تا به امروز بخش عمده ای از تلاش های کارشناسان هوش مصنوعی حول طراحی و توسعه الگوریتم هایی شکل گرفته بود که بتوانند انسان را در بازی های تخته ای شکست دهند اما حالا این رقابت وارد فاز جدیدی شده و آنها سعی دارند دیگر قهرمانان هوش مصنوعی را در بازی های اختصاصی خودشان به چالش بکشند. دیپ مایند (واحد هوش مصنوعی آلفابت) اخیرا الگوریتم تازه ای به نام آلفازیرو (AlphaZero) را توسعه داده که می تواند یاد بگیرد و بدون مداخله انسان در بازی هایی نظیر شطرنج، Go و shogi به درجه استادی برسد.
در مقاله ای که چندی پیش نشریه The Journal Science منتشر کرد، تیم دیپ مایند خاطرنشان کرده که آلفازیرو نسخه بهبود یافته ای از آلفا گو است. در ادامه همچنین ذکر شده که بعد از انتقال قوانین اولیه بازی های شطرنج، shogi و Go به الگوریتم مذکور، به ترتیب 9 ساعت، 12 ساعت و 13 روز زمان سپری شده تا این هوش مصنوعی بازی های یاد شده را یاد بگیرد و در ادامه آلفا زیرو مقابل برترین هوش های مصنوعی دنیا در این بازی ها قرار گرفته است.
عملکرد آلفازیرو چطور بود:
- شطرنج: 155 برد، 6 باخت و باقی تساوی (از 1000 بازی) مقابل StockFish استاد شطرنج
- Shogi: برتری آلفازیرو در 91.2 درصد از بازی ها مقابل نرم افزار Elmo
- Go: برتری آلفازیرو مقابل آلفاگو در 61 درصد از بازی ها
و اما در مورد آلفازیرو باید بگوییم که برای تشخیص حرکت بعدی خود از نوعی روش سرچ به نام درخت جستجوی مونت کارلو استفاده کرد که نوعی برتری را برای آن نسبت به رقبایش ایجاد کرد. گفتنی است بعد از این بازی ها گری کاسپاروف استاد بزرگ شطرنج نیز سبک بازی باز و پویای آلفازیرو را مورد تمجید قرار داد.
اما راز سرعت یادگیری آلفازیرو و همچنین تخصص بالای آن در این بازی ها 5000 واحد پردازشی Tensor گوگل است که برایش در نظر گرفته شده. برای آنکه درک بهتری از این رقم داشته باشید باید بگوییم که یک عدد از آنها می تواند 100 میلیون عکس موجود در گوگل فوتوز را ظرف یک روز پردازش کند حال تصور کنید که 5000 عدد از آنها چه توانی دارد.
اوایل امسال نیز شاهد پیروزی ربات های Open AI مقابل بازیکنان Dota 2 بودیم. حال سوال اینجاست: هوش مصنوعی دیگر در کدام بازی ها به مقام استادی می رسد؟
