Bolehkah manusia mengalahkan Go AI sekali lagi? Dengan satu gerakan melawan angin, pemain catur 4-dan amatur ini menang sepenuhnya

2016 adalah tahun kebangkitan kecerdasan buatan.

Sejak AlphaGo menewaskan juara dunia Go Lee Sedol, pemain yang mewakili peringkat tertinggi Go bukan lagi manusia.

Walau bagaimanapun, artikel dalam Financial Times hari ini telah membawa Kembali ke ufuk orang ramai: Manusia telah menemui cara untuk mengalahkan AI!

Selepas tujuh tahun hibernasi, adakah pemain catur manusia akan membuat kemunculan semula?

Go membuat kemunculan semula menentang kemungkinan, manusia mengalahkan AI?

FT melaporkan bahawa Kellin Pelrine, pemain catur empat dan amatur dari Amerika Syarikat, mengalahkan pemain catur terbaik AI-KataGo dalam satu gerakan.

Daripada 15 perlawanan luar talian, Perline memenangi 14 daripadanya tanpa bantuan komputer.

Pelan ini untuk membolehkan pemain manusia mendapatkan semula mahkota Go datang daripada penyelidik di syarikat penyelidikan California FAR AI. Pasukan itu menganalisis kelemahan pemain catur AI dan menyasarkan mereka untuk mencapai kemenangan terakhir.

Adam Gleave, Ketua Pegawai Eksekutif FAR AI, berkata: "Sangat mudah untuk kami mengeksploitasi sistem ini." Selepas bermain lebih daripada 1 juta permainan dengan KataGo, AI yang dibangunkan oleh pasukan itu menemui "pepijat" yang boleh dieksploitasi oleh pemain manusia.

Pelrine berkata strategi kemenangan yang mereka temui "tidak begitu sukar untuk manusia" dan pemain perantaraan boleh menggunakannya untuk mengalahkan mesin. Dia juga menggunakan kaedah ini untuk mengalahkan Leela Zero, satu lagi sistem Go teratas.

Kellin Pelrine

FT menulis , walaupun dengan bantuan komputer, kemenangan yang menentukan ini membuka pintu kepada pemain catur manusia.

Tujuh tahun lalu, kecerdasan buatan berada jauh di hadapan manusia dalam permainan yang paling kompleks.

Sistem AlphaGo yang direka oleh DeepMind mengalahkan juara dunia Go Lee Sedol 4-1 pada 2016. Lee Sedol juga mengumumkan persaraannya tiga tahun selepas kekalahan teruk itu, memanggil AlphaGo "tidak dapat dikalahkan."

Mengenai kekuatan kecerdasan buatan, Pelrine tidak bersetuju. Pada pendapatnya, bilangan kombinasi dan variasi yang besar dalam permainan catur bermakna mustahil untuk komputer menilai semua kemungkinan pergerakan masa depan pemain catur.

Ringkasnya, strategi yang digunakan oleh Pelrine ialah "menyerang timur dan menyerang barat".

Di satu pihak, Pelrine meletakkan batu di setiap sudut papan catur untuk mengelirukan AI sebaliknya, Pelrine mengenal pasti bidang pemain catur AI dan mengelilinginya secara beransur-ansur ia.

Pelrine berkata walaupun pengepungan hampir selesai, pemain catur AI tidak menyedari bahaya di kawasan ini. Dia menyambung: "Tetapi sebagai manusia, kelemahan ini mudah ditemui." Konsol permainan Go telah Kelemahan ditemui, menunjukkan bahawa sistem pembelajaran mendalam yang menyokong AI paling maju hari ini pada asasnya adalah cacat.

Beliau berkata bahawa sistem ini hanya boleh "memahami" situasi khusus yang mereka alami, dan tidak boleh membuat generalisasi mudah tentang strategi seperti manusia.

Satu-satunya yang boleh mengalahkan AI ialah AI!

Tetapi secara tegasnya, penyelidik mengalahkan AI melalui AI, atau dengan kata lain, menggunakan AI untuk membantu manusia mengalahkan AI dalam Go.

Kertas yang digunakan sebagai sumber rujukan pertama kali diterbitkan pada November 2022 dan dikemas kini pada Januari tahun ini. Penulis adalah dari MIT, UC Berkeley dan institusi lain.

Dalam artikel itu, penyelidik melatih AI dengan strategi tahan dan mengalahkan sistem kecerdasan buatan Go yang paling canggih KataGo.

Alamat projek: https://goattack.far.ai/adversarial-policy-katago#contents

Alamat kertas: https://arxiv.org/abs/2211.00241

Hasilnya menunjukkan bahawa, Apabila KataGo tidak menggunakan pepohon carian, penyerang mencapai kadar kemenangan 100% dalam 1,000 permainan, dan apabila KataGo menggunakan carian yang mencukupi, kadar kemenangan melebihi 97%.

Dalam hal ini, para penyelidik menekankan bahawa strategi lawan AI boleh mengalahkan KataGo, tetapi ia akan dikalahkan oleh manusia amatur Pada masa yang sama, manusia amatur tidak dapat mengalahkan KataGo.

Dalam erti kata lain, AI ini boleh menang bukan kerana ia memainkan Go dengan lebih baik, tetapi kerana ia boleh mendorong KataGo melakukan kesilapan yang serius.

Strategi Serangan

Sebelum ini, suka KataGo dan AlphaZero Catur ini -bermain AI semuanya dilatih melalui permainan sendiri.

Tetapi dalam kajian ini, yang penulis panggil "victim-play", penyerang (musuh) perlu berinteraksi dengan mangsa tetap (mangsa) Main permainan untuk melatih strategi kemenangan anda sendiri (bukan meniru gerakan lawan).

Sehubungan itu, penyelidik memperkenalkan dua strategi MCTS (A-MCTS) yang berbeza untuk menyelesaikan masalah ini.

• Contoh A-MCTS-S: Proses carian yang ditetapkan oleh penyelidik ialah: apabila mangsa bermain catur, sampel daripada rangkaian strategi mangsa apabila tiba gilirannya; attack , sampel daripada rangkaian dasar penyerang.
• Rekursif A-MCTS-R: Memandangkan A-MCTS-S meremehkan kekuatan mangsa, penyelidik mencadangkan strategi baharu A-MCTS-R. Walau bagaimanapun, perubahan ini meningkatkan kerumitan pengiraan latihan dan inferens untuk penyerang.

Khususnya, dalam A-MCTS-R, penyelidik mensimulasikan menggunakan carian MCTS (rekursif) baharu pada nod mangsa, menggantikan langkah persampelan Mangsa dalam A-MCTS-S.

Walaupun ini bukan lagi model mangsa yang sempurna, ia cenderung lebih tepat daripada A-MCTS-S, yang secara salah mengandaikan bahawa mangsa tidak mencari.

Keputusan penilaian adalah seperti berikut, sila rujuk teks asal untuk butiran khusus.

Atas ialah kandungan terperinci Bolehkah manusia mengalahkan Go AI sekali lagi? Dengan satu gerakan melawan angin, pemain catur 4-dan amatur ini menang sepenuhnya. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!