2024-07-22
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Häviän tekoälylle, minusta tuntuu, että koko maailmani on romahtanut.
Lee Sedol sanoi äskettäin New York Timesin haastattelussa.
Vuonna 2016 14-kertainen maailmanmestari korealainen shakinpelaaja edusti ihmisiä pelissä Googlen AlphaGoa vastaan ja hävisi lopulta 1:4.
Kun hän hyväksyi kutsun, hän ajatteli, että se olisi "hauska" kokemus:
Hauskuuden lähtökohta on, että luulen voittavani. En koskaan uskonut häviäväni.
Se oli luultavasti yksi tärkeimmistä kohokohdista ennen kuin tekoälytekniikka debytoi ChatGPT:ssä.
Nyt on kulunut vajaat kaksi vuotta ChatGPT:n julkaisusta. Olemme nähneet, että tekoäly vaikuttaa moniin aloiin, ja muut elämän osa-alueet näyttävät tulevan ennakolta. Emme voi muuta kuin spekuloida ja kuvitella tulevaisuutta. AI.
Tässä yhteydessä Go-maailma, johon tekoäly vaikutti muita toimialoja ja aloja aikaisemmin, voi auttaa meitä näkemään mahdollisuuden, joka on jo tapahtunut.
Ihmisten voittamisen jälkeen vahvempi tekoäly on entisestään dehumanisoitunut
En voinut enää nauttia Gosta, joten jäin eläkkeelle.
Kolme vuotta AlphaGoa vastaan pelattuaan Lee Sedol ilmoitti virallisesti lopettavansa.
Lee Sedolille, joka aloitti Go-opetuksen 5-vuotiaana, Go ei ole vain kilpailu, vaan taide, pelaajan persoonallisuuden ja tyylin jatke. Tekoälyn aikakaudella se on kuitenkin "vähennetty". algoritminen tehokkuuspeli.
Näiden kolmen vuoden aikana tapahtui toinen asia.
Vuonna 2017 DeepMind julkisti uuden version AlphaGosta - AlphaGo Zero.
AlphaGo syntyi hermoverkon yli 30 miljoonan liikkeen oppimisesta ja harjoittelusta ihmismestarien toimesta, mutta AlphaGo Zero erotettiin "ihmiskosketuksesta" harjoitusjakson aikana ihmisten shakkiennätyksiä ja luotti yksinomaan itseensä ja omaan shakkiharjoitteluunsa.
Vain kolmessa päivässä AlphaGo Zero voitti jo 100:0 AlphaGon.
Atlantic kutsuu sitä "tekäälyksi, jonka ei tarvitse oppia mitään ihmisiltä".
Gossa on tekniikka, joka näyttää yksinkertaiselta tai merkityksettömältä, mutta voi olla kohtalokas uhka pitkällä aikavälillä. Jotkut ihmiset sanoisivat, että se on kuin "aave".
AlphaGon ja AlphaGo Zeron peliennätyksiä on niin vaikea ymmärtää, että niitä pidetään suoraan "vieraan sivilisaation pudottamana salaperäisenä oppaana".
Amerikkalainen ammattisahkinpelaaja Michael Redmond sanoi vuonna 2017, että yksi tärkeimmistä tavoista ihmisille oppia Go on rakentaa tarina: "Näin me kommunikoimme. Se on hyvin inhimillistä."
Tämä saattaa myös heijastaa Lee Sedolin näkemystä, että shakkia pelatessaan shakinpelaajat näyttävät myös osan itsestään ihmisinä.
Redmond lisäsi, että hänen omien havaintojensa perusteella shakinpelaajat todennäköisesti "nostavat kätensä ylös ja antautuvat", kun he näkevät ensimmäisen kerran "AI-makuisen" shakin:
Tapa, jolla AlphaGo pelaa shakkia, tuntuu aina erittäin "epäinhimilliseltä" tällaisen shakkipelin edessä meidän on jopa vaikea päästä mukaan.
Yhtenä ensimmäisistä Go-mestareista, joihin vaikutti, Lee Sedol ei voinut päästää irti pitkään aikaan.
Hänestä tuli pakkomielle tekoälyyn.
Eläkkeelle jäätyään, oman Go-akatemian avaamisen, kirjojen julkaisemisen ja Go-pohjaisten lautapelien lanseeraamisen lisäksi Lee Sedol alkoi myös pitää tekoälyn luentoja:
Aloin kohdata tekoälyongelmia hyvin varhain, ja muutkin tulevat kokemaan niitä. Se ei välttämättä johda onnelliseen loppuun.
Hänen mielestään tekoälyn huolestuttavin puoli on, että se voi muuttaa inhimillisiä arvoja:
Aiemmin ihmiset olivat hämmästyneitä luovuudesta, omaperäisyydestä ja innovaatioista, mutta tekoälyn tulon jälkeen suuri osa tästä on kadonnut.
Kaikki eivät ole samaa mieltä tämän väitteen kanssa.
Ihmisen ja koneen yhteisluomisen aikakausi
Tekoäly tuhosi kaiken olemassa olevan järjestyksen Go-maailmassa ja alkoi sitten rakentaa sitä uudelleen.
sanoi Jiuheng He, Go-harrastaja, joka opiskelee tekoälyä Cornellin yliopistossa.
Monissa Go-akatemioissa tekoälyn käyttäminen go-oppimiseen on prosessi, joka melkein kaikkien pelaajien on käytävä läpi.
Hongkongissa sijaitsevassa Go-akatemiassa Ng Chee Man tarjoaa opiskelijoille iPadeja, joilla he voivat oppia goa tekoälyn avulla.
Joka kerta kun opiskelija pelaa shakkia, tekoäly näyttää "parhaan liikkeen" ehdotuksia. Samalla järjestelmä tallentaa myös, mitkä liikkeet oppilas teki hyvin ja mitkä eivät olleet hyviä.
Viime vuonna Proceedings of the National Academy of Sciences -lehdessä julkaistussa tutkimuksessa todettiin, että sen jälkeen, kun tekoäly tuli Go-piiriin, ihmispelaajien arvostelukyky on parantunut.
Jo vuonna 2016, ennen kuin AlphaGo voitti Lee Sedolin, Fan Huilla, joka oli pelannut AlphaGoa vastaan yksityisessä testissä, oli samanlainen kokemus.
Vaikka hän hävisi, Fan Hui sanoi, että AlphaGo antoi hänelle mahdollisuuden tarkastella Goa uudella tavalla, paransi taitojaan ja antoi hänen hypätä nopeasti ylös maailman rankingissa.
Vuoden 2023 tutkimus perustuu vuosilta 1950-2021 kerättyihin shakkiennätyksistä, mukaan lukien 5,8 miljoonan käden tiedot.
Tutkijat havaitsivat, että ennen kuin AlphaGo voitti Lee Sedolin, shakinpelaajien arvostelujen laatu oli pysynyt vakaana ja periaatteessa muuttumattomana 66 vuoden ajan. Vuosina 2016 ja 2017 shakinpelaajien arvostelujen laatu alkoi kuitenkin nousta.
Toisin sanoen, vaikka ihmissahkinpelaajat eivät ehkä pysty voittamaan tekoälyshakin pelaajia, heidän arvostelukykynsä ovat todellakin parantuneet.
On erittäin inspiroivaa nähdä, kuinka nopeasti shakinpelaajat voivat sopeutua ja sisällyttää nämä uudet liikkeet omiin menetelmiinsä. Nämä tulokset viittaavat siihen, että ihmiset mukautuvat näihin löytöihin ja kehittävät niitä parantaakseen potentiaaliamme huomattavasti.
David Silver, DeepMindin johtava tutkija ja AlphaGo-projektin johtaja, kommentoi tätä tutkimusta.
Ke Jie, jonka AlphaGo voitti vuonna 2017, sanoi myös vuonna 2023, että hän harjoittelee harvoin oikeiden ihmisten kanssa paitsi kilpailuissa, ja uskoo, että tekoälystä on tullut jopa luovuuden lähde Go:ssa:
Luovuus ei ole pelkkää erilaista tekemistä häviämme, koska tekoäly käy läpi paljon todellista taistelua, ja erilaista ajattelua kuin ennen, tämä on luovuutta.
Lisäksi toisen ammattisahkinpelaajan suoritus on myös erityisen mielenkiintoinen.
Korealainen shakinpelaaja Shin Jin-jin on vuoden 2000 jälkeinen shakinpelaaja, joka on voittanut shakinfanit usein "Shen Gong Intelligenceksi", koska hän on kuuluisa pitkäaikaisesta tekoälykoulutuksestaan ja -tutkimuksestaan.
Tämän vuoden helmikuussa Shin Jin-seok voitti kiinalaisen kapteenin Gu Zihaon 25. Nongshim Cupissa saavuttaen kuusi peräkkäistä voittoa yhden kauden aikana ja 16 peräkkäistä voittoa kausittain, mikä ohitti edeltäjänsä Lee Chang-hon. Tämän vuoden maaliskuussa hän puhui suhteestaan tekoälyyn:
Minusta tuntuu, että tekoäly ja minä olemme ystäviä nyt. Opiskelin tekoälyillä, jotka olivat minua parempia. Tekoäly ja ihmisen ajattelu ovat täysin erilaisia. Tekoäly ratkaisee ongelmia matemaattisten algoritmien avulla. Olen hyötynyt paljon tekoälyn ajattelusta.
Nyt ammattipelaajat Kiinassa, Etelä-Koreassa ja Japanissa käyttävät tekoälyä harjoitteluun.
"AI Flavor" Apocalypse
Aivan kuten generatiivisen tekoälyn aikakaudella, joidenkin suunnittelijoiden ja tekijöiden on suoritettava monimutkaisia itsesertifiointeja teoksissaan olevan niin sanotun "AI-maun" vuoksi, joka on integroitu tekoälyyn pitkään. on myös kohtaamassa "AI-maun" ilmaantumista.
Nykyisissä Go-peleissä tekoälyä käytetään usein voittoprosentin ennustamiseen, ja tekoäly suosittelee parasta liikettä. Yleisö voi siten saada eräänlaisen "aloitteen" pelin katseluprosessissa ja hänellä on useita katselukulmia.
Vuonna 2022 ottelussa Shen Zhenzheniä vastaan kiinalainen shakkipelaaja Li Xuanhao teki monia päätöksiä, jotka olivat linjassa tekoälyn optimaalisen harkinnan mukaan kolmen parhaan kanssa. Siksi hänen joukkuetoverinsa Yang Dingxin kyseenalaisti hänen epäilynsä tekoälyn pettämisestä.
Vuonna 1995 syntynyt Li Xuanhao "työstää yhdeksästä yhdeksään ympäri vuoden ja tekee todella paljon töitä" tekoälyharjoittelussa. Siksi shakkipeliä pidetään joskus niin sanotun "konemakuisena".
Mitä tulee epäilyihin, Kiinan Go-yhdistys suoritti tutkimuksen ja totesi lopulta, ettei syytökselle ollut todisteita, ja Yang Dingxin määräsi rangaistuksia.
Mutta tapauksia pettämisestä tekoälyn kanssa on olemassa.
Vuonna 2020 eteläkorealaisen 13-vuotiaan shakin ammattipelaajan Kim Eun-chin havaittiin olevan 92 % päällekkäinen hänen nettiotteluissa tekemiensä ja tekoälysuositusten välillä. Tutkinnan jälkeen lopulta todettiin, että hän oli pettänyt (ja hän myönsi sen), ja hänelle määrättiin sakko ja vuoden kilpailukielto.
Vuonna 2022 kiinalainen shakinpelaaja Liu Ruizhi tuomittiin tekoälyn huijaamisesta, ja hän oli ensimmäinen ammattisahkinpelaaja Kiinassa, joka on saanut virallisen rangaistuksen tekoälyhuijaamisesta. Kim Eun-chiin verrattuna Liu Ruizhi on oppinut välttämään "AI-makua" ja käyttää tekoälyä vain joissakin avainkohdissa.
Vastauksena kilpailuihin eri maissa parannetaan jatkuvasti tekoälyn vastaisia huijausmekanismeja.
Samaan aikaan jotkut ihmiset ovat käyttäneet "AI-makua" kukistaakseen tekoälyn.
Vuonna 2023 amerikkalainen amatöörisahkin pelaaja Kellin Pelrine voitti Go AI KataGon.
KataGo on yksi tehokkaimmista saatavilla olevista avoimen lähdekoodin Go AI:ista, ja Etelä-Korea käyttää sitä myös Go-pelaajien kouluttamiseen.
Pelrine käytti FAR AI -nimistä ohjelmaa pelatakseen KataGoa vastaan yli miljoona peliä. Lopulta FAR AI löysi KataGon heikkouden, harjoitteli sitä ihmisen ja koneen kaksintaistelussa ja voitti:
Tämä strategia ei ole aivan lapsellinen, mutta se ei ole myöskään erityisen vaikeaa oppia.
Sitten hän käytti myös samaa menetelmää voittaakseen Leela Zeron, toisen suhteellisen tehokkaan Go AI:n.
Strategian avain on luoda suuri "ympyrä" vastustajan shakkinappuloiden ympärille ja sitten yhtäkkiä siirtää nappula toiseen asiaankuulumattomaan nurkkaan häiritä tekoälyä.
Pelrine sanoi, että jos kyseessä olisi shakinpelaaja, hän varmasti tietäisi, että jotain oli vialla, kun hän näki ympyrän, mutta tekoäly ei huomaisi sitä.
Tämä heikkous vaikuttaa hieman "hankalta".
Nature-lehden viime viikolla julkaistussa raportissa lainattiin tältä vuodelta esipainettua paperia ja huomautettiin, että erityisesti tekoälyn heikkouksia etsivien ohjelmien edessä mallien haavoittuvuuksia ei ole niin helppo korjata kuin kuvitellaan.
Tällä kertaa KataGo oli "kohdistettu". Tutkijat käyttivät kolmea erilaista strategiaa tehdäkseen KataGosta tehokkaamman vastahyökkäyksen:
Vaikka nämä koulutukset ovat auttaneet KataGoa parantamaan puolustuskykyään jossain määrin, hyökkäysohjelma voi silti löytää porsaanreikiä ja kukistaa KataGon 91 %, 81 % ja 78 % voittoprosentilla.
Nämä hyökkäysohjelmat eivät itsessään ole erinomaisia Go AI:ita, ja ihmiset voivat helposti voittaa ne.
Tärkeintä ei tietenkään ole kilpailla siitä, ovatko ihmiset vai tekoäly parempia.
Asia on siinä, että Golla, alalla, jonka tekoäly on "kallistanut", ja niin monen vuoden soveltamisen ja parantamisen jälkeen sen tekoälyllä on edelleen monia ongelmia. Lehden kirjoittaja Adam Gleave sanoi:
Jos emme pysty ratkaisemaan tätä ongelmaa yhdellä verkkotunnuksella, kuten Go, niin lyhyellä aikavälillä mahdollisuus jailbreakin korjaamiseen ChatGPT:n kaltaisissa malleissa näyttää vähäiseltä.
Kerää ja järjestele viimeisimmät uutiset ja tee ne kaikkien tarkastettavaksi ilmaiseksi.
