Два самых совершенных искусственных интеллекта

Две программы искусственного интеллекта в последнее время побеждают профессиональных карточных игроков в известных покерных турнирах. На этой неделе одна из команд создателей ИИ DeepStack огласила некоторые секреты такого триумфального успеха, который однажды может привести ИИ к выполнения таких задач как улучшение безопасности авиаперелетов и упрощение деловых переговоров.

ИИ уже давно научился выигрывать профессиональных игроков в шахматы, в прошлом году ему удалось одержать победу и в такой игре как Go, однако в покере все шло далеко не так гладко. Исследователи DeepStack смогли преодолеть образовавшийся барьер с помощью комбинации новых алгоритмов и глубинного обучения ИИ, что является набором алгоритмов обучения, который в некотором смысле имитирует работу человеческого мозга, позволяя компьютерам самообучаться.

Такие игры как шахматы и Go имеют одну общую характеристику, позволяющую ИИ легко их обыгрывать: они являются абсолютно информационными играми. Это означает, что оба игрока точно знают, с чем работает другой игрок и какую ситуацию анализирует, то есть вся информация открыта, что играет на руку ИИ.

Техасский Холдэм — совсем другая игра. В этой версии покера два или более игроков получают две рандомные закрытые карты. При введении каждой новой карты на стол, игрокам предстоит выбрать между следующими действиями: пасовать, повысить, пропустить или поддержать — многое зависит и от решений других игроков. Из-за абсолютно случайного характера игры все основывается на угадывании позиции другого игрока. В отличие от шахмат, где выигрышную стратегию можно вывести из положения фигур на доске, ведь вся информация открыта, а все потенциальные шаги оппонента заранее известны, Холдэм требует от игроков то, что обычно называют интуицией.

Обычно цель игры для ИИ состоит в рассчитывании возможных результатов игры, насколько это возможно сделать, а затем в моделировании вариантов стратегий, используя данные из других выигрышных игр. Недостатком такого метода является то, что алгоритмы иногда группируют абсолютно неработающие, случайные стратегии, говорит Майкл Боулинг из университета Альберты в Канаде. Созданный его командой ИИ, DeepStack, избегает анализа данных всего на несколько шагов вперед, а не на всю игру до конца. Программа также пересчитывает алгоритмы каждый раз, когда появляется новая информация.

Нейронные сети — системы, которые приводят в действие знания, полученные при глубинном обучении, — могут помочь в уменьшении количества возможных ситуаций. Такое улучшение делает реакцию ИИ более быстрой и точной. Для обучения нейронных сетей DeepStack исследователям потребовалась программа для решения более 10 миллионов случайно сгенерированных ситуаций в покере.

Команда из университета Карнеги-Меллон, создавшая ИИ с названием Libratus, также может похвастаться ошеломительными результатами ее детища. В 20-дневном соревновании в Питтсбурге Libratus превзошел четырех ведущих игроков в Техасский Холдэм. Обе команды по созданию ИИ говорят о том, что центральным элементом победы являются статистически значимые результаты. Главное же отличие состоит в требовании для системы Libratus больших вычислительных мощностей вследствие отсутствия глубинного обучения. DeepStack, в свою очередь, может работать на ноутбуке.

Несмотря на то, что сейчас нет четкого консенсуса в вопросе того, кто же из двух ИИ является истинным чемпионом в покере (между ними даже не было устроено состязаний), обе системы уже были приспособлены для решения более сложных задач в реальной жизни в таких областях как безопасность и переговоры.

По материалам: http://www.sciencemag.org/news/2017/03/artificial-intelligence-goes-deep-beat-humans-poker

Комментарии: