یک بازیکن معمولی و نه حتی در بالاترین سطح، سیستم پیشرو را شکست داد هوش مصنوعی در بازی رومیزی Go که باعث تعجب شد، زیرا پیروزی کامپیوتر در سال 2016 نقطه عطف مهمی در توسعه هوش مصنوعی در نظر گرفته شد.
کلین پلین، یک بازیکن آماتور آمریکایی، از نقصی در سیستم استفاده کرد که قبلاً توسط ... کامپیوتر دیگری کشف شده بود و 14 بازی از 15 بازی را برد. این پیروزی ضعف بهترین برنامه های کامپیوتری بازی Go را که اکثر سیستم های هوش مصنوعی مدرن از جمله چت بات بدنام دارند برجسته کرد. GPT چت، ایجاد شده توسط OpenAI.
تاکتیک برنده، از قضا، توسط یک برنامه کامپیوتری دیگر ارائه شد که سیستم های هوش مصنوعی را در جستجوی نقاط ضعف بررسی می کرد. آدام گلیو، مدیر اجرایی شرکت تحقیقاتی FAR AI مستقر در کالیفرنیا، که این برنامه را توسعه داده است، گفت: «استفاده از این سیستم برای ما به طرز شگفت انگیزی آسان بود. او گفت که این برنامه باید بیش از یک میلیون بازی را با یکی از محبوب ترین سیستم های Go، KataGo انجام می داد تا به اصطلاح "نقطه کور" را پیدا کند. به گفته پلرین، استراتژی کشف شده توسط این برنامه "کاملاً بی اهمیت نیست، اما فوق العاده دشوار نیز نیست"، بنابراین یک فرد معمولی کاملاً قادر به تسلط بر آن است.
این پیروزی هفت سال پس از آن اتفاق می افتد که به نظر می رسید هوش مصنوعی برتری بی چون و چرای خود را نسبت به انسان ها در چیزی که اغلب سخت ترین بازی استراتژی استراتژی در نظر گرفته می شود، به اثبات رساند. سیستم AlphaGo که توسط این شرکت توسعه یافته است Deepmindکه متعلق به گوگل است، قهرمان جهان لی سدول را در سال 2016 با نتیجه 4-1 شکست داد. در سال 2019 ، بازیکن کره جنوبی دقیقاً به دلیل توسعه هوش مصنوعی شرکت در مسابقات را متوقف کرد - او اعلام کرد که یک فرد دیگر نمی تواند او را شکست دهد. خب، لی سدول کمی زود نتیجه گرفت.
در بازی go، دو بازیکن به نوبت مهره های سیاه و سفید را روی تخته ای که با یک شبکه 19*19 مشخص شده است قرار می دهند و سعی می کنند مهره های حریف را احاطه کرده و بزرگترین منطقه را اشغال کنند. تعداد زیاد ترکیب ها به این معنی است که کامپیوتر واقعاً قادر به ارزیابی تمام حرکات بالقوه آینده نیست. تاکتیکی که پلرین از آن استفاده کرد این بود که به آرامی یک "حلقه" بزرگ از سنگ ها را برای احاطه کردن یکی از گروه های حریف به رشته ی تحریر درآورد و حواس او را پرت کند. هوش مصنوعی در گوشه های دیگر تخته حرکت می کند. و ربات حتی زمانی که محاصره تقریباً کامل شده بود، متوجه این آسیب‌پذیری نشد. این بازیکن افزود: "اما برای یک فرد بسیار آسان است که متوجه آن شود."
همچنین جالب:
کشف یک نقطه ضعف در برخی از پیشرفته ترین ماشین های Go به یک نقص اساسی در سیستم های یادگیری عمیق اشاره می کند که زیربنای پیشرفته ترین هستند. هوش مصنوعی. همانطور که استوارت راسل، استاد علوم کامپیوتر در دانشگاه کالیفرنیا در برکلی می‌گوید، سیستم‌ها فقط می‌توانند موقعیت‌های خاصی را که در گذشته با آن‌ها مواجه شده‌اند، "درک" کنند و قادر به تعمیم همه چیز به روشی که یک فرد می‌تواند نیست. راسل گفت: "این یک بار دیگر نشان می دهد که ما در نسبت دادن هوش مافوق بشری به ماشین ها خیلی عجله کرده ایم."
این احتمال وجود دارد که تاکتیک های مورد استفاده توسط Pelrin به ندرت مورد استفاده قرار گیرد، به این معنی که سیستم های هوش مصنوعی به اندازه کافی در مورد بازی های مشابه برای "درک" آسیب پذیری های خود آموزش ندیده اند.
همچنین جالب: