В мае 1997 года в Нью-Йорке Гарри Каспаров перенес на свои плечи бремя человечества. Бесспорно сильнейший шахматист мира ни разу в жизни не проигрывал, но теперь ему предстоял Судный день. Левиафан IBM, Deep Blue, был создан специально, чтобы сразиться с сильнейшим человеком в шахматном матче. В том, что было объявлено окончательным испытанием «Человек против машины», победитель унаследует мантию самого разумного вида на планете. Каспаров рассматривал его как «великий научный эксперимент ХХ века»; IBM просто хотела победить.

Итоговый счет матча на автомат был 3,5–2,5. По общему признанию, из-за отсутствия смертей знаменитостей на той неделе на обложке Newsweek это было объявлено как «Последняя битва мозга», и вслед за этим в средствах массовой информации прокатились ропоты о Скайнете и искусственном интеллекте. Каспарову потребовалось 20 лет, чтобы наконец подробно рассказать о своей потере, хотя, когда он делал это в переполненном зале в Лондоне в начале этой недели, это было не без значительных эмоций.

Было подсчитано, что существует около 35 возможных вариантов на каждый ход в шахматной игре, а типичная игра состоит из около 80 ходов (по 40 для каждой стороны). Это дает 35⁸⁰ возможных последовательностей ходов. Для сравнения: во Вселенной всего 10⁸⁰ атомов. Никакая машина не может решить шахматы путем тщательного перебора всех последовательностей. Из-за наших ограниченных умственных способностей игроки-люди в значительной степени полагаются на интуицию при выборе небольшого набора возможных ходов для рассмотрения в любой момент, которые мы затем вычисляем последствиями, пока не сможем дать какую-то оценку результирующей позиции. Возможность воспроизвести эту интуицию в машине может быть аргументом в пользу «интеллекта».

Искусственный противник

Deep Blue вообще не был умен. Это была просто огромная вычислительная коробка с добавленным человеческим вкладом. Он был способен оценивать 200 миллионов позиций в секунду, а пространство поиска было сокращено за счет использования наборов правил или эвристики, взятых из игр Grandmaster и отзывов. Кроме того, как сообщается, были добавлены «человеческие» штрихи. На позициях, где логический ход был бы очевиден для всех, Deep Blue был запрограммирован на то, чтобы останавливаться, добавляя элемент сомнения в его мыслительный процесс, детали которого IBM твердо скрывала от Каспарова. В то время как в наши дни мы опасаемся вмешательства компьютера, когда играем с другими людьми, Каспаров тогда боялся вмешательства человека при игре на компьютере. Совершенно неуравновешенный чемпион мира играл далеко не на высоте. Кусочек кремния, поддерживаемый IBM, преуспел в том, что ни один разумный человек не мог сделать до этого - вместо того, чтобы перехитрить или перехитрить Каспарова, он сломал его психологически.

В настоящее время стандартная шахматная программа, работающая на персональном ноутбуке, может превзойти даже лучшие в мире. В 2016 году Хикару Накамура, который тогда занимал 6-е место в мире, взял на себя программу Komodo, но с оговоркой, что ему будет предоставлен дополнительный материал или несколько дополнительных ходов в начале игры. Он все еще проиграл 2,5–1,5. Шахматисты признали, что Machine выиграла эту войну, и исключили соревновательные программы в свои собственные турниры, где тысячи ядер могут сражаться с миллиардами Hertz с интересом в основном только со стороны компьютерного сообщества. В самих шахматах люди переключили свое внимание с ИИ на ИА - увеличение интеллекта. Теперь цель состоит в том, чтобы с помощью компьютеров сделать игроков-людей лучшими, какими они могут быть. Интернет-базы данных, содержащие миллионы сыгранных партий, и шахматные движки портативных компьютеров позволяют игрокам тщательно подготовиться к турнирам. Даже на любительском уровне хорошо подготовленный игрок может быстро выполнить большое количество ходов за доской, полагаясь на воспоминания, а не на понимание или размышления.

Восстание машин

Спустя 20 лет проблема «Человек против машины» возвращается. Поскольку шахматы перестали быть важным полем битвы, машины переключили свое внимание на игру го. Буквально в прошлом месяце программа AlphaGo, созданная Google DeepMind, в матче из трех игр победила первого в мире Ке Цзе. В то время как в типичной шахматной игре может быть около 35 возможных последовательностей ходов, типичная игра в го оценивается примерно в 250¹⁵⁰. Но не только это огромное увеличение сложности создает вычислительные трудности. Эвристика, которая может использоваться для сокращения пространства поиска в шахматах, менее четко определена в Go, и труднее оценить любую заданную позицию (и, таким образом, узнать, когда прекратить вычисление линии). Тем не менее AlphaGo убедительно победила, выиграв все три игры. Возможно, это привело к значительному сдвигу в компетенции машин?

Если искусственный интеллект действительно порождает злобную сверхдержаву, тогда шахматный мир должен нести свою долю ответственности, а Делориана следует отправить обратно в Лихтенштейн в 1987 году. Одним из участников международного шахматного турнира был 11-летний мальчик по имени Демис Хассабис. До этого вся жизнь Хассабиса была шахматной. Получив образование на дому, чтобы дать время изучить игру и путешествовать по миру, чтобы играть в сильные турниры, он был одним из лучших игроков в мире для своего возраста - продвижение к титулу GM казалось логичным продолжением. Однако здесь он оказался в паре со взрослым чемпионом Дании, что привело к сложному эндшпилю, который должен был быть ничейным. После нескольких часов защиты Хассабис имел шанс мгновенно форсировать этот результат, контринтуитивно отдав свою единственную оставшуюся фигуру, чтобы создать тупик. Вместо этого он подал в отставку. Его противник удивился, сразу встал и продемонстрировал правильный ход. Шахматы - игра, в которой правда может быть неопровержимой и суровой. Это был момент, когда юный Хассабис получил прозрение - почему вся мощь чьего-то мозга должна быть посвящена шахматам? Неужто предстояло столкнуться с большими и лучшими проблемами?

С деньгами, полученными от шахматных выигрышей, вложенными в его первый компьютер, все эти большие и лучшие дела начались с дизайна видеоигр. Хассабис основал студию, которая выпустила, среди прочего, «Evil Genius» - игру с целью мирового господства - и в течение нескольких лет делал успешную карьеру в этой индустрии. Но именно его последняя работа продвинула его на передний план в области искусственного интеллекта. После непродолжительной работы нейробиологом в академических кругах Хассабис основал DeepMind (позже купленный Google), компьютерную компанию, вдохновленную принципом работы мозга, с простой, но благородной целью - создать «мета-решение любой проблемы». Чтобы приступить к решению этой задачи, DeepMind изучила способы обучения людей, чтобы создать алгоритмы, которые могут играть в игры - AlphaGo на сегодняшний день является их самым известным конкурентом.

Алгоритмы, имитирующие мозг

При написании компьютерного алгоритма для выполнения конкретной задачи у вас есть два варианта: вы можете написать программу, которая точно определяет, как выполнить эту задачу, или вы можете написать программу, которая узнает, как выполнить задачу. . Например, если ваша задача - запрограммировать робота на ходьбу, вы можете либо подробно описать механику ходьбы (поставить одну ногу перед другой, влево, затем вправо), либо позволить роботу научиться ходить (например, , награждая действия, похожие на ходьбу, и наказывая за действия, не похожие на ходьбу). Этот второй метод широко известен как машинное обучение и обычно используется, когда определение решения слишком сложно выполнить вручную. Deep Blue полагался на первый метод вместе с вычислением грубой силы, обеспечиваемым огромной вычислительной мощностью; AlphaGo нужен был второй, и он получил от него прибыль.

Одно из моих первых воспоминаний об игре в шахматы - это проигрыш моих первых шести или около того партий вариациям Scholar’s ​​Mate сразу после того, как меня учили правилам. Каждый раз я продержался чуть дольше, пока, наконец, не нашел способ выжить достаточно долго, чтобы заявить, что проиграл чему-то другому. Этот метод обучения аналогичен тому, что известно в информатике как обучение с подкреплением, и является одной из основных баз AlphaGo. Алгоритмы оценки AlphaGo были частично изучены, играя против себя миллионы игр и отмечая результат. В отличие от Deep Blue, который просто вспоминал то, что ему сказал человек, AlphaGo научился оценивать хорошие и плохие позиции.

Другой ключевой аспект AlphaGo - использование искусственных нейронных сетей. Первые формы нейронных сетей были разработаны в 1950-х годах с целью имитации поведения нейронов в головном мозге. Но только в последние 10 лет или около того они приобрели настоящую популярность, демонстрируя эффективность в ряде приложений, значительно превосходящую уровень установленных алгоритмов. Основное изменение, связанное с этим, заключалось в способе представления информации и появлении особого усовершенствования нейронной сети, называемого Deep Learning. Традиционная теория машинного обучения полагала, что модели, представляющие данные, должны быть как можно более оптимальными или эффективными - принцип бритвы Оккама, согласно которому представление не должно быть более сложным, чем необходимо. Новая парадигма заключается в том, что модели должны быть максимально большими. Чем больше у вас параметров модели (то есть чем больше модель), тем более сложные отношения между вашими данными вы можете инкапсулировать. В случае AlphaGo нейронные сети могут фиксировать чрезвычайно сложные взаимосвязи между текущей игровой позицией и результатом игры, которые, вероятно, не будут полностью понятны человеку.

Спасение: человек + машина

Глубокое обучение ускорило рост технологий искусственного интеллекта во многих областях в последние годы. Помимо конкуренции с человечеством в интеллектуальных играх, он использовался в ряде более практических приложений, таких как диагностика заболеваний на основе медицинских сканирований и секвенирование белков, снова с результатами, превосходящими любой предыдущий вычислительный алгоритм. В то время как большинство людей сегодня оправданно не хотели бы, чтобы диагностика рака выполнялась исключительно с помощью компьютера, по мере развития технологий - и становится все более приемлемой - возможно, что будущие поколения не будут доверять диагнозу, который каким-либо образом не был подтвержден машиной. . Искусственный интеллект неизбежно все больше и больше внедряется в нашу жизнь, нравится нам это или нет, и любые попытки ограничить его рост будут тщетными - у людей есть врожденная потребность творить.

Лично я с оптимизмом смотрю в будущее. Конечно, технологические изменения необходимо согласовывать с изменениями в обществе, но новые технологии также открывают новые возможности. Машины не были приглашены в мир шахмат, но игроки нашли способы использовать их, не становясь ненужными. Мое личное представление об утопии - это мир, в котором машины взяли на себя всю работу, необходимую для поддержания человечества, высвобождая время и энергию для людей, чтобы они могли сосредоточиться на более интересных вещах в жизни: спорте, искусстве и, конечно же, шахматах - в конце концов, во вселенной больше игр, чем атомов!