Je lisais sur John McCarthy et sa vision orthodoxe de l'intelligence artificielle. Pour moi, il semble qu'il n'était pas très favorable aux ressources (comme le temps et l'argent) utilisées pour que les IA jouent à des jeux comme les échecs. Au lieu de cela, il voulait plus se concentrer sur la réussite du test de Turing et des IA imitant le comportement humain.
J'ai également lu de nombreux articles sur de grandes sociétés comme IBM, Google, etc. dépensant des millions de dollars pour fabriquer des IA pour jouer à des jeux comme Chess, Go, etc.
Dans quelle mesure est-ce justifié?
research
game-theory
chess
Suraj Shah
la source
la source
Réponses:
Alexander Kronrod a dit un jour: "Les échecs sont la drosophile de l'intelligence artificielle". John McCarthy n'est pas d'accord avec cette déclaration. Je pense que c'est principalement parce qu'il a une vision différente.
Les techniques et les méthodes innovantes développées pour jouer à ces jeux se sont révélées utiles dans le large spectre de l'informatique (et pas seulement de l'intelligence artificielle).
Le livre Intelligence artificielle: une approche moderne a utilisé la course automobile de Grand Prix comme analogie pour expliquer le problème ci-dessus. Des jeux comme Chess, Go, Othello sont pour l'IA comme les courses automobiles de Grand Prix pour l'industrie automobile. Les moteurs puissants et hautement optimisés qui intègrent les dernières avancées techniques ne sont pas bons pour la conduite sur des routes normales, pour le shopping, etc. Néanmoins, cela crée de l'excitation et un flux constant d'innovations qui ont été adoptées par la communauté au sens large.
Les programmes d'IA écrits pour jouer à des jeux comme Chess, Othello, Go ont introduit des concepts tels que l'heuristique de mouvement nul, l'élagage futile, la théorie des jeux combinatoires, la finesse et la compression, le métaraisonnement et bien plus encore . Des algorithmes très avancés d' apprentissage automatique et d'apprentissage en profondeur en sont la sortie.
Vous pouvez le voir semblable aux missions spatiales de la NASA, de l'ISRO, de la JAXA et d'autres agences spatiales. Toutes ces missions ne semblent pas avoir un avantage direct pour les citoyens mais ont de nombreux avantages indirects. Ils ouvrent la voie aux innovations technologiques (GPS, impression 3D, technologie des accidents de voiture, énergie propre, LED), à la création d'emplois, etc. Tempêtes anticipées, la détection des ouragans est le résultat de l'exploration spatiale qui a sauvé des millions de vies dans le monde.
AI Games n'a pas seulement aidé à développer le logiciel mais aussi le matériel. De nombreuses innovations se sont révélées produire un matériel hautement optimisé et puissant.
la source
Pourquoi le Game Playing R&D est-il un objectif de l'allocation des ressources?
Lorsque l'on examine l'obsession apparente du jeu alors que les chercheurs tentent de simuler des parties des capacités de résolution de problèmes humains, l'orthodoxie des vues de John McCarthy (1927-2011) peut être trompeuse.
Les biais éditoriaux de publication et les thèmes de science-fiction populaires peuvent obscurcir les principales forces qui conduisent à l'apparence d'obsession de développer des logiciels de jeux de société gagnants. Lors de l'examen de l'allocation des fonds et des ressources humaines dans les nombreux domaines de la recherche et du développement du renseignement, un certain contexte historique est nécessaire pour contourner les distorsions typiques des réponses aux questions de ce réseau social.
Contexte historique
La capacité de nous placer hors de notre temps et dans la mentalité d'autres périodes est utile lors de l'analyse de l'histoire, y compris l'histoire scientifique et technologique.
Considérez que la vision de McCarthy n'était pas orthodoxe à son époque. Il est rapidement devenu orthodoxe en raison d'une série de tendances émergentes dans la pensée de l'automatisation parmi les scientifiques et les mathématiciens dans les temps qui ont immédiatement suivi l'industrialisation occidentale. Cette réflexion est le prolongement naturel de la mécanisation des industries de l'imprimerie, du textile, de l'agriculture et des transports et de la guerre.
Au milieu du XXe siècle, certaines de ces tendances se sont combinées pour conceptualiser l'ordinateur numérique. D'autres sont devenus l'orthodoxie au sein de la communauté des personnes enquêtant sur les aspects du renseignement via des systèmes numériques. La toile de fond technique comprenait des travaux théoriques et des travaux électromécaniques, dont certains ont depuis acquis une certaine renommée publique. Mais il était généralement secret ou trop abstrait (et donc obscur) pour être considéré à l'époque comme des éléments d'intérêt pour la sécurité nationale.
Tous ces éléments étaient des concepts entourant la vision des automates, la simulation des aspects fonctionnels de la neurologie des mammifères. (Un singe ou un éléphant peut planifier et exécuter avec succès l'écrasement d'une mouche, mais une mouche est incapable de planifier et d'exécuter une attaque contre un singe ou un éléphant.)
L'expérimentation dans l'intelligence et sa simulation via la manipulation symbolique à l'aide d'un nouveau langage de programmation, LISP, était au centre de l'attention de John McCarthy et de son rôle dans la création du laboratoire d'IA du MIT. Mais quelle que soit l'orthodoxie ayant existé avec des règles (systèmes de production), des réseaux de neurones et des algorithmes génétiques, elle s'est largement diversifiée en un nuage d'idées qui rend le terme orthodoxie quelque peu nébuleux. Voici quelques exemples.
La naissance de la théorie des jeux
L'événement clé qui répond le plus directement à la question dans ce défilé d'événements historiques est un autre travail de von Neumann. Son livre Game Theory, co-écrit avec Oskar Morgenstern, est peut-être le facteur le plus important parmi les conditions historiques qui ont conduit à la persistance de Go and Chess comme scénarios de test pour les logiciels de résolution de problèmes.
Bien qu'il y ait eu de nombreux travaux antérieurs sur la façon de gagner aux échecs ou au go, il n'y avait jamais eu auparavant de traitement mathématique et une présentation aussi convaincante que celle de Game Theory.
Les membres privilégiés de la communauté scientifique étaient bien conscients du succès de von Neumann à élever la température et la pression des matières fissiles à la masse critique et de son travail pour dériver la thermodynamique classique de la théorie quantique. Le fondement des mathématiques qu'il a présenté dans Game Theory a été rapidement accepté (par certaines des mêmes personnes qui ont financé la recherche au MIT) comme un outil prédictif potentiel pour l'économie. La prédiction de l'économie a été la première étape de son contrôle.
La théorie rencontre la philosophie géopolitique
La philosophie dominante qui a conduit la politique occidentale au cours de cette période était Manifest Destiny, essentiellement la vision fataliste d'un Nouvel Ordre Mondial, dont le chef serait aux sièges du pouvoir américain. Des documents déclassifiés indiquent qu'il est très probable que les dirigeants de l'époque aient vu la domination économique obtenue grâce à l'application de la théorie des jeux comme considérablement moins risquée et coûteuse que la conquête militaire suivie du maintien de bases d'opérations (garnisons de haute technologie) près de chaque zone peuplée à l'étranger .
Les défis très médiatisés pour développer des automates Chess and Go ne sont que des atouts que les entreprises et les gouvernements utilisent comme première coupe dans l'acquisition d'actifs personnels. Les résultats du jeu sont comme des CV. Un programme de jeu gagnant est une preuve de l'existence de compétences en programmation qui réussiraient probablement aussi à développer des jeux plus importants qui déplacent des milliards de dollars ou gagnent des guerres.
Ceux qui peuvent écrire du code Chess or Go gagnant sont considérés comme des actifs de grande valeur. Le financement de la recherche sur le jeu a été considéré comme un moyen d'identifier ces actifs. Même en l'absence de retour immédiat sur investissement, l'identification de ces actifs, car ils peuvent être cachés dans des think tanks pour tracer la domination du monde, est devenue une considération primordiale lors de l'allocation des fonds de recherche.
Des voies lentes et rapides vers le retour sur investissement
Contrairement à cette pensée géopolitique, la recherche d'un prestige institutionnel sur le dos d'un programmeur ou d'une équipe astucieuse est un autre facteur. Dans ce scénario, tout progrès dans la simulation de l'intelligence qui a le potentiel d'améliorations géométriques dans certaines applications industrielles ou militaires importantes a été recherché.
Par exemple, des programmes comme Maxima (un précurseur d'applications de résolution de problèmes mathématiques comme Mathematica) ont été financés dans l'espoir de développer des mathématiques en utilisant l'informatique symbolique.
Cette voie vers le succès reposait conceptuellement sur le déterminisme en tant que philosophie naturelle globale. En fait, c'était la quintessence du déterminisme. Il a été proposé que, si un ordinateur pouvait non seulement faire de l'arithmétique mais développer des théorèmes mathématiques de complexité surhumaine, les modèles d'efforts humains pourraient être réduits à des équations et résolus. La prévisibilité d'une grande variété de phénomènes économiques, militaires et politiques importants pourrait alors être utilisée dans la prise de décision, permettant un gain significatif.
À la surprise de beaucoup, le succès de Maxima et d'autres programmes de mathématiques a été très limité dans son impact positif sur la capacité de prédire de manière fiable les événements économiques et géopolitiques. L'émergence de la théorie du chaos a expliqué pourquoi.
Battre un maître humain avec un programme s'est avéré être à la portée de la R&D du XXe siècle. L'utilisation de logiciels pour expérimenter différentes approches informatiques pour gagner un match était réalisable et donc plus attrayante pour les institutions comme moyen de gagner du prestige, tout comme une équipe de basket-ball gagnante.
N'oublions pas la découverte
Parfois, les apparences sont en opposition directe avec la réalité. Les diverses applications mentionnées ci-dessus des machines à penser n'ont pas été oubliées, et les dépenses en temps et en argent nécessaires pour simuler des aspects des capacités des mammifères ne perdront pas de financement pour le développement d'automates de jeux de société.
La technologie est largement occupée à résoudre les problèmes de communication, militaires, géopolitiques, économiques et financiers qui dépassent de loin la complexité de jeux comme Chess and Go. La théorie des jeux comprend des éléments de mouvements aléatoires effectués par des non-joueurs dès sa création. Par conséquent, l'obsession de Chess and Go n'est que la signature de la focalisation réelle du financement et de l'activité dans les nombreux domaines de la simulation du renseignement.
Un logiciel capable de jouer à un jeu d'échecs ou de go moyen n'est déployé ni sur les ordinateurs de modélisation globale de la NSA ni sur le mécanisme d'indexation de Google. Les gros dollars sont dépensés pour développer ce qui est déployé dans de tels endroits.
Vous ne verrez jamais de détails ni même un aperçu de cette R&D décrite en ligne, sauf dans le cas de personnes qui, pour une raison personnellement impérieuse, violent leurs accords confidentiels d'entreprise ou commettent une trahison.
la source
Je trouve la déclaration troublante car la première intelligence algorithmique confirmée peut avoir été un automate NIM , donc de mon point de vue, le développement de l'intelligence algorithmique est indissociable des jeux combinatoires. il semblerait également que McCarthy ne pense pas que les jeux soient utiles, ce qui m'amène à penser qu'il n'a jamais étudié sérieusement l'histoire des jeux.
La théorie des jeux combinatoires , un domaine appliqué en mathématiques et en informatique, a été officialisée dans les décennies qui ont suivi le théorème de Sprague-Grundy, qui était une analyse mathématique du jeu de NIM. Plus récemment, le jeu de pliage de protéines Foldit a produit de vrais résultats dans un domaine appliqué.
Mais les jeux, contrairement aux puzzles, qui sont des efforts en solo, nécessitent un type de prise de décision stratégique qui est assez utile. (La réponse @Ugnes en répertorie un grand nombre.)
Il existe également un facteur PR . La traduction en langage algorithmique est devenue extrêmement bonne ces dernières années, mais vous n'entendez jamais la presse faire grand cas à ce sujet. Comparez avec DeepBlue vs Kasparov, ou AlphaGo vs Sedol. (Cette pile a explosé avec des questions ML après le résultat d'AlphaGo.) Ceci est similaire aux atterrissages sur la lune aux États-Unis, ce qui était génial, sinon strictement nécessaire, un exploit technique qui a inspiré des générations de scientifiques en herbe.
Post-scriptum: Il est notable que jusqu'à récemment, le terme "fort" était réservé à l'intelligence générale artificielle, qui est encore très théorique. Après AlphaGo, je commence à voir des chercheurs utiliser le terme «Strong Narrow AI».
L'utilisation de strong par rapport à l'intelligence générale artificielle est purement philosophique. En revanche, la façon dont le terme est utilisé dans la théorie des jeux combinatoires (voir Jeu résolu ) est purement pratique et implique des preuves mathématiques.
Les échecs restent non résolus, et par conséquent, ils sont toujours utiles pour l'étude. [Voir GiraffeChess ci-dessous.]
Les domaines de la théorie des jeux et de la théorie des jeux combinatoires incluent des noms comme Von Neumann , Nash et Conway , et plus récemment Demain au MIT. Et si vous souhaitez inclure des puzzles combinatoires comme Sudoku, nous pouvons l'étendre à Euler . Pour ces raisons, ainsi que celles énumérées ci-dessus, j'ai du mal à voir l'analyse des jeux comme une quête banale.
Giraffe Ches s est un résultat récent d'un mathématicien / programmeur individuel, Matthew Lai, qui a utilisé une approche Neural Network pour créer un algorithme d'échecs qui a appris à jouer à un niveau international de master en 72 heures.
L'un des objectifs de Lai était de créer un algorithme qui produisait plus de "jeux humains". (Comparez avec le jeu "inhumain" d'algorithmes comme AlphaGo.) Giraffe n'est pas AGI, mais il pourrait certainement être considéré comme une pièce du puzzle.
Les jeux informatiques sont sans doute le type d'interaction le plus profond partagé par les humains et les automates, et ce type d'interaction remonte presque au début de l'informatique moderne.
la source
Le test de Turing est beaucoup trop subjectif et une perte de temps à mon avis. Je suis sûr que des millions de personnes ont répondu aux e-mails envoyés par des bots ou ont conversé avec des chatbots en ligne sans avoir la moindre idée qu'ils ne font que répondre à un programme.
la source