Wat Is Intelligentie? 20 Jaar Na Diepblauw, Ai Kan Nog Steeds Niet Denken Aan Mensen

{h1}

Twintig jaar geleden versloeg ibm-computer deep blue 's werelds beste schaker in een primeur voor machines. Hoe ver is kunstmatige intelligentie sindsdien?

Toen de IBM-computer Deep Blue de grootste schaakspeler ter wereld versloeg, Garry Kasparov, in de laatste wedstrijd van een wedstrijd met zes wedstrijden op 11 mei 1997, was de wereld verbaasd. Dit was de eerste keer dat een menselijke schaakkampioen door een machine was neergehaald.

Die overwinning voor kunstmatige intelligentie was historisch, niet alleen om te bewijzen dat computers in bepaalde uitdagingen beter kunnen presteren dan de grootste geesten, maar ook om de beperkingen en tekortkomingen van deze intelligente hunks van metaal te laten zien, zeggen experts.

Deep Blue benadrukte ook dat, als wetenschappers intelligente machines gaan bouwen die denken, ze moeten beslissen wat 'intelligent' en 'denken' betekent. [Super-intelligente machines: 7 Robotic Futures]

Computers hebben hun grenzen

Tijdens de multigame-wedstrijd die dagen duurde in het Equitable Center in Midtown Manhattan, versloeg Deep Blue Kasparov twee wedstrijden naar één en drie wedstrijden waren gelijkspel. De machine benaderde schaak door vooruit te kijken naar vele bewegingen en mogelijke combinaties te doorlopen - een strategie die bekend staat als een "beslissingsboom" (denk aan elke beslissing die een tak van een boom beschrijft). Deep Blue "snoeide" sommige van deze beslissingen om het aantal "filialen" te verminderen en de berekeningen te versnellen, en was nog steeds in staat om elke 200 miljoen bewegingen te "denken".

Ondanks die ongelooflijke berekeningen schieten machines echter nog steeds tekort in andere gebieden.

"Goed als ze zijn, [computers] zijn vrij arm aan andere soorten beslissingen," zei Murray Campbell, een onderzoeker bij IBM Research. "Sommigen twijfelden eraan dat een computer ooit zo goed zou spelen als een topmens.

"Het interessantere wat we toonden was dat er meer dan één manier is om naar een complex probleem te kijken," vertelde Campbell aan WordsSideKick.com. "Je kunt er op menselijke wijze naar kijken, met behulp van ervaring en intuïtie, of op een meer computergestuurde manier." Die methoden vullen elkaar aan, zei hij.

Hoewel de overwinning van Deep Blue bewees dat mensen een machine konden bouwen die een geweldige schaker is, onderstreepte het de complexiteit en de moeilijkheid om een ​​computer te bouwen die een bordspel aankon. IBM-wetenschappers hebben jarenlang Deep Blue gebouwd en het enige wat het kon doen, was schaken, zei Campbell. Het bouwen van een machine die verschillende taken aankan, of die nieuwe kan leren, is moeilijker gebleken, voegde hij eraan toe.

Computers leren

Op het moment dat Deep Blue werd gebouwd, was het gebied van machine learning nog niet zo ver gevorderd als het nu is, en veel van de rekenkracht was nog niet beschikbaar, zei Campbell. IBM's volgende intelligente machine, genaamd Watson, werkt bijvoorbeeld heel anders dan Deep Blue, meer als een zoekmachine. Watson bewees dat het mensen kon begrijpen en op mensen kon reageren door "Jeopardy!" kampioenen in 2011.

In de afgelopen twee decennia ontwikkelde systemen voor het leren van computers maken ook gebruik van enorme hoeveelheden gegevens die eenvoudigweg niet bestonden in 1997, toen het internet nog in de kinderschoenen stond. En de programmering is ook verbeterd.

Het kunstmatig intelligente computerprogramma AlphaGo bijvoorbeeld, dat de wereldkampioen speler van het bordspel Go verslaat, werkt ook anders dan Deep Blue. AlphaGo speelde veel bordspellen tegen zichzelf en gebruikte die patronen om optimale strategieën te leren. Het leren gebeurde via neurale netwerken, of programma's die net als de neuronen in een menselijk brein werken. De hardware om ze te maken was niet praktisch in de jaren negentig, toen Deep Blue werd gebouwd, zei Campbell.

Thomas Haigh, een universitair hoofddocent aan de Universiteit van Wisconsin-Milwaukee die uitgebreid heeft geschreven over de geschiedenis van computers, zei dat Deep Blue's hardware in die tijd een etalage was van de engineering van IBM; de machine combineerde verschillende op maat gemaakte chips met anderen die hogere versies van de PowerPC-processors waren die werden gebruikt in personal computers van de dag. [Geschiedenis van A.I.: Artificial Intelligence (Infographic)]

Wat is intelligentie?

Deep Blue toonde ook aan dat de intelligentie van een computer misschien niet veel te maken heeft met menselijke intelligentie.

"[Diepblauw] is een afwijking van de klassieke AI-symbolische traditie van het proberen te repliceren van het functioneren van menselijke intelligentie en begrip door een machine te hebben die een algemene redenering kan doen," zei Haigh, vandaar de poging om een ​​beter schaakspel te maken. speelautomaat.

Maar die strategie was meer gebaseerd op het idee van computerbouwers van wat slim was dan op wat intelligentie werkelijk zou kunnen zijn. "In de jaren vijftig werd schaken gezien als iets waar slimme mensen goed in waren," zei Haigh. "Omdat wiskundigen en programmeurs de neiging hadden om bijzonder goed te zijn in schaken, beschouwden ze het als een goede test of een machine intelligentie kon tonen."

Dat veranderde in de jaren zeventig. "Het was duidelijk dat de technieken die computerprogramma's maakten in steeds sterkere schakers niets te maken hadden met algemene intelligentie," zei Haigh. "Dus in plaats van te denken dat computers slim zijn omdat ze goed schaken, besloten we dat schaken goed geen geheime intelligentie is."

De veranderingen in hoe wetenschappers intelligentie definiëren tonen ook de complexiteit van bepaalde soorten AI-taken, zei Campbell. Deep Blue was op dat moment een van de meest geavanceerde computers, maar het is gebouwd om te schaken en alleen dat.Zelfs nu worstelen computers met 'gezond verstand' - het soort contextuele informatie waar mensen over het algemeen niet aan denken, omdat het voor de hand ligt.

"Iedereen boven een bepaalde leeftijd weet hoe de wereld werkt," zei Campbell. Machines niet. Computers hebben ook moeite met bepaalde soorten patroonherkenningstaken die mensen gemakkelijk vinden, voegde Campbell eraan toe. "Veel van de vorderingen in de afgelopen vijf jaar zijn in perceptuele problemen geweest," zoals gezichts- en patroonherkenning, zei hij.

Een ander ding dat Campbell opmerkte dat computers niet kunnen doen, is zichzelf uitleggen. Een mens kan haar denkprocessen beschrijven en hoe ze iets heeft geleerd. Computers kunnen dat nog niet echt doen. "AI's en machine-leersystemen zijn een beetje een zwarte doos", zei hij.

Haigh merkte op dat zelfs Watson, in zijn "Jeopardy!" winnen, niet "denken" als een persoon. "[Watson] gebruikte latere generaties processors om een ​​statistische brute force-benadering (in plaats van een op kennis gebaseerde logica-aanpak) te implementeren voor Jeopardy !," schreef hij in een e-mail aan WordsSideKick.com. "Het werkte weer helemaal niet als een menselijke kampioen, maar liet zien dat een quizkampioen ook niets met intelligentie te maken heeft," op de manier waarop de meeste mensen erover denken.

Maar toch: "naarmate computers meer en meer dingen beter gaan doen dan wij, zullen we ofwel een heel specifieke definitie van intelligentie hebben, ofwel moeten we toegeven dat computers eigenlijk intelligent zijn, maar op een andere manier dan wij," Haigh zei.

Wat biedt de toekomst in AI?

Omdat mensen en computers zo 'anders' denken, zal het lang duren voordat een computer een diagnose stelt, bijvoorbeeld helemaal vanzelf, of een probleem aanpakt zoals het ontwerpen van woningen voor mensen als ze ouder worden en thuis willen blijven, Zei Campbell. Deep Blue toonde de capaciteiten van een computer die op een bepaalde taak was afgestemd, maar tot op heden heeft niemand een algemeen machine-leersysteem ontwikkeld dat net zo goed werkt als een speciaal gebouwde computer.

Computers kunnen bijvoorbeeld erg goed zijn in het verwerken van veel gegevens en het vinden van patronen die mensen zouden missen. Ze kunnen die informatie dan beschikbaar maken voor mensen om beslissingen te nemen. "Een aanvullend systeem is beter dan een mens of machine," zei Campbell.

Het is waarschijnlijk ook tijd om verschillende problemen aan te pakken, zei hij. Bordspellen zoals schaken of Go stellen spelers in staat alles te weten over de positie van hun tegenstander; dit wordt een compleet informatiespel genoemd. Problemen uit de echte wereld zijn niet zo. "Een les die we nu al hadden moeten leren... Er is niet veel meer dat we kunnen leren van bordspellen." (In 2017 versloeg het kunstmatig intelligente computerprogramma genaamd Libratus de beste menselijke pokerspelers in een 20-daags No-Limit Texas Hold'em-toernooi, dat wordt beschouwd als een spel met onvolledige informatie.)

Wat het lot van Deep Blue betreft, werd de computer na de historische wedstrijd met Kasparov ontmanteld; onderdelen ervan zijn te zien in het National Museum of American History in Washington, D.C., en het Computer History Museum in Mountain View, Californië.

Oorspronkelijk artikel over WordsSideKick.com.


Video Supplement: Morning Routine Life Hacks - 35 Life Hacks and DIY Projects You Need to Try!.




WordsSideKick.com
Alle Rechten Voorbehouden!
Reproductie Van Materialen Toegestaan Alleen Prostanovkoy Actieve Link Naar De Site WordsSideKick.com

© 2005–2019 WordsSideKick.com