Vloni v březnu porazil program AlphaGo nejlepšího světového hráče ve hře go. Zaskočilo to tehdy všechny, jak hráče Go, tak programátory – ukázalo to, jak rychlý je pokrok v tomto oboru a jak rychle stroje člověka dohánějí a nyní už i překonávají. Nyní vědci přišli s novou verzí programu AlphaGo, která tu starší porazila 100:0. A to přesto, že hru go znala pouhé tři dny.
Nová verze programu, kterou vyvinula také společnost Google, dostala jméno AlphaGo Zero (dále AGZ) podle toho, že s učením se hře začíná od začátku, od nuly (zero = nula). Přestože stará verze porazila jihokorejského velmistra Lee-Sedola i čínského velmistra Fan Chueje zcela přesvědčivě, proti nové verzi neměla šanci. V sérii 100 her neuhrála ani jedinou výhru.
Ale to ještě není ani zdaleka všechno. Na rozdíl od ostatních podobných „umělých inteligencí“, kde s tréninkem pomáhá člověk, se tentokrát stroj naučil strategii zcela sám, jediné, co mu dodali lidé, byla pravidla stolní hry go. Během tří dnů ji dokonale pochopil a získal obdobu tisíciletí lidských znalostí hry. Tento úspěch popsali autoři programu v časopise Nature.
Nejdůležitější je podle expertů, kteří se k tématu vyjádřili, i podle autorů programu to, jak rozdílné jsou obě verze umělé inteligence. Původní program měl obrovskou výhodu a náskok v tom, že se mohl učit z tisícovek her, které mu lidé předložili ke studiu. Mohl se tedy učit od lidských velmistrů, využíval jejich nejlepší tahy a měl obrovské množství materiálů, na nichž hru „studoval“. AGZ od lidí žádnou pomoc nedostal a neměl přístup k ničemu jinému než k pravidlům.
- 1997: Program Deep Blue porazil velmistra Garryho Kasparova v šachu.
- 2011: Program IBM Watson porazil světové šampiony ve hře Jeopardy (česká verze se jmenovala Risk).
- 2016: Umělá inteligence AlphaGo porazila velmistra Lee-Sedola ve hře go.
- 2016: Umělá inteligence Libratus z Carnegie Meloon University porazila čtyři přední hráče pokeru.
- 2017: Program DeepStack, na němž pracovali i čeští vědci, rozdrtil 33 hráčů v pokeru – a to i pomocí intuice.
Nový program mohl dělat jediné, hrál jen sám proti sobě. Zpočátku se choval zcela náhodně, později své postupy vylepšoval. Stroj se učil metodou takzvaného Reinforcement learning (RL), která umožnila jeho digitálnímu mozku učit se ze zkušeností – autoři to shrnují metaforou, že program byl sám sobě učitelem. V tiskové zprávě autorský tým vyzdvihuje, že „tato technika je mnohem silnější než starší verze, protože již není omezena limity lidských znalostí. Místo toho se začíná učit jako tabula rasa od nejlepšího hráče go na světě – od sebe samé“.
Jak to funguje?
Když hraje go, program zvažuje nejpravděpodobnější tahy a na tomto základě odhaduje pravděpodobnost vítězství. Aby dospěl podle těchto dvou parametrů k rozhodnutí, stačí AGZ pouhé 0,4 sekundy. Původní verze na to potřebovala dvě spolupracující neurální sítě, ale nová verze je má spojené do jedné, díky tomu je mnohem efektivnější. Dokazuje to i fakt, že AGZ běží na čtyřech specializovaných čipech TPU, zatímco stará verze jich potřebovala 48.
Během tří dnů tréninku program odehrál proti sobě 4,9 milionu her, tedy výrazně větší množství, než stihne během svého života jakýkoliv člověk. To mu stačilo k tomu, aby porazil originální verzi AlphGo – ta přitom potřebovala odehrát 30 milionů partií, než si její tvůrci troufli nasadit ji proti lidskému hráči. Po dalších 37 dnech tréninku byl AGZ schopen postavit se nejmodernější verzi AlphaGo zvané „Master“, která na začátku letošního roku porazila 60 nejlepších lidských hráčů.
Pro celý obor umělých inteligencí jde o obrovský pokrok. Případ ukazuje, jak je rychlý: systém dokázal během pár dní dohnat a předehnat lidskou znalost, která vznikala několik tisíc let. Přitom umělá inteligence přišla na zcela originální řešení a kreativní přístupy – lidští hráči se z nich mohou další stovky let učit.
Na webu Nature News and Views komentovali dva členové Americké asociace go styl hry, který počítač použil. „V každém stadiu hry se zdálo, že občas trošku vyhrává, jindy něco ztrácel, ale nějak vždycky skončil výhrou – jako by to byla kouzla.“
Praktické aplikace dlouho nebudou
Pro web Gizmodo se vyjádřil expert na umělé inteligence Nick Hymes z MIT. Na otázku, kdy tyto specializované technologie vstoupí do každodenního života, odpověděl: „Algoritmus zatím pracuje jen s problémy, u nichž existuje počitatelné množství akcí, které můžete vykonat. Bude ještě potřebovat úpravy, než se bude dát použít pro jiné problémy, jako je například doprava. A současně by to vyžadovalo opravdu dobrý model prostředí. V případě go zná stroj všechna pravidla tohoto světa. V reálném nedokonalém světě to ale není možné.“ Vědec ale doplnil, že existuje více větví výzkumu umělých inteligencí, které se právě těmto problémům věnují a mohou je vyřešit.
„Tímto ale opouštíme klasický model, kdy skupina lidí trénuje stroj, který se je pak pokouší napodobit. Nový model je osvobozený od lidského myšlení a předsudků – může se učit cokoliv, co mu přijde jako nejvýhodnější, což může být něco zcela jiného, než naznačují naše lidské představy. Přestože jsme ještě stále vzdálení od okamžiku Singularity, rozhodně míříme jejím směrem.“
Autoři tím narážejí na představu vzniku umělých inteligencí, které budou lepší než lidé. Nedávno vědci z univerzit v Oxfordu a Yale oslovili 352 předních světových expertů na umělé inteligence s dotazníkem, jaká je budoucnost robotiky a kdy tato Singularita nastane. Výsledky nejsou pro člověka úplně příznivé.
Podle výsledků tohoto výzkumu vědci předpovídají, že na 50 procent budou za 45 let umělé inteligence lepší než lidé úplně ve všem. Experti předvídají i konkrétní roky, kdy stroje člověka v různých oborech překonají:
- Roku 2024 budou lepší v překládání jazyků.
- Roku 2026 budou lepší v psaní článků a esejí.
- Roku 2027 budou umět lépe řídit auta.
- Roku 2031 se stanou lepšími prodavači.
- Roku 2049 budou psát knihy, které se prodávají lépe než ty od lidských autorů.
- Roku 2053 budou stroje lépe operovat.
- Roku 2150 budou všechny lidské profese nahrazeny stroji.
Podle řady komentátorů právě nová umělá inteligence příchod Singularity velmi přibližuje. Pro deník Guardian se ředitel divize DeepMind, který tento výzkum vedl, vyjádřil takto: „Pro nás není AlphaGo jen o tom vyhrát ve hře go. Je to velký krok pro vytvoření obecné umělé inteligence.“
