancuran total London dan target Sekutu lainnya
• Pekerjaan pada John von Neumann (1903 - 1957) untuk memusatkan implementasi logika Boolean yang sewenang-wenang bersama-sama dengan bilangan aritmatika ke dalam satu unit (saat ini disebut CPU) dan menyimpan program yang mengendalikan implementasi sandal elektronik bersama dengan data untuk diproses dan hasilnya (arsitektur umum yang sama dipekerjakan oleh hampir semua perangkat komputasi kontemporer saat ini)

Semua ini adalah konsep seputar visi automata, simulasi aspek fungsional neurologi mamalia. (Seekor monyet atau gajah dapat dengan sukses merencanakan dan mengeksekusi menampar lalat, tetapi seekor lalat tidak mampu merencanakan dan mengeksekusi serangan terhadap monyet atau gajah.)

Eksperimen ke dalam kecerdasan dan simulasi melalui manipulasi simbolik menggunakan bahasa pemrograman baru, LISP, adalah fokus utama John McCarthy dan perannya dalam penciptaan Laboratorium AI MIT. Tetapi apa pun ortodoksi yang mungkin ada dengan berbasis aturan (sistem produksi), jaring saraf, dan algoritma genetika sebagian besar telah terdiversifikasi menjadi awan gagasan yang membuat istilah ortodoksi agak samar-samar. Beberapa contoh mengikuti.

• Richard Stallman mengundurkan diri dari MIT AI Lab dan memulai pergeseran filosofis dari banyak filosofi ekonomi yang mendominasi periode waktu itu. Hasilnya adalah perangkat lunak GNU dan LINUX, diikuti oleh perangkat keras terbuka dan creative commons, konsep-konsep yang sebagian besar bertentangan dengan orientasi filosofis dari mereka yang mendanai hotbeds AI.
• Banyak sistem berpemilik (dan karenanya rahasia perusahaan) menggunakan metode Bayesian atau komponen adaptif yang lebih banyak bersumber dari karya Norbert Wiener daripada apa pun yang dianggap sebagai penelitian AI pada tahun 1970-an.

Teori Kelahiran Game

Peristiwa kunci yang paling langsung menjawab pertanyaan dalam parade peristiwa bersejarah ini adalah beberapa karya von Neumann lainnya. Bukunya, Game Theory, yang ditulis bersama dengan Oskar Morgenstern, mungkin merupakan faktor terkuat di antara kondisi historis yang mengarah pada ketekunan Go and Chess sebagai skenario uji untuk perangkat lunak pemecahan masalah.

Meskipun ada banyak karya sebelumnya tentang cara untuk menang di Catur atau Pergi, belum pernah ada perlakuan matematika dan presentasi yang menarik seperti dalam Game Theory.

Anggota istimewa dari komunitas ilmiah sangat menyadari keberhasilan von Neumann dengan meningkatkan suhu dan tekanan bahan fisil ke massa kritis dan karyanya dalam memperoleh termodinamika klasik dari teori kuantum. Fondasi matematika yang ia presentasikan dalam Game Theory dengan cepat diterima (oleh beberapa orang yang sama yang mendanai penelitian di MIT) sebagai alat prediksi potensial untuk ekonomi. Memprediksi ekonomi adalah langkah pertama dalam mengendalikannya.

Teori Memenuhi Filsafat Geopolitik

Filsafat dominan yang menggerakkan kebijakan barat selama periode itu adalah Manifest Destiny, pada dasarnya pandangan fatalis tentang Tata Dunia Baru, yang kepalanya akan berada di kursi kekuasaan AS. Dokumen yang dideklasifikasi menunjukkan bahwa sangat mungkin bahwa para pemimpin saat itu melihat dominasi ekonomi dicapai melalui penerapan teori permainan sebagai jauh lebih berisiko dan mahal daripada penaklukan militer diikuti oleh pemeliharaan pangkalan operasi (garnisun berteknologi tinggi) di dekat setiap daerah berpenduduk di luar negeri .

Tantangan yang sangat dipublikasikan untuk mengembangkan robot Catur dan Go hanyalah jebakan yang digunakan korporasi dan pemerintah sebagai langkah pertama dalam akuisisi aset personel. Hasil permainan seperti resume. Program permainan yang menang adalah bukti dari keberadaan keterampilan pemrograman yang kemungkinan juga akan berhasil dalam pengembangan game yang lebih penting yang menggerakkan miliaran dolar atau memenangkan perang.

Mereka yang dapat menulis kode Catur atau Go yang menang dianggap sebagai aset bernilai tinggi. Penelitian bermain game pendanaan telah dipandang sebagai cara mengidentifikasi aset-aset tersebut. Bahkan tanpa adanya pengembalian langsung atas investasi, identifikasi aset-aset ini, karena mereka dapat disimpan dalam lembaga think tank untuk merencanakan dominasi dunia, telah menjadi pertimbangan utama ketika dana penelitian dialokasikan.

Jalan Lambat dan Cepat untuk Pengembalian Investasi

Berbeda dengan pemikiran geopolitik ini, mencari prestise kelembagaan di belakang beberapa programmer atau tim yang licik adalah faktor lain. Dalam skenario ini, setiap kemajuan dalam simulasi intelijen yang memiliki potensi peningkatan geometrik dalam beberapa industri atau aplikasi militer penting dicari.

Sebagai contoh, program-program seperti Maxima (cikal bakal aplikasi pemecahan masalah matematika seperti Mathematica) didanai dengan harapan mengembangkan matematika menggunakan komputasi simbolik.

Jalan menuju kesuksesan ini secara konseptual bertumpu pada determinisme sebagai filosofi alami yang menyeluruh. Bahkan, itu adalah lambang determinisme. Diusulkan bahwa, jika sebuah komputer tidak hanya dapat melakukan aritmatika tetapi mengembangkan teorema matematika kompleksitas super-manusia, model upaya manusia dapat direduksi menjadi persamaan dan dipecahkan. Prediktabilitas untuk beragam fenomena ekonomi, militer, dan politik penting kemudian dapat digunakan dalam pengambilan keputusan, yang memungkinkan perolehan signifikan.

Yang mengejutkan banyak orang, keberhasilan Maxima dan program matematika lainnya sangat terbatas dalam dampak positifnya pada kemampuan memprediksi peristiwa ekonomi dan geopolitik secara andal. Munculnya Teori Chaos menjelaskan mengapa.

Mengalahkan seorang master manusia dengan sebuah program ternyata berada dalam jangkauan R&D abad ke-20. Penggunaan perangkat lunak untuk bereksperimen pada berbagai pendekatan ilmu komputer untuk memenangkan permainan dapat dicapai dan oleh karena itu lebih menarik bagi lembaga sebagai cara untuk mendapatkan prestise, seperti halnya tim bola basket yang menang.

Let's Not Forget Discovery

Kadang-kadang penampilan bertentangan langsung dengan aktualitas. Berbagai aplikasi yang disebutkan di atas mesin berpikir tidak pernah dilupakan, dan biaya dalam waktu dan uang yang diperlukan untuk mensimulasikan aspek kemampuan mamalia tidak akan kehilangan dana untuk naik otomat permainan papan.

Teknologi sebagian besar sibuk menyelesaikan masalah komunikasi, militer, geopolitik, ekonomi, dan keuangan yang jauh melebihi kompleksitas permainan seperti Catur dan Go. Teori permainan mencakup unsur-unsur gerakan acak yang dibuat oleh non-pemain sejak awal. Oleh karena itu, obsesi dengan Catur dan Go hanyalah tanda tangan dari fokus pendanaan dan aktivitas aktual di banyak bidang simulasi kecerdasan.

Perangkat lunak yang dapat memainkan permainan Chess atau Go yang jahat tidak digunakan untuk komputer pemodelan global NSA atau mesin pengindeks Google. Dolar besar dihabiskan untuk mengembangkan apa yang disebarkan IS ke tempat-tempat seperti itu.

Anda tidak akan pernah melihat detail atau bahkan tinjauan R&D yang dijelaskan secara online, kecuali dalam kasus orang-orang yang, karena alasan pribadi, melanggar perjanjian rahasia perusahaan mereka atau melakukan pengkhianatan.

Saya menemukan pernyataan yang meresahkan karena kecerdasan algoritmik pertama yang dikonfirmasi mungkin merupakan NIM automata , jadi dari sudut pandang saya, pengembangan Kecerdasan Algoritmik tidak dapat dipisahkan dari permainan kombinatorial. Tampaknya juga bahwa McCarthy tidak memiliki pendapat bahwa permainan itu berguna, yang membuat saya curiga bahwa dia tidak pernah secara serius mempelajari sejarah permainan.

Teori Permainan Kombinatorial , bidang terapan dalam matematika dan komputasi, diresmikan dalam dekade setelah Teorema Sprague-Grundy yang merupakan analisis matematis dari permainan NIM. Baru-baru ini, permainan lipat protein Foldit menghasilkan hasil nyata dalam bidang terapan.

• Jawaban yang biasanya saya berikan adalah bahwa permainan seperti Catur dan Go memberikan kompleksitas yang mirip dengan alam menggunakan parameter yang sangat sederhana. (Intinya, permainan kombinatorial dan teka-teki, seperti Sudoku, adalah mesin kompleksitas.)

Tetapi permainan, tidak seperti puzzle, yang merupakan upaya solo, membutuhkan jenis pengambilan keputusan strategis yang cukup berguna. (@Ugnes answer mendaftar banyak dari mereka.)

• Permainan kombinatorial khususnya memberikan tolok ukur yang berguna untuk kemampuan algoritma untuk mengelola masalah yang sulit diatasi.

Ada juga PR faktor . Terjemahan bahasa algoritma telah menjadi sangat baik dalam beberapa tahun terakhir, tetapi Anda tidak pernah mendengar pers membuat masalah besar tentang itu. Bandingkan dengan DeepBlue vs Kasparov, atau AlphaGo vs. Sedol. (Tumpukan ini meledak dengan pertanyaan ML setelah hasil AlphaGo.) Ini mirip dengan pendaratan di bulan AS, yang merupakan hal hebat, jika tidak sepenuhnya diperlukan, prestasi teknik yang mengilhami generasi ilmuwan yang sedang berkembang.

Catatan tambahan: Perlu dicatat bahwa hingga saat ini, istilah "kuat" dicadangkan untuk Inteligensi Buatan Buatan, yang masih sangat teoretis. Setelah AlphaGo, saya mulai melihat para sarjana menggunakan istilah "AI Sempit Kuat."

Penggunaan kuat dalam kaitannya dengan Kecerdasan Umum Buatan adalah murni filosofis. Sebaliknya, cara istilah ini digunakan dalam Teori Permainan Kombinatorial (lihat Permainan Selesaikan ) adalah murni praktis dan melibatkan bukti matematis.

Catur tetap belum terpecahkan, dan karena itu masih berguna untuk belajar. [Lihat GiraffeChess berikut.]

Bidang Game Theory dan Combinatorial Game Theory mencakup nama-nama seperti Von Neumann , Nash dan Conway , dan yang lebih baru Demain di MIT. Dan jika Anda ingin memasukkan teka-teki kombinatorial seperti Sudoku, kita dapat meregangkannya kembali ke Euler . Untuk alasan ini, serta yang tercantum di atas, saya kesulitan melihat analisis permainan sebagai pengejaran sepele.

Jerapah Ches s adalah hasil baru-baru ini oleh seorang ahli matematika / programmer individu, Matthew Lai, yang menggunakan pendekatan Neural Network untuk membuat algoritma catur yang belajar sendiri untuk bermain di tingkat master internasional dalam 72 jam.

Salah satu tujuan Lai adalah menciptakan algoritma yang menghasilkan lebih banyak "permainan seperti manusia". (Bandingkan dengan permainan algoritma "tidak manusiawi" seperti AlphaGo.) Jerapah bukan AGI, tetapi tentu saja bisa dianggap sebagai bagian dari teka-teki.

Permainan komputer bisa dibilang jenis interaksi terdalam yang dibagikan oleh manusia dan automata, dan jenis interaksi ini hampir kembali ke awal komputasi modern.

Tes Turing terlalu subjektif dan buang-buang waktu menurut saya. Saya yakin jutaan orang telah menanggapi email yang dikirim oleh bot atau berkomunikasi dengan chatbots online sementara tidak tahu bahwa mereka sebenarnya hanya merespons suatu program.