Σύμφωνα με πρόσφατη ανακοίνωση του επικεφαλής τεχνολογίας στο Facebook Mike Schroepfer, η ομάδα Έρευνας Τεχνητής Νοημοσύνης της εταιρίας αναπτύσσει προηγμένα προγνωστικά μοντέλα, μεταξύ των οποίων και ένα λογισμικό ικανό να νικήσει τους ανθρώπους στο Go, το επιτραπέζιο παιχνίδι στρατηγικής που γεννήθηκε στην Κίνα πριν από 2.500 χρόνια. Η δημιουργία ενός τέτοιου προγράμματος αποτελεί αντικείμενο έρευνας της επιστήμης των υπολογιστών εδώ και δεκαετίες.
Οι εργασίες αυτής της ομάδας στο Facebook εντάσσονται στο ευρύτερο πεδίο ερευνών που έχει ξεκινήσει το κοινωνικό δίκτυο πάνω στη λεγόμενη μηχανική ή «Βαθιά Μάθηση» (Deep Learning), έναν τομέα της τεχνητής νοημοσύνης που υπόσχεται να διδάξει στα υπολογιστικά δίκτυα τεχνολογικών κολοσσών όπως η Microsoft, η Yahoo και η Google, πώς να μιμούνται τον ανθρώπινο εγκέφαλο. Έχοντας μόλις ανακοινώσει αριθμό ρεκόρ χρηστών, που φτάνει στα 1.5 δισεκατομμύρια σε όλον τον κόσμο, το Facebook πλέον διαθέτει τη δύναμη και τα οικονομικά μέσα για να ανταγωνιστεί τις παραπάνω εταιρίες στον χώρο της τεχνολογικής έρευνας.
Τί είναι το Go;
To Go (προφέρεται «Γκο») είναι ένα επιτραπέζιο παιχνίδι για δύο παίκτες που, σύμφωνα με το σχετικό ελληνικό εγχειρίδιο «Εισαγωγή στο Go», θεωρείται ένα από τα αρχαιότερα παιχνίδια στον κόσμο. Είναι καθαρό παιχνίδι ικανοτήτων, και ενώ οι κανόνες του είναι απλοί, η στρατηγική του είναι περίπλοκη. Μάλιστα, συχνά αποκαλείται η «ανατολική έκδοση του σκακιού». Το Γκο παίζεται πάνω σε ένα ταμπλό αποτελούμενο από 19 τετράγωνα στον κάθετο και τον οριζόντιο άξονα. Οι 2 παίκτες τοποθετούν εναλλάξ κομμάτια στα σημεία όπου τέμνονται οι γραμμές. Το παιχνίδι τελειώνει όταν οι παίκτες συμφωνούν ότι δεν υπάρχει καμία νέα κίνηση που να έχει νόημα. Η τελική βαθμολογία αποτελείται από την περιοχή που ελέγχει ο κάθε παίκτης και τον αριθμό των κομματιών του αντιπάλου που κατάφερε να περικυκλώσει.
Λόγω της δομής του, το Γκο έχει συνολικά περισσότερες μεταθέσεις (μαθηματικά) από ό,τι το σκάκι. Αυτός είναι ένας από τους λόγους που ο σχεδιασμός ενός λογισμικού συστήματος ικανού να μιμηθεί τον τρόπο με τον οποίο παίζουν οι άνθρωποι είναι δύσκολος. Όπως είπε ο Schroepfer στους δημοσιογράφους, «πιστεύουμε ότι οι καλύτεροι παίκτες έχουν την ικανότητα να διακρίνουν οπτικά μοτίβα στο παιχνίδι παρατηρώντας το ταμπλό και έτσι μπορούν διαισθητικά να καταλάβουν ποιές είναι οι καλές και ποιές οι κακές κινήσεις». Για να μιμηθούν το τρόπο που «βλέπει» το Γκο ο ανθρώπινος εγκέφαλος, η ερευνητική ομάδα χρησιμοποίησε προγράμματα Τεχνητής Νοημοσύνης που εφαρμόζονται σε παιχνίδια, σε συνδυασμό με ένα οπτικό σύστημα που αναγνωρίζει τα μοτίβα στο ταμπλό.
Έτσι το νέο λογισμικό μπορεί να «μάθει» να παίζει όπως οι άνθρωποι.
Αν και το πρόγραμμα που δημιούργησε το Facebook βρίσκεται ακόμη στα πρώτα του βήματα, είναι στο ίδιο επίπεδο με άλλες προσπάθειες που έχουν γίνει με την χρήση τεχνητής νοημοσύνης, ενώ έχει την ίδια επιτυχία στο Γκο όσο και ένας πολύ καλός παίκτης. Μαθαίνοντας όλο και περισσότερα για τον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος και δημιουργώντας προγράμματα ικανά να τον μιμούνται, το Facebook επιδιώκει να χρησιμοποιήσει τις τεχνικές «βαθιάς μάθησης» για να βελτιώσει τους αλγόριθμους του δικτύου του, αλλά και να δημιουργήσει νέα, καινοτόμα προϊόντα.
Παιχνίδια και Τεχνητή Νοημοσύνη
Περίπλοκα παιχνίδια στρατηγικής όπως το Γκο χρησιμοποιούνται από τους επιστήμονες εδώ και χρόνια για να δοκιμάσουν τις δυνατότητες της τεχνητής νοημοσύνης. Στα μέσα της δεκαετίας του ’90 ένα λογισμικό με την ονομασία Chinook νίκησε τον καλύτερο παίχτη στη ντάμα, ενώ τρία χρόνια αργότερα, ο υπερ-υπολογιστής της IBM με τη ονομασία Deep Blue νίκησε τον παγκόσμιο πρωταθλητή στο σκάκι, Garry Kasparov. Έκτοτε ο τομέας της τεχνητής νοημοσύνης έχει σημειώσει θεαματική πρόοδο, κυρίως όσον αφορά τη δυνατότητα των μηχανών να μαθαίνουν μόνες τους, με τη χρήση της τεχνολογίας νευρωνικών δικτύων («neural network») που μιμείται τον τρόπο λειτουργίας του ανθρώπινου εγκεφάλου.
Τον περασμένο Σεπτέμβρη, ο ερευνητής Matthew Lai στο Imperial College του Λονδίνου ανακοίνωσε ότι έχει δημιουργήσει μια μηχανή τεχνητής νοημοσύνης με τον ονομασία Giraffe που έμαθε στον εαυτό της πώς να παίζει σκάκι στο ίδιο επίπεδο με τους καλύτερους παίχτες στον κόσμο, μέσα σε διάστημα μόλις 72 ωρών. Η μηχανή αυτή είναι ουσιαστικά ένα νευρωνικό δίκτυο που μιμείται τον ανθρώπινο εγκέφαλο, και μαθαίνει πώς να παίζει εντοπίζοντας, και σε αυτή την περίπτωση, συγκεκριμένα μοτίβα στην σκακιέρα. Είναι η πρώτη φορά που η αναγνώριση μοτίβων χρησιμοποιείται ως μέθοδος για τη νίκη μηχανής στο σκάκι. Μέχρι τώρα, η τεχνητή νοημοσύνη αξιοποιούσε τις τεράστιες υπολογιστικές δυνατότητες που διαθέτει για να αξιολογήσει κάθε πιθανή κίνηση στην σκακιέρα και να επιλέξει την πιο επωφελή.
Υπάρχουν όμως και παιχνίδια στρατηγικής όπου η εφαρμογή της τεχνητής νοημοσύνης είναι δύσκολη λόγω της ειδικής πολυπλοκότητας που παρουσιάζουν. Χαρακτηριστικό παράδειγμα είναι τα παιχνίδια πόκερ, και κυρίως η δημοφιλής παραλλαγή No-Limit Texas Hold’em πόκερ. Σε αντίθεση με παιχνίδια 2 παιχτών, όπως είναι το σκάκι, στο No-Limit Texas Hold’em υπάρχουν μέχρι και 9 αντίπαλοι με πολλές επιλογές πονταρίσματος στη διάθεσή τους. Κάθε παίχτης ξεκινά με 2 κάρτες τις οποίες μπορεί να χρησιμοποιήσει σε οποιονδήποτε συνδυασμό με τις 5 κάρτες που είναι κοινές για όλους.
Επομένως, βασική διαφορά του παιχνιδιού αυτού σε σχέση με άλλα, όπως το Γκο, είναι ότι εδώ οι παίκτες έχουν ελλιπή πληροφόρηση σχετικά με τη θέση των αντιπάλων τους, αφού δεν μπορούν να γνωρίζουν όλα τα χαρτιά που εκείνοι κρατούν στα χέρια τους. Αντίθετα, τόσο στο σκάκι όσο και στο Γκο, όλα τα πιόνα του αντιπάλου είναι πάντα ορατά. Ιδιαίτερα σημαντικό ρόλο στο πόκερ παίζει άλλωστε η ψυχολογία των παιχτών, καθώς και ο τρόπος που αυτοί χρησιμοποιούν τη μπλόφα ως τακτική παραπλάνησης των αντιπάλων. Έτσι, μια παρτίδα πόκερ προσφέρεται για εφαρμογή πολύπλοκων μεθόδων στρατηγικής ανάλυσης και οικονομικών εννοιών όπως η Θεωρία των Παιγνίων, που βασίζονται στη ύπαρξη στρατηγικών αλληλεξάρτησης μέσα σε ομάδες ατόμων. Αυτά τα χαρακτηριστικά κάνουν ιδιαίτερα δύσκολη την εφαρμογή της τεχνητής νοημοσύνης στο παιχνίδι.
Το Μέλλον
Τον Ιανουάριο του 2014 η Google ανακοίνωσε την εξαγορά της εταιρίας τεχνητής νοημοσύνης Deep Mind για ποσό που ξεπερνά τα 300 εκατομμύρια δολλάρια. Η εξαγορά αυτή στοχεύει να βοηθήσει τον τεχνολογικό κολοσσό να αποκτήσει στρατηγικό πλεονέκτημα στην ανταγωνιστική αρένα της «Βαθιάς Μάθησης». Η εταιρία έχει ήδη δημιουργήσει μια μηχανή που αξιοποιεί την εμπερία για να διδαχθεί πώς να παίξει βιντεοπαιχνίδια όπως το Atari 2600.
Αντίστοιχα, η νέα εταιρία Elemental Path στοχεύει να ενσωματώσει τον υπερ-υπολογιστή της IBM Watson, σε νέα «έξυπνα παιχνίδια», ικανά να επεξεργάζονται ανθρώπινες ερωτήσεις και να δίνουν δομημένες απαντήσεις χρησιμοποιώντας «φυσική γλώσσα». Στόχος της εταιρίας είναι να κατασκευάσει παιχνίδια που μπορούν να «μεγαλώνουν» και να αναπτύσσονται μαζί με τα παιδιά που τα χρησιμοποιούν.
Φυσικά, σκοπός της τεχνητής νοημοσύνης δεν είναι να μάθουν οι υπολογιστές να παίζουν παιχνίδια. Αυτά αποτελούν μόνο ένα χρήσιμο πεδίο δοκιμών για τις νέες τεχνολογίες προτού αυτές εφαρμοστούν σε πιο κρίσιμους τομείς, όπως είναι η υγεία και η εκπαίδευση. Το λογισμικό του Facebook για το Γκο είναι απλά ένα πρώτο βήμα που δείχνει την κατεύθυνση στην οποία οδηγείται η τεχνητή νοημοσύνη. Καθώς μια μηχανή μαθαίνει πώς να παίζει Γκο με τον ίδιο τρόπο που παίζουν οι άνθρωποι, μαθαίνει παράλληλα πώς λειτουργεί ο κόσμος και, ίσως, πώς να τον κάνει καλύτερο.
