¿Por qué gastar tanto tiempo y dinero para construir IA para jugar?

10

Estaba leyendo sobre John McCarthy y su visión ortodoxa de la inteligencia artificial. Para mí, parece que no estaba muy a favor de los recursos (como el tiempo y el dinero) que se utilizan para hacer que los IA jueguen juegos como el Ajedrez. En cambio, quería concentrarse más en pasar la Prueba de Turing y las IA que imitan el comportamiento humano.

También he leído muchos artículos sobre compañías importantes como IBM, Google, etc., que gastan millones de dólares en hacer IA para jugar juegos como Chess, Go, etc.

¿Hasta qué punto está justificado esto?

Suraj Shah
fuente
2
Mi respuesta breve es que juegos como el Ajedrez y el Go tienen una complejidad similar a la naturaleza (con lo que me refiero al universo) y son útiles para estudiar, particularmente en sus estados no resueltos, b / c, como mirar hacia el universo, nunca se sabe qué vas a encontrar Los modelos combinatorios simples, de los cuales los juegos son los más útiles para la IA, pueden ser infinitamente expansivos. Las matemáticas puras a menudo tardan un tiempo en encontrar aplicaciones, pero tienen un muy buen historial a este respecto. Incluso donde se resuelven tales juegos, las soluciones aún se pueden refinar.
DukeZhou
2
Para ilustrar mi punto, vea Un enfoque topológico para resolver Tic-Tac-Toe . Esto también puede ser de interés: Resolver Tic-Tac-Toe, Parte II: Una mejor manera . Estos son solo algunos ejemplos básicos de lo que la gente hace y piensa y cómo los juegos, en este caso los juegos combinatorios, se relacionan con la IA y la resolución de problemas.
DukeZhou

Respuestas:

9

Alexander Kronrod dijo una vez: "El ajedrez es la Drosophila de la inteligencia artificial". John McCarthy no está de acuerdo con esta declaración. Creo que es principalmente porque él tiene una visión diferente.
Las técnicas y métodos innovadores desarrollados para jugar estos juegos se han encontrado útiles en el amplio espectro de la informática (y no solo en la inteligencia artificial).

The Book Artificial Intelligence: A Modern Approach utilizó el Grand Prix motor racing como analogía para explicar el problema anterior. Juegos como Chess, Go, Othello son para la IA como el Gran Premio de automovilismo para la industria del automóvil. Los motores potentes y altamente optimizados que incorporan los últimos avances de ingeniería no son buenos para conducir en carreteras normales, para ir de compras, etc. Sin embargo, crea emoción y un flujo constante de innovaciones que han sido adoptadas por la comunidad en general.

Los programas de IA escritos para jugar juegos como Chess, Othello, Go han introducido conceptos como heurística de movimiento nulo, poda inútil, teoría de juegos combinatorios, refinamiento y compresión, metareasoning y mucho más . Su salida son algoritmos altamente avanzados de aprendizaje automático y aprendizaje profundo .

Puedes verlo similar a las misiones espaciales de la NASA, ISRO, JAXA y otras agencias espaciales. Todas estas misiones no parecen tener un beneficio directo para los ciudadanos, pero tienen muchos beneficios indirectos. Allanan el camino para las innovaciones tecnológicas (GPS, impresión 3D, tecnología de accidentes automovilísticos, energía limpia, LED), la creación de empleos, etc. Las tormentas anticipadas, la detección de huracanes es el resultado de la exploración espacial que ha salvado millones de vidas en todo el mundo.

AI Games no solo ha ayudado a desarrollar el software sino también el hardware. Se ha visto que muchas innovaciones producen hardware altamente optimizado y potente.

Ugnes
fuente
55
Además, juegos como el ajedrez están altamente estandarizados, por lo que es más fácil comparar diferentes soluciones y enfoques. Sin embargo, la prueba de Turing no tiene una base formal para la comparación que sea consistente en múltiples ejecuciones (AFAIK), por lo que comparar diferentes enfoques se vuelve mucho más difícil (y posiblemente depende de la metodología de medición).
hoffmale
1
"" El ajedrez es la Drosophila de la inteligencia artificial "" ¿qué trató de expresar con eso?
dhein
@dhein Drosophila es una mosca de la fruta y es utilizada por los genetistas para hacer descubrimientos que se aplican a la biología de manera más amplia. Más aquí
Ugnes
Incluso leí esa página wiki antes de que mi comentario aún no recibiera la conexión.
dhein
3
@dhein Es justo lo que dice la respuesta. En genética, esta especie se entiende muy bien, la mayoría de sus mutaciones se ven y entienden muy bien. Son ideales para estudiar genética. ¿Por qué? No lo sé. Es posible que deba consultar a un experto. Lo mismo es el ajedrez para la IA. Los conceptos aplicados al jugar al ajedrez incluyen el pensamiento racional, mirar hacia el futuro y otras técnicas. Cuando hacemos que un programa juegue ajedrez, tratamos de incorporar estas cosas en él. Esto ayuda a la filosofía de la IA en general. Espero que ayude.
Ugnes
3

¿Por qué el juego de I + D es un foco de asignación de recursos?

Al examinar la aparente obsesión con el juego cuando los investigadores intentan simular partes de las habilidades de resolución de problemas humanos, la ortodoxia de las opiniones de John McCarthy (1927 - 2011) puede ser engañosa.

El sesgo editorial de la publicación y los temas populares de ciencia ficción pueden ocultar las fuerzas primarias que conducen a la aparición de la obsesión con el desarrollo de un software de juegos de mesa ganador. Al examinar la asignación de fondos y recursos humanos dentro de los muchos campos de la investigación y el desarrollo de inteligencia, es necesario contar con algunos antecedentes históricos para evitar las distorsiones típicas de las respuestas a las preguntas en esta red social.

Antecedentes históricos

La capacidad de ubicarnos fuera de nuestro propio tiempo y en la mentalidad de otros períodos es útil al analizar la historia, incluida la historia científica y tecnológica.

Considere que la visión de McCarthy no era ortodoxa en su tiempo. Rápidamente se convirtió en ortodoxo debido a una serie de tendencias emergentes en el pensamiento sobre la automatización entre científicos y matemáticos en tiempos inmediatamente posteriores a la industrialización occidental. Este pensamiento fue la extensión natural de la mecanización de las industrias de impresión, textil, agricultura y transporte y de la guerra.

A mediados del siglo XX, algunas de estas tendencias se combinaron para conceptualizar la computadora digital. Otros se convirtieron en ortodoxia dentro de la comunidad de personas que investigan aspectos de inteligencia a través de sistemas digitales. El contexto técnico incluyó trabajo teórico y trabajo electromecánico, algunos de los cuales desde entonces han alcanzado cierto grado de fama pública. Pero en general era secreto o demasiado abstracto (y, por lo tanto, oscuro) para considerarse elementos de interés de seguridad nacional en ese momento.

  • Teoría de la cibernética, desarrollada en gran parte por Norbert Wiener (1894 - 1964)
  • El trabajo realizado en la automatización de la aritmética (extendiendo la teoría de George Boole y la calculadora de Blaise Pascal, con fondos primarios provenientes del ejército de los EE. UU. En un interés en guiar el armamento antiaéreo mediante el cálculo de trayectorias probables del enemigo de la aeronave y la determinación de coordenadas esféricas para crear un probable interesante trayectoria balística
  • A menudo descartó el trabajo de Alonso Church (1903 - 1995) sobre el cálculo lambda que condujo a la idea de la programación funcional, un aspecto clave para el surgimiento de LISP en Cambridge, que McCarthy aprovechó para la experimentación temprana de IA
  • El nacimiento de la teoría de la información, principalmente a través del trabajo de Claude Shannon (1916 - 2001), financiado a través de los Laboratorios Bell en el interés de automatizar el cambio de comunicaciones.
  • Los primeros trabajos de criptoanálisis del estudiante de doctorado de la Iglesia, Alan Turing, financiados en su totalidad por las Fuerzas Aliadas con el objetivo de I + D de derrotar el dispositivo de criptografía Enigma para que las fuerzas nazis pudieran ser detenidas antes de la aniquilación completa de Londres y otros objetivos aliados.
  • El trabajo sobre John von Neumann (1903-1957) para centralizar la implementación de la lógica booleana arbitraria junto con la aritmética de enteros en una sola unidad (actualmente llamada CPU) y almacenar el programa que controlaba la implementación en flip-flops electrónicos junto con los datos para ser procesados ​​y los resultados (la misma arquitectura general implementada por casi todos los dispositivos informáticos contemporáneos en la actualidad)

Todos estos eran conceptos que rodeaban la visión de autómatas, la simulación de aspectos funcionales de la neurología de mamíferos. (Un mono o elefante puede planear y ejecutar con éxito el mareo de una mosca, pero una mosca es incapaz de planificar y ejecutar un ataque contra un mono o elefante).

La experimentación en inteligencia y su simulación a través de la manipulación simbólica utilizando un nuevo lenguaje de programación, LISP, fue un enfoque principal de John McCarthy y su papel en la creación del Laboratorio de IA del MIT. Pero cualquier ortodoxia que haya existido con reglas (sistemas de producción), redes neuronales y algoritmos genéticos se ha diversificado en gran medida en una nube de ideas que hacen que el término ortodoxia sea algo nebuloso. Siguen algunos ejemplos.

  • Richard Stallman renunció al MIT AI Lab y comenzó un cambio filosófico lejos de muchas de las filosofías económicas que dominaron ese período de tiempo. El resultado fue el software GNU y LINUX, seguido de hardware abierto y bienes comunes creativos, conceptos en gran medida opuestos a la orientación filosófica de aquellos que financiaron los focos de IA.
  • Muchos sistemas patentados (y, por lo tanto, confidenciales de la compañía) usan métodos bayesianos o componentes adaptativos que se derivan más del trabajo de Norbert Wiener que cualquier cosa que se considerara una investigación de IA convencional en la década de 1970.

El nacimiento de la teoría de juegos

El evento clave que responde la pregunta más directamente en este desfile de eventos históricos es otro trabajo de von Neumann. Su libro Game Theory, en coautoría con Oskar Morgenstern, es quizás el factor más fuerte entre las condiciones históricas que llevaron a la persistencia de Go and Chess como escenarios de prueba para el software de resolución de problemas.

Aunque hubo muchos trabajos anteriores sobre cómo ganar en Chess or Go, nunca antes hubo un tratamiento matemático y una presentación tan convincente como eso en Game Theory.

Los miembros privilegiados de la comunidad científica eran conscientes del éxito de von Neumann al elevar la temperatura y la presión del material fisionable a masa crítica y su trabajo para derivar la termodinámica clásica de la teoría cuántica. La base de las matemáticas que presentó en Game Theory fue rápidamente aceptada (por algunas de las mismas personas que financiaron la investigación en el MIT) como una herramienta predictiva potencial para la economía. Predecir la economía fue el primer paso para controlarlo.

La teoría se encuentra con la filosofía geopolítica

La filosofía dominante que impulsó la política occidental durante ese período fue el Destino Manifiesto, esencialmente la visión fatalista de un Nuevo Orden Mundial, cuyo jefe estaría en los asientos del poder estadounidense. Los documentos desclasificados indican que es muy probable que los líderes de esa época consideraran que la dominación económica lograda mediante la aplicación de la teoría de juegos era considerablemente menos arriesgada y costosa que la conquista militar, seguida por el mantenimiento de bases de operaciones (guarniciones de alta tecnología) cerca de cada área poblada en el extranjero .

Los desafíos altamente publicitados para desarrollar los autómatas Chess and Go son simplemente dragnets que las corporaciones y los gobiernos usan como primer corte en la adquisición de activos de personal. Los resultados del juego son como hojas de vida. Un programa de juego ganador es una evidencia de la existencia de habilidades de programación que probablemente también tendrían éxito en el desarrollo de juegos más importantes que muevan miles de millones de dólares o ganen guerras.

Aquellos que pueden escribir código ganador de Ajedrez o Go se consideran activos de alto valor. La investigación de juegos de financiación de fondos se ha visto como una forma de identificar esos activos. Incluso en ausencia de un retorno inmediato de la inversión, la identificación de estos activos, debido a que se pueden guardar en grupos de expertos para planear el dominio del mundo, se ha convertido en una consideración primordial cuando se asignan fondos de investigación.

Caminos lentos y rápidos hacia el retorno de la inversión

En contraste con este pensamiento geopolítico, buscar prestigio institucional en la parte posterior de algún programador o equipo astuto es otro factor. En este escenario, se buscó cualquier progreso en la simulación de inteligencia que tenga el potencial de mejoras geométricas en alguna aplicación industrial o militar importante.

Por ejemplo, programas como Maxima (un precursor de aplicaciones de resolución de problemas matemáticos como Mathematica) fueron financiados con la esperanza de desarrollar las matemáticas utilizando la computación simbólica.

Este camino hacia el éxito se basaba conceptualmente en el determinismo como una filosofía natural general. De hecho, fue el epítome del determinismo. Se propuso que, si una computadora no solo pudiera hacer aritmética, sino también desarrollar teoremas matemáticos de complejidad sobrehumana, los modelos de los esfuerzos humanos podrían reducirse a ecuaciones y resolverse. La previsibilidad para una amplia variedad de fenómenos económicos, militares y políticos importantes podría utilizarse en la toma de decisiones, lo que permite una ganancia significativa.

Para sorpresa de muchos, el éxito de Maxima y otros programas de matemáticas fue muy limitado en su impacto positivo en la capacidad de predecir de manera confiable los eventos económicos y geopolíticos. La aparición de la teoría del caos explica por qué.

Vencer a un maestro humano con un programa resultó estar al alcance de la I + D del siglo XX. El uso de software para experimentar varios enfoques informáticos para ganar un juego era posible y, por lo tanto, más atractivo para las instituciones como una forma de ganar prestigio, al igual que un equipo ganador de baloncesto.

No olvidemos el descubrimiento

A veces las apariencias están en oposición directa a la actualidad. No se han olvidado las diversas aplicaciones de máquinas de pensamiento mencionadas anteriormente, y el gasto en tiempo y dinero requerido para simular aspectos de las habilidades de los mamíferos no perderá fondos para el desarrollo del autómata de juegos de mesa.

La tecnología se ocupa en gran medida de resolver problemas de comunicaciones, militares, geopolíticos, económicos y financieros que superan con creces la complejidad de juegos como Chess and Go. La teoría del juego incluye elementos de movimientos aleatorios realizados por no jugadores desde su inicio. Por lo tanto, la obsesión con Chess and Go es simplemente una firma del enfoque real de financiación y actividad en los muchos campos de la inteligencia simulada.

El software que puede jugar un juego medio de ajedrez o go no se implementa en las computadoras de modelado global de la NSA ni en la maquinaria de indexación de Google. Los grandes dólares se gastan para desarrollar lo que se despliega en tales lugares.

Nunca verá detalles o incluso una descripción general de esa I + D descrita en línea, excepto en el caso de personas que, por alguna razón personalmente convincente, violan los acuerdos confidenciales de su empresa o cometen traición.

Douglas Daseeco
fuente
1
Muy buena explicación al vincular los antecedentes históricos. Tienes razón sobre cómo han cambiado las cosas en la investigación de IA con el tiempo. Muy buen punto para ubicarte en el tiempo para comprender la perspectiva.
Ugnes
2

La declaración me parece preocupante ya que la primera inteligencia algorítmica confirmada puede haber sido un autómata NIM , por lo que desde mi punto de vista, el desarrollo de la inteligencia algorítmica es inseparable de los juegos combinatorios. También parece que McCarthy no tiene la opinión de que los juegos son útiles, lo que me lleva a sospechar que nunca ha estudiado seriamente la historia de los juegos.

La teoría combinatoria de juegos , un campo aplicado en matemáticas y computación, se formalizó en las décadas posteriores al Teorema de Sprague-Grundy, que era un análisis matemático del juego de NIM. Más recientemente, el juego de plegamiento de proteínas Foldit produjo resultados reales en un campo aplicado.

  • La respuesta que generalmente doy es que juegos como el Ajedrez y el Go proporcionan una complejidad similar a la naturaleza usando parámetros extremadamente simples. (En esencia, los juegos y rompecabezas combinatorios, como el Sudoku, son motores de complejidad).

Pero los juegos, a diferencia de los rompecabezas, que son emprendimientos en solitario, requieren un tipo de toma de decisiones estratégicas que es bastante útil. (La respuesta de @Ugnes enumera muchos de ellos).

  • Los juegos combinatorios, en particular, proporcionan un punto de referencia útil para la capacidad de los algoritmos para gestionar problemas intratables.

También hay un PR factor de . La traducción del lenguaje algorítmico se ha vuelto extremadamente buena en los últimos años, pero nunca se escucha a la prensa haciendo un gran problema al respecto. Compare con DeepBlue vs. Kasparov, o AlphaGo vs. Sedol. (Esta pila explotó con preguntas de ML después del resultado de AlphaGo). Esto es similar a los alunizajes de los EE. UU., Que fue una gran hazaña de ingeniería, si no estrictamente necesaria, que inspiró a generaciones de científicos en ciernes.


Posdata: Es notable que hasta hace poco, el término "fuerte" estaba reservado para la Inteligencia General Artificial, que todavía es muy teórica. Después de AlphaGo, empiezo a ver que los académicos usan el término "IA estrecha y fuerte".

El uso de fuerte en relación con la Inteligencia Artificial General es puramente filosófico. Por el contrario, la forma en que se usa el término en la teoría de juegos combinatorios (ver Juego resuelto ) es puramente práctica e implica pruebas matemáticas.

El ajedrez permanece sin resolver y, por lo tanto, sigue siendo útil para el estudio. [Ver GiraffeChess siguiente.]

Los campos de Teoría de juegos y Teoría de juegos combinatorios incluyen nombres como Von Neumann , Nash y Conway , y más recientemente Demain en el MIT. Y si quieres incluir acertijos combinatorios como Sudoku, podemos extender esto a Euler . Por estos motivos, además de los enumerados anteriormente, me resulta difícil ver el análisis de los juegos como una actividad trivial.


Jirafa Ches fue un resultado reciente de un matemático / programador individual, Matthew Lai, que utilizó un enfoque de red neuronal para crear un algoritmo de ajedrez que aprendió a jugar a nivel internacional en 72 horas.

Uno de los objetivos de Lai era crear un algoritmo que produjera más "juego humano". (Compárese con el juego "inhumano" de algoritmos como AlphaGo). La jirafa no es AGI, pero ciertamente podría considerarse como una pieza del rompecabezas.

Los juegos de computadora son posiblemente el tipo más profundo de interacciones compartidas por humanos y autómatas, y este tipo de interacción se remonta casi al inicio de la informática moderna.

DukeZhou
fuente
2
No era como si McCarthy pensara que los juegos son inútiles. Él creía que deberíamos centrarnos más en imitar el comportamiento humano de las máquinas, cosas como la prueba de Turing. Pensó que la prueba de Turing podría ser más importante que el ajedrez cuando se trata de IA. Esto puede ayudar.
Ugnes
@Ugnes Gracias por aclarar, pero mi punto sigue siendo válido. Aprobar el examen de Turing es una buena idea, pero es muy filosófica y completamente subjetiva. Tampoco tiene mucho sentido porque pasar una prueba de Turing no significa autoconciencia o voluntad. La teoría de juegos y la teoría de juegos combinatoria son prácticas, de procedimiento y matemáticas, y la restricción de la IA del juego a "estrecha" es probablemente una reflexión sobre la naturaleza limitada de los modelos de juego actuales. Metajuegos como [M] proporcionan un puente a los dos campos y pueden proporcionar un modelo compacto para AGI fundamental.
DukeZhou
1
@Ugnes Supongo que en parte lo que digo es que acercarse a AGI a un alto nivel probablemente sea solo "humo y espejos". Mi hipótesis es que el AGI debe abordarse a un nivel fundamental, con funciones volitivas (económicas) básicas que se vuelvan "autónomas". Una vez que tenga eso, puede construir sobre él conectando el procesamiento del lenguaje natural, etc. Soy escéptico sobre cualquier enfoque de AGI que no esté basado en Game Theory y sus extensiones, que se aplican a todas las decisiones, ya sea consciente o autónomo (como en el caso de los organismos simples.)
DukeZhou
1
Estoy totalmente de acuerdo contigo. Yo tampoco soy un gran admirador de Turing Test. Además, la teoría de juegos es otro tema muy importante. Yo también he sido estudiante de economía, así lo entiendo.
Ugnes
1
@Ugnes Si le parece interesante que el propio Turing llamara a su prueba el "Juego de imitación", que considero una descripción precisa y precisa. (Es posible que el cambio de marca como "Prueba de Turing" sea engañoso porque, en la comprensión popular, parece haber adquirido implicaciones más amplias como la autoconciencia ...)
DukeZhou
0

La prueba de Turing es demasiado subjetiva y una pérdida de tiempo en mi opinión. Estoy seguro de que millones de personas han respondido a correos electrónicos enviados por bots o conversado con chatbots en línea sin tener idea de que en realidad solo están respondiendo a un programa.

PandaSurge
fuente