Índice:
Vídeo: Natiruts - Deixa o Menino Jogar (Natiruts Acústico Ao Vivo no Rio de Janeiro) (Outubro 2024)
O OpenAI, o laboratório de pesquisa em inteligência artificial fundado por Sam Altman e Elon Musk, declarou recentemente que enviaria uma equipe para Vancouver em agosto para participar de um torneio profissional do famoso jogo de batalha on-line Dota 2. Mas, ao contrário de outras equipes, competindo pelo prêmio de vários milhões de dólares,
At
Por mais absurdo que possa parecer para alguns, os jogos provaram ser uma parte importante da pesquisa em IA. Do xadrez ao Dota 2, todos os jogos que a IA conquistou nos ajudaram a abrir novos caminhos na ciência da computação e em outros campos.
Jogos ajudam a rastrear o progresso da IA
Desde o início da idéia de inteligência artificial na década de 1950, os jogos têm sido uma maneira eficiente de medir a capacidade da IA. Eles são especialmente convenientes para testar a capacidade da nova IA
O primeiro jogo que os pesquisadores tentaram dominar através da IA foi o xadrez, que nos primeiros dias era considerado o teste final dos avanços no campo. Em 1996, o Deep Blue da IBM foi o primeiro computador a derrotar um campeão mundial (Garry Kasparov) no xadrez. A IA por trás do Deep Blue usou um método de força bruta que analisou milhões de sequências antes de fazer uma jogada.
Embora o método permitisse ao Deep Blue dominar o xadrez, ele não era nem de longe eficaz o suficiente para enfrentar jogos de tabuleiro mais complicados. Pelos padrões de hoje, é considerado bruto. Quando Deep Blue derrotou Kasparov, um cientista observou que levaria mais cem anos para a IA conquistar o antigo jogo chinês de Go, que tem mais movimentos possíveis do que o número de átomos no universo.
Mas em 2016, os pesquisadores da empresa de inteligência artificial DeepMind, do Google, criaram o AlphaGo, um jogo de inteligência artificial que venceu Lee Sedol, o campeão do mundo, 4 a 1 em uma competição de cinco jogos. O AlphaGo substituiu o método de força bruta do Deep Blue pelo aprendizado profundo, uma técnica de IA que funciona de maneira muito mais semelhante à maneira como o cérebro humano funciona. Em vez de examinar todas as combinações possíveis, o AlphaGo examinou a maneira como os humanos jogavam o Go, depois tentou descobrir e replicar padrões de jogo bem-sucedidos.
Mais tarde, os pesquisadores do DeepMind criaram o AlphaGo Zero, uma versão aprimorada do AlphaGo que utilizava o aprendizado por reforço, um método que exigia zero contribuição humana. O AlphaGo Zero aprendeu as regras básicas do Go e aprendeu o jogo jogando contra si mesmo inúmeras vezes. E o AlphaGo Zero superou seu antecessor 100 a zero.
Jogos de tabuleiro têm limitações, no entanto. Primeiro, eles são baseados em turnos, o que significa que a IA não está sob pressão para tomar decisões em um ambiente que muda constantemente. Segundo, a IA tem acesso a todas as informações do ambiente (neste caso, o conselho) e não precisa fazer suposições ou assumir riscos com base em fatores desconhecidos.
Considerando isso, uma IA chamada Libratus fez o próximo avanço na pesquisa de inteligência artificial ao derrotar os melhores jogadores do poker no Texas Hold 'Em. Desenvolvido por pesquisadores da Carnegie Mellon, o Libratus mostrou que a IA pode competir com humanos em situações em que tem acesso a informações parciais. Libratus usou várias técnicas de IA para aprender pôquer e melhorar sua jogabilidade ao examinar as táticas de seus oponentes humanos.
Os videogames em tempo real são a próxima fronteira para a IA, e a OpenAI não é a única organização envolvida no campo. O Facebook testou o ensino da IA para jogar o jogo de estratégia em tempo real StarCraft, e a DeepMind desenvolveu uma IA que pode jogar o jogo de tiro em primeira pessoa Quake III. Cada jogo apresenta seu próprio conjunto de desafios, mas o denominador comum é que todos apresentam à IA ambientes em que precisam tomar decisões em tempo real e com informações incompletas. Além disso, eles dão à IA uma arena onde podem testar suas forças contra um time de oponentes e aprender o trabalho em equipe.
Por enquanto, ninguém havia desenvolvido IA capaz de vencer jogadores profissionais. Mas o próprio fato de a IA competir com humanos em jogos tão complexos mostra até onde chegamos em campo.
Jogos ajudam a desenvolver a IA em outros campos
Embora os cientistas usem os jogos como bancos de ensaio para o desenvolvimento de novas técnicas de IA, suas realizações não se limitaram aos jogos. De fato, as IAs de jogo abriram o caminho para inovações em outros campos.
Em 2011, a IBM introduziu um supercomputador que era capaz de processamento e geração de linguagem natural (NLG / NLP) e recebeu o nome do ex-CEO da empresa, Thomas J Watson. O computador jogou o famoso jogo de perguntas e respostas Jeopardy contra dois dos melhores jogadores do mundo e venceu. Watson mais tarde se tornou a base de uma enorme linha de serviços de IA da IBM em diferentes domínios, incluindo assistência médica, segurança cibernética e previsão do tempo.
A DeepMind está empregando sua experiência no desenvolvimento do AlphaGo para usar a IA em outros campos em que o aprendizado por reforço pode ajudar. A empresa lançou um projeto com a National Grid UK para usar o
- A inteligência artificial tem um problema de viés e é nossa falha A inteligência artificial tem um problema de viés e é nossa falha
- Inteligência Artificial da IBM adota Champs de debate humano Inteligência artificial da IBM adota Champs de debate humano
- Por que a IA deve divulgar que é AI Por que a IA deve divulgar que é AI
Estou ansioso para ver como o OpenAI Five se sairá na competição de Dota 2 de agosto. Embora eu não esteja particularmente interessado em saber se as redes neurais e seus desenvolvedores levam para casa o prêmio de US $ 15 milhões, estou ansioso para ver quais novas janelas suas realizações abrirão.
