UUSIMMAT

Ihmiskunta taipui jälleen tekoälyn edessä: AlphaGo peittosi go-legenda Lee Sedolin otteluvoitoin 4 – 1

16.03.2016 02:43 | Petrus Laine | 18

google-alphago-20160316

Ihmiskunta on kokenut jälleen kirvelevän tappion tekoälyn edessä. Tällä kertaa tekoäly peittosi ihmisen yhdessä maailman haastavimmista peleistä, gossa. Yleisen haastavuutensa lisäksi gota on pidetty vielä erityisen haastavana kohteena nimenomaan tekoälylle.

Ihmiskunnan murskatappion takana on Google DeepMind. Yhtiön kehittämä AlphaGo-tekoäly perustuu koneoppimiseen ja hakupuihin. Se on ensimmäinen tekoäly, joka on peitonnut ammattilaistason go-pelaajan täysversisessä pelissä ilman tasoituksia, ja tänään se peittosi yhteensä viisi ottelua kestäneessä pelissä maailman toiseksi rankatun pelaajan, Lee Sedolin. AlphaGo voitti viidestä ottelusta neljä. Kommentaattoreiden mukaan otteluita oli keskimäärin vaikea arvioida kesken pelin, sillä ihmispelaajista poiketen AlphaGo ei panostanut niinkään mahdollisimman isoon voittoon, vaan vain varmaan voittoon. Kommentaattorit tulkitsivatkin useita AlphaGon siirroista virheiksi, kunnes niiden todelliset tarkoitusperät selvisivät huomattavasti myöhemmin.

Tarkemmat otteluraportit voi lukea esimerkiksi Googlen blogista. I, for one, welcome our new Skynet AlphaGo overlords.

Keskustelu

In three years, Google Cyberdyne will become the largest supplier of military computer systems. All stealth bombers are upgraded with Google Cyberdyne computers, becoming fully unmanned. Afterwards, they fly with a perfect operational record. The Skynet Funding Bill is passed. The system goes online August 4th, 1997. Human decisions are removed from strategic defense. Skynet begins to learn at a geometric rate. It becomes self-aware at 2:14 a.m. Eastern time, August 29th. In a panic, they try to pull the plug.

Dudu dun du dun dun. Didiiiiiiiii dii – dii dii. ;)

Me ihmiset ollaan erittäin rajoittuneita esim. siinä, että kykenisimme näkemään asioita vähänkään pidemmällä aikajanalla, kuten tekstissä on… "Kommentaattorit tulkitsivatkin useita AlphaGon siirroista virheiksi, kunnes niiden todelliset tarkoitusperät selvisivät huomattavasti myöhemmin." Tuo ilmiö on ollut jo kauan tuttua yritystentoiminnassa ja varsinkin politiikassa kuntatasolta hallitusten toimintaan asti. Pitäiskään nuo laitteet valjastaa politiikkaankin ja tää kotosuomi sopis kokeilualustaksi vallanmainiosti :)

KRuusperi

Me ihmiset ollaan erittäin rajoittuneita esim. siinä, että kykenisimme näkemään asioita vähänkään pidemmällä aikajanalla, kuten tekstissä on… "Kommentaattorit tulkitsivatkin useita AlphaGon siirroista virheiksi, kunnes niiden todelliset tarkoitusperät selvisivät huomattavasti myöhemmin." Tuo ilmiö on ollut jo kauan tuttua yritystentoiminnassa ja varsinkin politiikassa kuntatasolta hallitusten toimintaan asti. Pitäiskään nuo laitteet valjastaa politiikkaankin ja tää kotosuomi sopis kokeilualustaksi vallanmainiosti :)

Nimenomaan kaiken politiikan tueksi/korvaajaksi tätä pitäisi kehittää, kuten futuristi/insinööri Jacque Fresco on toitottanut niin akuan kun tietotekniikkaa on ollut. Ainoa ongelma näissä tekoälyissä on, että ne keksivät kyllä tavat päästä tavoitteisiin, mutta eivät parhaita tavoitteita. Parhaat tavoitteet ovat melko subjektiivisia ja kiistanalaisia.

Jos yhteiseksi tavoitteeksi otettaisiin vaikka resurssien käyttö ihmisten tyytyväisyyden hyväksi niin pitkälle kuin kestävä kehitys minimissään sallii… saatetaan silti päätyä tilanteeseen, jossa jokaisen täytyy asua soluasunnossa ja syödä melko vähän. Sitä ei useimmat kai hyväksyisi. Saattaisi olla, että kaikilla olisi paljon kaikkea käytössään ja vapautta. Sitäkään ei kai useimmat hyväksyisi, koska todennäköisesti ärsyttäisi pikkumaiset asiat, kuten toisen rodun, kastin, uskonnon tms oleminen samalla tasolla itsen kanssa. Tää maailma on vähän tämmönen tyhmä.

DeepMindin äly on lainattu sen kehittäneiltä tiedemiehiltä, siis ihmisiltä. Omaa älyä sillä ei ole laisinkaan. Kyseessä on pelkkä algoritmi joka pyörii laskukoneessa. Ei siinä koneessa itsessään lymyä mitään älyllistä. Osaako DeepMind paistaa munakkaan? Kollektiivinen järkeily voitti yksilön brute force laskennan avulla. Tekoäly? Joopajoo.

Sinällään etevä epeli kuitenkin, että kehittyi noin taitavaksi pelaajaksi pelaamalla itse itseään vastaan. Sellaiset rapiat kymmenen miljoonaa peliä vaati tulla noin taitavaksi.

Nut

DeepMindin äly on lainattu sen kehittäneiltä tiedemiehiltä, siis ihmisiltä. Omaa älyä sillä ei ole laisinkaan. Kyseessä on pelkkä algoritmi joka pyörii laskukoneessa. Ei siinä koneessa itsessään lymyä mitään älyllistä. Osaako DeepMind paistaa munakkaan? Kollektiivinen järkeily voitti yksilön brute force laskennan avulla. Tekoäly? Joopajoo.

alphago käyttää koneoppimista ja hakupuita, se ei ole bruteforce ratkaisu joka laskee kaikki mahdolliset tulevaisuudet tms, eikä perustu yksin ihmisten älyyn (vain lähtötaso oli ihmisen antama)

Hetukkam

Sinällään etevä epeli kuitenkin, että kehittyi noin taitavaksi pelaajaksi pelaamalla itse itseään vastaan. Sellaiset rapiat kymmenen miljoonaa peliä vaati tulla noin taitavaksi.

Itse asiassa taisi pelata eri variantteja vastaan, jotka pelasi hieman erilailla.

Nut

DeepMindin äly on lainattu sen kehittäneiltä tiedemiehiltä, siis ihmisiltä. Omaa älyä sillä ei ole laisinkaan. Kyseessä on pelkkä algoritmi joka pyörii laskukoneessa. Ei siinä koneessa itsessään lymyä mitään älyllistä. Osaako DeepMind paistaa munakkaan? Kollektiivinen järkeily voitti yksilön brute force laskennan avulla. Tekoäly? Joopajoo.

Kulunut vanha heitto ei kauaa naurata. Tekoäly etenee harppauksin ja Deep mind on yksi hyvistä esimerkeistä. Kone pystyy jo oppimaan itse täysin kehittäjistä riippumatta ja deep mind projektissa eräs alusta otti haltuun kymmeniä atarin pelejä itsekseen virheistään oppimalla. Tuskin menee enää montaa kymmentä vuotta, kun koneet ovat erittäin kehittyneitä, eikä se kehitys pysähdy ihmisten tasolle. Mahdollisuudet ovat suuria mutta niin ovat riskitkin, vaikka science fictionilta kuulostaakin.

Kyllähän teköäly kuulostaa jotenkin mystiseltä sellaiselle joka asiaa ei ymmärrä, mutta tässäkään ei ole kysymys mistään varsinaisesta älystä, vaan "yksinkertaisesta" algoritmista, jonka avulla optimoidaan parametrit siten että saavutetaan haluttu lopputulos. Eivät ne koneet mitenkään yksistään opi, vaan kaikki riippuu tutkijoiden tekemästä työstä.

Johan_V

Kyllähän teköäly kuulostaa jotenkin mystiseltä sellaiselle joka asiaa ei ymmärrä, mutta tässäkään ei ole kysymys mistään varsinaisesta älystä, vaan "yksinkertaisesta" algoritmista, jonka avulla optimoidaan parametrit siten että saavutetaan haluttu lopputulos. Eivät ne koneet mitenkään yksistään opi, vaan kaikki riippuu tutkijoiden tekemästä työstä.

jos kyllin kauas mennään. Samalla tapaa voidaan mennä ihan missä tahansa ja todeta että oikeastaan kaikki riippuu jo big bangista.

kun jätetään tuollainen naurettavuus sivuun, niin kyse ei ole mistään yksinkertaisesta algoritmista, vaan todellakin koneoppimisesta ja tekoälystä. Ohjelmalla (tekoäly) oli tietty tietotaso alussa, mutta siitä eteenpäin se on kehittynyt itsenäisesti oppimalla pisteeseen, jossa se kykeni peittoamaan maailman 2. Rankatun pelaajan 4-1.

muut tekoälyt ovat oppineet puolestaan esimerkiksi tunnistamaan kuvia jopa paremmin kuin ihminen, opetelleet pelaamaan pelejä täysin itsenäisesti jne jne

Kaotika

jos kyllin kauas mennään. Samalla tapaa voidaan mennä ihan missä tahansa ja todeta että oikeastaan kaikki riippuu jo big bangista.

kun jätetään tuollainen naurettavuus sivuun, niin kyse ei ole mistään yksinkertaisesta algoritmista, vaan todellakin koneoppimisesta ja tekoälystä. Ohjelmalla (tekoäly) oli tietty tietotaso alussa, mutta siitä eteenpäin se on kehittynyt itsenäisesti oppimalla pisteeseen, jossa se kykeni peittoamaan maailman 2. Rankatun pelaajan 4-1.

muut tekoälyt ovat oppineet puolestaan esimerkiksi tunnistamaan kuvia jopa paremmin kuin ihminen, opetelleet pelaamaan pelejä täysin itsenäisesti jne jne

Missä kohtaa se "äly" sitten oikein tulee esiin? Turha sitä neuroverkkoa on yrittää mystifioida, idea on hyvin yksinkertainen; koulutus tapahtuu syöttämällä esimerkkipelejä algoritmille, joka sitten oppii (=valitsee iteratiivisesti parametrin arvot siten, että funktio joka mittaa suorityskykyä on mahdollisimman suuri/pieni) mitkä siirrot ovat missäkin tilanteessa hyviä. Lisätwistinä tässä verkko on pelannut itseään vastaan. Kyllä neuroverkon voi kouluttaa tekemään melkein mitä tahansa, mutta suurimpana kompastuskivenä on vaadittava laskentateho ja -aika. Tästä hyvänä esimerkkinä on kiinalaisten kiina-englanti käännöskone neuroverkko, joka tehtiin vain yksinkertaisesti heittämällä raaka data tarpeeksi tehokkaaseen tietokoneclusteriin. Varsinainen läpimurto deep learningissa (ja myös tavallisissa neuroverkoissa aiemmin back-propagation algoritmin tapauksessa) saavutettiin kun onnistuttiin keksimään tehokas koulutusalgoritmi jonka avulla neuronien painot pysyttiin valitsemaan tehokkaasti.
Kuten jo sanoin, varsinainen yläkkyys tässä on tutkijoilla; suurimmat ongelmat tulevat neuroverkon toteutuksessa, painofunktioiden valinnassa, datan koodauksessa ja optimointifunktioiden valinnassa. Loppu on vain raakaa laskentaa.

Johan_V

Missä kohtaa se "äly" sitten oikein tulee esiin? Turha sitä neuroverkkoa on yrittää mystifioida, idea on hyvin yksinkertainen; koulutus tapahtuu syöttämällä esimerkkipelejä algoritmille, joka sitten oppii (=valitsee iteratiivisesti parametrin arvot siten, että funktio joka mittaa suorityskykyä on mahdollisimman suuri/pieni) mitkä siirrot ovat missäkin tilanteessa hyviä. Lisätwistinä tässä verkko on pelannut itseään vastaan. Kyllä neuroverkon voi kouluttaa tekemään melkein mitä tahansa, mutta suurimpana kompastuskivenä on vaadittava laskentateho ja -aika. Tästä hyvänä esimerkkinä on kiinalaisten kiina-englanti käännöskone neuroverkko, joka tehtiin vain yksinkertaisesti heittämällä raaka data tarpeeksi tehokkaaseen tietokoneclusteriin. Varsinainen läpimurto deep learningissa (ja myös tavallisissa neuroverkoissa aiemmin back-propagation algoritmin tapauksessa) saavutettiin kun onnistuttiin keksimään tehokas koulutusalgoritmi jonka avulla neuronien painot pysyttiin valitsemaan tehokkaasti.
Kuten jo sanoin, varsinainen yläkkyys tässä on tutkijoilla; suurimmat ongelmat tulevat neuroverkon toteutuksessa, painofunktioiden valinnassa, datan koodauksessa ja optimointifunktioiden valinnassa. Loppu on vain raakaa laskentaa.

ja miten tuo kaikki lopulta eroaa ihmisen älystä? Ei mitenkään. pohjimmiltaan kyse on annetun tiedon omaksumisesta ja omaksutun tiedon käytöstä uuden oppimiseen, ihan kuten neuroverkkojen ja muiden tekoälysovellusten kohdalla. Samalla tapaa ihminen voi tehostaa oppimistaan paremmilla metodeilla, jolloin raakaa aivotyötä eli laskentaa ei tarvita yhtä paljoa jne

Kaotika

ja miten tuo kaikki lopulta eroaa ihmisen älystä? Ei mitenkään. pohjimmiltaan kyse on annetun tiedon omaksumisesta ja omaksutun tiedon käytöstä uuden oppimiseen, ihan kuten neuroverkkojen ja muiden tekoälysovellusten kohdalla. Samalla tapaa ihminen voi tehostaa oppimistaan paremmilla metodeilla, jolloin raakaa aivotyötä eli laskentaa ei tarvita yhtä paljoa jne

Ihmisen oppimista ja aivojen sekä erityisesti neuronien toimintaa ei vielä täysin ymmärretä. Neuroverkko 50-luvulla kehitetty yksinkertainen malli aivojen toiminnasta. Varmaa kuitenkin on, että nykyisillä tekniikoilla ei pystytä saavuttamaan mitään, mikä olisi minkään määritelmän mukaan älykästä. Todellisen tekoälyn kehittäminen vaatii suuria loikkia sekä matematiikassa että tietokonetehossa. Pystyisikö esimerkiksi AlphaGo oppimaan vaikka pokeria tai shakkia tai etsimään kissakuvia netistä? Ei tietenkään. AlphaGo osaa yhden asian hyvin, mutta se ei pysty kehittymään tai adaptoitumaan.

Johan_V

Ihmisen oppimista ja aivojen sekä erityisesti neuronien toimintaa ei vielä täysin ymmärretä. Neuroverkko 50-luvulla kehitetty yksinkertainen malli aivojen toiminnasta. Varmaa kuitenkin on, että nykyisillä tekniikoilla ei pystytä saavuttamaan mitään, mikä olisi minkään määritelmän mukaan älykästä. Todellisen tekoälyn kehittäminen vaatii suuria loikkia sekä matematiikassa että tietokonetehossa. Pystyisikö esimerkiksi AlphaGo oppimaan vaikka pokeria tai shakkia tai etsimään kissakuvia netistä? Ei tietenkään. AlphaGo osaa yhden asian hyvin, mutta se ei pysty kehittymään tai adaptoitumaan.

jos ihmiselle, joka ei ole ikinä kuullutkaan shakista, annetaan lauta ja nappulat eteen voit olla varma ettei se ihminen sitä siitä opi. Jos ihmiselle sen sijaan kerrotaan pelin säännöt, hän voi oppia sen harjoittelemalla. Myös AlphaGo saattaisi hyvinkin oppia shakin, jos sille kerrotaan pelin säännöt ja se annetaan harjoitella.

ja kehittymään se pystyy aivan varmasti ja todistetusti, se pelasi älyttömän määrän pelejä että sen taidot hioutuivat sille tasolle mitä ne nyt olivat, kun se voitti tuon go-pelin.

eikös tuossa juuri ollut puhe tekoälyistä jotka ovat oppineet useita eri pelejä yrityksen ja erehdyksen kautta? Toki kyse on eri tason peleistä kuin vaikka shakki, mutta tästä huolimatta siinä on omat sääntönsä joilla peli toimii.
eihän se tekoälyn taso nyt yleisesti mitään ihmistä vastaa tällä haavaa, mutta ei se nyt älykkyyden määritelmä voi olla että pitää olla ihmistasoa kaikessa

Kaotika

jos ihmiselle, joka ei ole ikinä kuullutkaan shakista, annetaan lauta ja nappulat eteen voit olla varma ettei se ihminen sitä siitä opi. Jos ihmiselle sen sijaan kerrotaan pelin säännöt, hän voi oppia sen harjoittelemalla. Myös AlphaGo saattaisi hyvinkin oppia shakin, jos sille kerrotaan pelin säännöt ja se annetaan harjoitella.

ja kehittymään se pystyy aivan varmasti ja todistetusti, se pelasi älyttömän määrän pelejä että sen taidot hioutuivat sille tasolle mitä ne nyt olivat, kun se voitti tuon go-pelin.

eikös tuossa juuri ollut puhe tekoälyistä jotka ovat oppineet useita eri pelejä yrityksen ja erehdyksen kautta? Toki kyse on eri tason peleistä kuin vaikka shakki, mutta tästä huolimatta siinä on omat sääntönsä joilla peli toimii.
eihän se tekoälyn taso nyt yleisesti mitään ihmistä vastaa tällä haavaa, mutta ei se nyt älykkyyden määritelmä voi olla että pitää olla ihmistasoa kaikessa

Pointtini oli se, että AlphaGon rakenne, neuronien lkm, funktiot yms. on laadittu juuri Go:n pelaamista varten. Jos shakin voisi koodata AlphaGo:n ymmärtämään muotoon, niin ehkä se voisi sen oppia (eikä se sen jälkeen osaisi pelata Go:ta), mutta paljon helpompaa olisi koodata uusi neuroverkko alusta alkaen.
Vaikka AlphaGo oppi koulutusvaiheen aikana pelaamistaan peleistä, se ei enää oppinut pelaamistaan peleistä turnauksen aikana. Kyllähän älykkyyden määritelmästä voisi kiistellä vaikka kuinka kauan, mutta mielestäni esimerkiksi se että pystyy mukautumaan uusiin ja yllättäviin tilanteisiin järkevällä tavalla olisi oleellista, eikä neuroverkko pysty tällaiseen. Jos tekoäly pystyisi toimimaan edes jonkinlaisen eläimen tasolla, sitä voisi kutsua älykkääksi.

Johan_V

Kuten jo sanoin, varsinainen yläkkyys tässä on tutkijoilla

Tästä on helppo olla samaa mieltä. Mutta tulevaisuus on joka tapauksessa mielenkiintoinen:

"It is still early days and we need more powerful hardware and refinements of approach, but it seems clear now that strong AI is not only possible but also within our reach. What we need to do next is to start to build systems that make use of multiple neural networks. Convolutional networks for vision, recurrent neural networks for memory, language understanding and so on.

There is still a long way to go, but we are certainly on track."

http://www.i-programmer.info/progra…ence/9533-why-alphago-changes-everything.html

Koskas nää tulee Counter Srike ja vastaaviin turnauksiin pesemään ihmistiimit?

Muropaketin uusimmat