ผู้เล่นธรรมดาและไม่ได้อยู่ในระดับสูงสุดก็เอาชนะระบบชั้นนำได้ ปัญญาประดิษฐ์ ในเกมกระดาน Go ซึ่งเป็นเรื่องที่น่าประหลาดใจเพราะชัยชนะที่คอมพิวเตอร์ได้รับในปี 2016 ถือเป็นก้าวสำคัญในการพัฒนาปัญญาประดิษฐ์
Kellyn Pelrin ผู้เล่นสมัครเล่นชาวอเมริกันใช้ประโยชน์จากข้อบกพร่องในระบบที่ค้นพบก่อนหน้านี้โดย... คอมพิวเตอร์เครื่องอื่น และชนะ 14 เกมจาก 15 เกม ชัยชนะครั้งนี้เน้นให้เห็นถึงจุดอ่อนของโปรแกรมคอมพิวเตอร์ที่ดีที่สุดสำหรับเกม Go ที่ระบบ AI สมัยใหม่ส่วนใหญ่มี รวมถึง chatbot ที่น่าอับอาย ChatGPTสร้างโดย OpenAI
กลยุทธ์ที่ชนะถูกเสนอโดยโปรแกรมคอมพิวเตอร์อีกเครื่องที่สำรวจระบบปัญญาประดิษฐ์เพื่อค้นหาจุดอ่อน “มันง่ายอย่างน่าประหลาดใจสำหรับเราที่จะใช้ระบบนี้” Adam Gleave ประธานเจ้าหน้าที่บริหารของบริษัทวิจัย FAR AI ซึ่งพัฒนาโปรแกรมในแคลิฟอร์เนียกล่าว โปรแกรมต้องเล่นเกมมากกว่าล้านเกมกับหนึ่งในระบบ Go ที่ได้รับความนิยมมากที่สุดอย่าง KataGo เพื่อค้นหาสิ่งที่เรียกว่า "จุดบอด" เขากล่าว จากข้อมูลของ Pelrin กลยุทธ์ที่โปรแกรมค้นพบนั้น "ไม่ได้เล็กน้อยทั้งหมด แต่ก็ไม่ใช่เรื่องยากเกินไปเช่นกัน" ดังนั้นคนทั่วไปจึงมีความสามารถพอที่จะเชี่ยวชาญได้
ชัยชนะมาเจ็ดปีหลังจากที่ AI ปรากฏตัวเพื่อพิสูจน์ว่าเหนือกว่ามนุษย์อย่างไร้ข้อโต้แย้งในเกมกระดานที่มักถูกมองว่าเป็นเกมกลยุทธ์ที่ยากที่สุด ระบบ AlphaGo ที่พัฒนาโดยบริษัท Deepmindซึ่งเป็นเจ้าของโดย Google เอาชนะแชมป์โลก Lee Sedol 2016-4 ในปี 1 ในปี 2019 ผู้เล่นชาวเกาหลีใต้หยุดเข้าร่วมการแข่งขันเนื่องจากการพัฒนาของ AI - เขาประกาศว่าคน ๆ หนึ่งจะไม่สามารถเอาชนะเขาได้อีกต่อไป ลีเซดอลได้สรุปอย่างรวดเร็ว
ในเกมโกะ ผู้เล่นสองคนผลัดกันวางหมากขาวดำบนกระดานที่มีตารางขนาด 19x19 โดยพยายามล้อมหมากของฝ่ายตรงข้ามและครอบครองพื้นที่ที่ใหญ่ที่สุด ชุดค่าผสมจำนวนมากหมายความว่าคอมพิวเตอร์ไม่สามารถประเมินการเคลื่อนไหวที่อาจเกิดขึ้นในอนาคตได้ทั้งหมด กลยุทธ์ที่เพลรินใช้คือค่อยๆ ร้อย "ห่วง" ก้อนหินขนาดใหญ่ล้อมรอบกลุ่มของฝ่ายตรงข้ามกลุ่มหนึ่ง ทำให้เสียสมาธิ AI ย้ายไปที่มุมอื่นของกระดาน และบอทไม่สังเกตเห็นช่องโหว่แม้ว่าการปิดล้อมจะเกือบเสร็จสมบูรณ์แล้วก็ตาม “แต่มันค่อนข้างง่ายสำหรับคนที่จะสังเกตเห็นมัน” ผู้เล่นกล่าวเสริม
ที่น่าสนใจเช่นกัน:
การค้นพบจุดอ่อนในเครื่อง Go ที่ล้ำสมัยบางรุ่นชี้ให้เห็นถึงข้อบกพร่องพื้นฐานในระบบการเรียนรู้เชิงลึกที่สนับสนุนความล้ำสมัย AI. ดังที่ Stuart Russell ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์แห่ง University of California at Berkeley กล่าวว่า ระบบสามารถ "เข้าใจ" สถานการณ์เฉพาะที่พวกเขาเคยพบในอดีตเท่านั้น และไม่สามารถสรุปทุกอย่างในแบบที่คนๆ หนึ่งทำได้ "นี่แสดงให้เห็นอีกครั้งว่าเรารีบร้อนเกินไปในการกำหนดให้ปัญญาเหนือมนุษย์เป็นเครื่องจักร" รัสเซลกล่าว
มีแนวโน้มว่ากลยุทธ์ที่ Pelrin ใช้นั้นไม่ค่อยได้ใช้ ซึ่งหมายความว่าระบบ AI ยังไม่ได้รับการฝึกฝนในเกมที่คล้ายกันมากพอที่จะ "เข้าใจ" ช่องโหว่ของพวกเขา
ที่น่าสนใจเช่นกัน: