Google का गो-प्रो 9 वां मैच और Google का AI मार्च में होगा

कोई भी कंप्यूटर एशियाई बोर्ड गेम में पेशेवर खिलाड़ी को हरा नहीं पाता है। बात खेल की विशेषताओं के बारे में है: बहुत सारे स्थान हैं, और मानव अंतर्ज्ञान को एल्गोरिथम रूप से वर्णन करना मुश्किल है। दुनिया ने 27 जनवरी तक इसी तरह के विचार रखे। कुछ दिनों पहले, Google ने अपने डीपमाइंड डिवीजन के शोध डेटा प्रकाशित किए । यह अल्फा गो सिस्टम के बारे में बात करता है, जो पिछले साल अक्टूबर में पेशेवर दूसरे खिलाड़ी डैन फैन को पांच में से 5 मैचों में हराने में सक्षम था।

फिर भी, पेशेवर खिलाड़ियों और परिचितों ने खेल की गुणवत्ता के बारे में सवाल किए। हुई तीन बार की चैंपियन है, लेकिन वह एक यूरोपीय चैंपियन है, जहां खेल का स्तर बहुत अधिक नहीं है। अल्फ़ाज़ो की शक्ति का प्रदर्शन करने के लिए न केवल खिलाड़ी की पसंद, बल्कि पार्टियों में कुछ कदम भी सवाल उठाते हैं।

एल्गोरिथ्म

गुओ को लंबे समय से प्रशिक्षित करने के लिए एक खेल माना जाता है जिसमें विशाल खोज स्थान और चाल की पसंद की जटिलता के कारण कृत्रिम बुद्धिमत्ता मुश्किल है। गो, सही जानकारी वाले खेलों के वर्ग से संबंधित है, अर्थात, खिलाड़ियों को उन सभी चालों की जानकारी होती है जो अन्य खिलाड़ियों ने पहले की हैं। खेल के परिणाम को खोजने की समस्या के समाधान में एक खोज ट्री में इष्टतम मान फ़ंक्शन की गणना करना शामिल है जिसमें लगभग b ^d संभव चालें हैं। यहाँ b प्रत्येक स्थिति में सही चाल की संख्या है, और d खेल की लंबाई है। शतरंज के लिए, ये मूल्य ≈ 35 और d and 80 हैं, और एक पूर्ण खोज संभव नहीं है। इसलिए, आंकड़ों की स्थिति का मूल्यांकन किया जाता है, और फिर मूल्यांकन को खोज में ध्यान में रखा जाता है। 1996 में, पहली बार, एक कंप्यूटर ने एक चैंपियन के खिलाफ शतरंज जीता, और 2005 के बाद से कोई भी चैंपियन कंप्यूटर को हरा नहीं पाया है।

गो बी go 250, डी। 150 के लिए। एक मानक बोर्ड पर पत्थरों के संभावित स्थान गोगोल (10 ¹⁰⁰ ) शतरंज की तुलना में कई गुना अधिक हैं। ब्रह्मांड में परमाणुओं की तुलना में संभावित पदों की संख्या अधिक है। स्थिति की शिकायत यह है कि खेल की जटिलता के कारण राज्यों के मूल्य की भविष्यवाणी करना मुश्किल है। दो खिलाड़ी एक निश्चित आकार के बोर्ड पर दो रंगों के पत्थर रखते हैं, मानक क्षेत्र 19 × 19 रेखाएं हैं। नियम विवरण में भिन्न हैं, लेकिन खेल का मुख्य लक्ष्य सरल है: आपको अपने प्रतिद्वंद्वी की तुलना में अपने रंग के पत्थरों के साथ बोर्ड पर एक बड़े क्षेत्र को बंद करने की आवश्यकता है।

मौजूदा कार्यक्रम शौकिया स्तर पर जा सकते हैं। वे मोंटे कार्लो वृक्ष में खोज का उपयोग करते हैं ताकि खोज वृक्ष में प्रत्येक राज्य के मूल्य का मूल्यांकन किया जा सके। कार्यक्रमों में ऐसी नीतियां भी शामिल हैं जो मजबूत खिलाड़ियों की चाल की भविष्यवाणी करती हैं।

हाल ही में, गहन दृढ़ तंत्रिका नेटवर्क चेहरे की पहचान और छवि वर्गीकरण में अच्छे परिणाम प्राप्त करने में सक्षम रहे हैं। Google में, AI ने अपने दम पर 49 पुराने अटारी खेल खेलना भी सीखा । AlphaGo में, समान तंत्रिका नेटवर्क बोर्ड पर पत्थरों की स्थिति की व्याख्या करते हैं, जो चालों का मूल्यांकन और चयन करने में मदद करता है। Google में, शोधकर्ताओं ने निम्नलिखित दृष्टिकोण लिया: उन्होंने मूल्य नेटवर्क और नीति नेटवर्क का उपयोग किया। फिर इन गहरे तंत्रिका नेटवर्क को लोगों की पार्टियों के एक सेट पर और उनकी प्रतियों के खिलाफ एक खेल में प्रशिक्षित किया जाता है। राजनीति और मूल्य के नेटवर्क के साथ मोंटे कार्लो पद्धति को मिलाकर एक खोज भी नई है। तंत्रिका नेटवर्क प्रशिक्षण योजना और वास्तुकला।

मशीन सीखने के कई चरणों में तंत्रिका नेटवर्क को प्रशिक्षित किया गया था। पहले, नीति नेटवर्क का नियंत्रित प्रशिक्षण सीधे मानव खिलाड़ियों की चाल का उपयोग करके किया जाता था। एक और नीति नेटवर्क को सीखने को प्रबलित किया गया है। दूसरे ने पहले के साथ खेला और इसे अनुकूलित किया ताकि नीति एक जीत में स्थानांतरित हो जाए, और न केवल चालों की भविष्यवाणी। अंत में, प्रशिक्षण आयोजित किया गया था, एक मूल्य नेटवर्क द्वारा प्रबलित किया गया था जो नीति नेटवर्क द्वारा खेले जाने वाले खेलों के विजेता की भविष्यवाणी करता है। अंतिम परिणाम अल्फा गो, मोंटे कार्लो विधि और राजनीति और मूल्य के नेटवर्क का एक संयोजन है। 57% मामलों में अगली चाल की सही भविष्यवाणी का परिणाम प्राप्त हुआ। AlphaGo से पहले, सबसे अच्छा परिणाम 44% था । KGS

सर्वर से 29.4 मिलियन पदों के साथ 160 हजार का खेल प्रशिक्षण के लिए इनपुट के रूप में उपयोग किया गया था। छठे से नौवें डान तक खिलाड़ियों के दल लिए गए। परीक्षणों के लिए एक लाख पदों का आवंटन किया गया था, और प्रशिक्षण स्वयं 28.4 मिलियन पदों के लिए आयोजित किया गया था। नेटवर्किंग नीतियों और मूल्यों की ताकत और सटीकता। एल्गोरिदम को काम करने के लिए, उन्हें पारंपरिक खोज की तुलना में अधिक से अधिक कंप्यूटिंग शक्ति के कई आदेशों की आवश्यकता होती है। AlphaGo एक अतुल्यकालिक बहु-थ्रेडेड प्रोग्राम है जो केंद्रीय प्रोसेसर के कोर पर सिमुलेशन प्रदर्शन करता है और वीडियो चिप्स पर नीतियों और मूल्यों के नेटवर्क चलाता है। अंतिम संस्करण 48 प्रोसेसर पर चलने वाले 40-थ्रेडेड अनुप्रयोग की तरह दिखता था (शायद इसका मतलब अलग कोर या हाइपर-थ्रेडिंग भी था) और 8 ग्राफिक्स त्वरक। AlphaGo का एक वितरित संस्करण भी बनाया गया था, जो कई मशीनों, 40 खोज धाराओं, 1202 कोर और 176 वीडियो त्वरक का उपयोग करता है।

पूर्ण दीपमाइंड रिपोर्ट दस्तावेज़ में पाई जा सकती है । AlphaGo में मोंटे कार्लो के लिए खोजें। अल्फा गो की क्षमताओं का आकलन करने के लिए, कार्यक्रम के अन्य संस्करणों के साथ-साथ अन्य समान उत्पादों के खिलाफ आंतरिक मैच आयोजित किए गए थे। सहित क्रेज़ी स्टोन और ज़ेन जैसे लोकप्रिय वाणिज्यिक कार्यक्रमों के साथ तुलना की गई थी, और सबसे मजबूत ओपन सोर्स प्रोजेक्ट्स पाची और फुएगो थे। ये सभी उच्च प्रदर्शन वाले मोंटे कार्लो एल्गोरिदम पर आधारित हैं। लेकिन यह भी गैर मोंटे कार्लो GnuGo के साथ तुलना में AlphaGo। कार्यक्रमों को प्रति सेकंड 5 सेकंड दिए गए। एक ही मशीन पर चलने वाले अल्फ़ागो और एल्गोरिथम के वितरित संस्करण दोनों की तुलना की गई थी।

डेवलपर्स के अनुसार, परिणामों से पता चला कि अल्फा गो पिछले किसी भी कार्यक्रमों की तुलना में अधिक मजबूत है। अल्फा 5 ने 495 खेलों में से 494 मैच जीते, जो अन्य समान उत्पादों के मुकाबले 99.8% मैच है। गो नियम एक बाधा , बाधा की अनुमति देता है : सफेद चाल से पहले मैदान पर 9 काले पत्थर स्थापित किए जा सकते हैं। लेकिन यहां तक कि 4 विकलांग पत्थरों के साथ, अल्फ़ागो सिंगल-मशीन ने क्रेज़ी स्टोन, ज़ेन और पाची के खिलाफ क्रमशः 77%, 86% और 99% समय जीता। अल्फ़ागो का वितरित संस्करण काफी मजबूत था: 77% खेलों में, इसने एकल-मशीन संस्करण को हराया और 100% खेलों में - अन्य सभी कार्यक्रम। AlphaGo बनाम अन्य कार्यक्रम।

अंत में, निर्मित उत्पाद की तुलना एक व्यक्ति के साथ की गई। पेशेवर खिलाड़ी 2 दान ने 2013, 2014 और 2015 में यूरोपीय गो चैम्पियनशिप के विजेता, फैन हुई के वितरित संस्करण के खिलाफ लड़ाई लड़ी। खेल ब्रिटिश फेडरेशन ऑफ गो के एक जज और जर्नल नेचर के संपादक की भागीदारी के साथ आयोजित किए गए थे। 5 गेम 9 से 5 अक्टूबर, 2015 की अवधि में आयोजित किए गए थे। उन सभी ने Google DeepMind डेवलपमेंट एल्गोरिथ्म जीता। यह इन खेलों में बयान दिया गया था कि कंप्यूटर ने सबसे पहले पेशेवर खिलाड़ी को हरा दिया था। 5 आधिकारिक पार्टियों के अलावा, 5 अनौपचारिक पार्टियां आयोजित की गईं, जिनकी गिनती नहीं की गई। फैन ने उनमें से दो जीते।

उपलब्ध रिकॉर्डिंग पांच मैचों ले जाता है , एक वेब विजेट में देखने , और वीडियो YouTube पर ।

पेशेवर खिलाड़ियों से आलोचना

एक पेशेवर खिलाड़ी की पसंद और चैंपियन के कमजोर खेल पर सवाल उठाए जा रहे हैं। चुने गए नियम भी स्पष्ट नहीं हैं: गंभीर खेल के कई घंटों के बजाय प्रति घंटे एक खेल। हालांकि, इस प्रारूप को स्वयं हूई ने चुना था। मार्च में, AlphaGo ली सेडोला के खिलाफ खेलेंगे। क्या एल्गोरिथ्म दुनिया के सर्वश्रेष्ठ खिलाड़ियों में से एक माने जाने वाले नौवें डैन के कोरियाई पेशेवर को हरा सकता है? दांव पर एक मिलियन डॉलर है। यदि कोई व्यक्ति जीतता है, तो ली सेडोल इसे प्राप्त करेगा; यदि एल्गोरिथ्म जीतता है, तो वह दान में जाएगा।

शोधकर्ताओं का कहना है कि मनुष्यों के साथ अक्टूबर की लड़ाई के दौरान, अल्फ़ाज़ो सिस्टम ने दीप ब्लू की तुलना में केपर्बव के साथ एक ऐतिहासिक मैच के दौरान हजारों गुना कम पदों पर विचार किया। इसके बजाय, प्रोग्राम ने अधिक सटीक माप के पदों के लिए चालाक विकल्पों और मूल्यों के नेटवर्क के लिए नीतियों के एक नेटवर्क का उपयोग किया। शायद यह दृष्टिकोण लोगों के खेलने के तरीके के करीब है, शोधकर्ताओं का कहना है। इसके अलावा, डीप ब्लू ग्रेडिंग सिस्टम को मैन्युअल रूप से क्रमादेशित किया गया था, जबकि अल्फा गो न्यूरल नेटवर्क को खेल से सीधे प्रशिक्षित शिक्षण और सुदृढीकरण सीखने के सार्वभौमिक एल्गोरिदम का उपयोग करके प्रशिक्षित किया गया था। मार्च में अल्फा सेडेलो के खिलाफ ली सेडॉल अपना हाथ आजमाएंगे।

पेशेवर खिलाड़ियों के दृष्टिकोण अलग हैं। ऐसा लगता है कि Google ने विशेष रूप से बहुत मजबूत खिलाड़ी नहीं चुना है, किसी को यकीन है कि सेडोल इस मार्च को खो देगा।

सबसे मजबूत अंग्रेजी बोलने वाले पेशेवर खिलाड़ियों में से एक, किम मेंगवांग (नौवां डान) का मानना है कि फैन हुई ने पूरी ताकत से नहीं खेला। वीडियो के 51 वें मिनट में, वह दूसरी किस्त से एक ठोस उदाहरण देता है। किम का कहना है कि फैन ने कमजोर लोगों के साथ कंप्यूटर की शक्ति का परीक्षण करने के लिए खेला हो सकता है। मेंगवान ने स्वीकार किया कि अल्फा गो एक चौंकाने वाला शक्तिशाली कार्यक्रम है, लेकिन ली सेडोल को हराने की संभावना नहीं है।

मैच रेफरी टोबी मैनिंग ने ब्रिटिश गो जर्नल को मैच के बारे में बताया । उन्होंने सभी पांच खेलों का विश्लेषण किया और कुछ बिंदुओं पर प्रकाश डाला। अल्फा गो ने दूसरे, तीसरे और चौथे गेम में गलतियां कीं, लेकिन फैन ने उनका इस्तेमाल नहीं किया। तीन बार के यूरोपीय चैंपियन ने अपने जवाब दिए। पत्रिका में लेख अल्फागो द्वारा एक सामान्य सकारात्मक मूल्यांकन के साथ समाप्त होता है: कार्यक्रम मजबूत है, लेकिन यह स्पष्ट नहीं है कि कितना है।

साथ ही, सामग्री तैयार करते समय, मुझे रूसी पेशेवरों और गो प्रेमियों से टिप्पणियां मिलीं। अलेक्जेंडर डायनस्टीन (कज़ान), तीसरा डैन (पेशेवर), सात बार का यूरोपीय चैंपियन:

Deep Blue . , , , . Google . .

4-4 ( -, starpoint ). . : 3-3, 3-4, 5-3, , , , . , . .

, , . . – , . , - . . 20-30 , , , , . , . , . .

, - 2016 (EGC), जिसके ढांचे में एक कंप्यूटर प्रोग्राम टूर्नामेंट हमेशा होता है। रूसी संघ के गो ने टूर्नामेंट में भाग लेने के लिए सभी मजबूत कार्यक्रमों को आमंत्रित किया। यदि वे निमंत्रण स्वीकार करते हैं, तो शायद यह पहली बार इस टूर्नामेंट में है कि Google और फेसबुक कार्यक्रम आपस में खेलेंगे। इसके प्रतियोगी के विपरीत, बाद वाला, एक ईमानदार पथ का अनुसरण कर रहा है। DarkForest bot KGS सर्वर पर हजारों गेम खेलते हैं । सबसे मजबूत संस्करण सर्वर पर छठे डैन के पास आ रहा है। यह बहुत अच्छा स्तर है। फैन हुई और उनके स्तर के खिलाड़ी - यह सर्वर पर आठवें डान (नौ में से) संभव है। अंतर दो पत्थर के विकलांगों के बारे में है। इस तरह के अंतर के साथ, एक कार्यक्रम कभी-कभी किसी व्यक्ति को वास्तव में हरा सकता है। यदि समान शर्तों पर, तो लगभग दस के एक बैच में।

मैक्सिम पोडोलीक, (सेंट पीटर्सबर्ग), रूसी संघ के उपाध्यक्ष:

, , , , , , , , . , Google : , . , . : , , , . , : , . Google . , . ? ?

अलेक्जेंडर Krainov (मास्को), खेल के प्रेमी जाओ:

मेरी पेशेवर गतिविधि के कारण, मैं "दूसरी तरफ से" स्थिति को अच्छी तरह से जानता हूं।

2012 में, सामान्य रूप से मशीन सीखने में एक क्वांटम छलांग थी। प्रशिक्षण के लिए डेटा की मात्रा, एल्गोरिदम का स्तर और प्रशिक्षण के लिए शक्ति इस स्तर पर पहुंच गई है कि कृत्रिम तंत्रिका नेटवर्क (लंबे समय तक एक सिद्धांत के रूप में विकसित) शानदार परिणाम देने लगे।

तंत्रिका नेटवर्क पर प्रशिक्षण के बीच मूलभूत अंतर यह है कि उन्हें इनपुट कारक दिए जाने की आवश्यकता नहीं है (उदाहरण के लिए, समझाएं, उदाहरण के लिए, कौन से रूप अच्छे हैं)। सीमा में, यहां तक कि नियमों को भी उन्हें समझाया नहीं जा सकता है। मुख्य बात यह है कि बड़ी संख्या में सकारात्मक (जीतने वाले पक्ष की चाल) और नकारात्मक (हार पक्ष की चाल) उदाहरण देना है। और नेटवर्क खुद सीख लेगा।

, , . . : , , ( ) , .

, .

, , , . . . . , , .

ली सेडॉल खुद क्या कहते हैं

पेशेवर गो खिलाड़ी विश्व खिताब के लिए नहीं, बल्कि खिताब के लिए प्रतिस्पर्धा करते हैं। मास्टर की मान्यता और स्थिति उन खिताबों की संख्या से निर्धारित होती है जो वह वर्ष के दौरान प्राप्त करने में सक्षम था। ली सेडोल दुनिया के पांच सबसे मजबूत खिलाड़ियों में से एक हैं, और इस साल मार्च में उन्हें अल्फाजो सिस्टम से लड़ना होगा।

कोरियाई चैंपियन ने खुद भविष्यवाणी की है कि वह 4-1 या 5-0 के स्कोर के साथ जीत जाएगा। लेकिन 2-3 वर्षों के बाद, Google बदला लेना चाहेगा, और फिर अल्फा गो के अपडेटेड संस्करण के साथ गेम अधिक दिलचस्प होगा, ली कहते हैं।

इस तरह के एक एल्गोरिथ्म को बनाने का कार्य सीखने और सोचने के बारे में नए प्रश्न प्रस्तुत करता है। जैसा कि एम। एमिलीनोव याद दिलाते हैं , प्राचीन चीनी वर्गीकरण के अनुसार शीर्ष से कौशल का तीसरा स्तर (पिन) "पूर्ण स्पष्टता" कहा जाता है। इस तरह के खेल से पता चलता है कि निर्णय सहज या कम विकल्पों के साथ किए जाते हैं। 20 वीं शताब्दी के सबसे मजबूत आकाओं में से एक, गुओ सेगेन ने कहा कि ऐसा लगता है कि उन्होंने दो या तीन विकलांग पत्थरों को ले कर "गो-गॉड" के खिलाफ जीत हासिल की थी। सीगन का मानना था कि वह खेल को समझने की सीमा तक पहुँच चुके थे। क्या कोई तंत्रिका नेटवर्क इसे प्राप्त कर सकता है? शायद मानव अंतर्ज्ञान प्रकृति द्वारा निर्धारित एक एल्गोरिथ्म है?

लेखक ने टिप्पणी के लिए अलेक्जेंडर डायनेस्टीन और जनता को धन्यवाद दिया और प्रकाशन में मदद की।

क्या अल्फ़ागो के पास ली सेडोल के खिलाफ मैच में एक मौका है: वें में पेशेवर खिलाड़ियों की राय और रेटिंग

Google का गो-प्रो 9 वां मैच और Google का AI मार्च में होगा

एल्गोरिथ्म

पेशेवर खिलाड़ियों से आलोचना

ली सेडॉल खुद क्या कहते हैं

More articles: