Computer verslaat mens in spel ‘Go’

This post is also available in Engels.

Onlangs overleed Marvin Minsky, één van de grondleggers van de kunstmatige intelligentie. Helaas kon hij niet meer meemaken hoe het veld een mijlpaal bereikte: een computerprogramma is er in geslaagd de mens te verslaan in het complexe Chinese bordspel ‘Go’. Wat eens de heilige graal was, is nu bereikt.

De ontwikkelingen in de kunstmatige intelligentie gaan in sneltreinvaart. Dit is mede te danken aan ’DeepMind’, de tak van Google die zich bezighoudt met Kunstmatige Intelligentie (KI). Vorig jaar werd een algoritme ontwikkeld dat op menselijk niveau Arcade spellen kon leren spelen. Nu is hun programma ‘AlphaGo’ in staat gebleken de mens te verslaan in ‘Go’, een eeuwenoud complex strategisch bordspel. En niet zomaar iemand: Europees kampioen Fan Hui werd in vijf van de vijf potjes verslagen. Ook wist AlphaGo concurrerende algoritmes uit Silicon Valley, zoals die van Facebook, in nagenoeg alle pogingen te verslaan.


Filmpje over AlphaGo

Ingewikkelder dan schaken
Nadat een computer in 1997 schaakgrootmeester Gary Kasparov versloeg, was het Aziatische spel Go lange tijd de heilige graal voor KI-onderzoekers door de hoge mate van complexiteit. Het doel is simpel: het veroveren van territorium door het plaatsen en veroveren van zwarte en witte stenen op een bord van 19 bij 19 vlakken. De complexiteit zit in het feit dat er 150 zetten en eindeloos veel opstellingen mogelijk zijn, om precies te zijn 10170. Algoritmes die met brute rekenkracht alle mogelijk opties bestuderen falen dan ook.

Diepe neurale netwerken
Het werk van DeepMind maakt gebruik van zogenaamde ‘diepe neurale netwerken’ om patronen in een spel te herkennen. Zij bestaan uit verschillende lagen neuronen met verbindingen die versterkt worden door ervaring en beloning. Het programma AlphaGo werd blootgesteld aan 30 miljoen opstellingen van wedstrijden tussen Go-experts, en extraheerde daaruit informatie over de gebruikte bordopstellingen. Daarna speelde het programma duizenden potjes tegen zichzelf en werd beloond bij winst. Door de combinatie van patroonherkenningen en beloningen werd het programma Go-expert.

De aanpak van DeepMind is revolutionair omdat hun netwerken in staat zijn verschillende taken probleemloos te leren. Het algemene mechanisme van diepe neurale netwerken maakt dat ze toegepast kunnen worden in elk ander domein van KI waarbij het nodig is complexe patronen te herkennen, vooruit te plannen en beslissingen te nemen.

Limitaties           
Marvin Minsky stelde in 1969 in zijn beroemde boek ‘Perceptrons’ de problemen met neurale netwerken aan de kaak. Neurale netwerken zouden niet genoeg zijn om intelligentie op een menselijk niveau mogelijk te maken. Is zijn ongelijk nu bewezen? Voorlopig niet, want al zijn neurale netwerken in staat vele taken te leren, ze kunnen opgedane kennis niet makkelijk toepassen op een andere taak. Daarvoor moet het leerproces van voor af aan beginnen. Er is dus nog genoeg werk aan de winkel voordat de KI een echte uitdaging vormt voor de menselijke intelligentie.

Meer informatie
Blog van Google over AlphaGo
Bronartikel over AlphaGo
Necrologie Marvin Misky

Dit blog is geschreven door Ruud Berkers.

 

Tags:
One Comment

Add a Comment

Het e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *