"वंशज" AlphaGo ने स्वतंत्र रूप से शतरंज, शोगी खेलना और जाना सीखा

डीपमाइंड वास्तव में अद्भुत एल्गोरिदम बनाता है जो कि मशीन सिस्टम से पहले सक्षम नहीं है। विशेष रूप से, तंत्रिका नेटवर्क अल्फ़ागो दुनिया के सर्वश्रेष्ठ खिलाड़ियों को हराने में सक्षम था। विशेषज्ञों के अनुसार, अब प्रणाली की क्षमताएं इतनी बढ़ गई हैं कि इसे हराने की कोशिश करने का भी कोई मतलब नहीं है - परिणाम पूर्व निर्धारित है।

फिर भी, कंपनी वहाँ नहीं रुकती है, लेकिन काम करना जारी रखती है। अपने कर्मचारियों के अनुसंधान के लिए धन्यवाद, अल्फ़ाज़ो का एक उन्नत संस्करण, जिसे अल्फ़ाज़ेरो कहा जाता है, पैदा हुआ था। जैसा कि शीर्षक में संकेत दिया गया है, सिस्टम स्वयं यह सीखने में सक्षम था कि एक साथ तीन तार्किक खेल कैसे खेलें- शतरंज, शोगी और जाओ।

नए संस्करण और पिछले सभी के बीच का अंतर यह था कि सिस्टम ने खुद को लगभग सब कुछ सीखा था । वह खरोंच से शुरू हुई और जल्दी से तीनों गेम पूरी तरह से खेलना सीख गई। किसी ने अल्फ़ाज़ेरो की मदद नहीं की - प्रणाली "यह सब अपने आप से मिल गया"।

शतरंज को सेट में शामिल किया गया था, बल्कि, परंपरा के अनुसार - यह एक कंप्यूटर को सिखाने के लिए कुछ भी मुश्किल नहीं है कि शतरंज कैसे खेलें, नहीं। 1950 के दशक में पहली बार एक कंप्यूटर सिस्टम को गेम में लाया गया था। फिर, पहले से ही 60 के दशक में, मैक हैक IV कार्यक्रम बनाया गया था, जिसने मानव प्रतिद्वंद्वियों को पीटना शुरू कर दिया था। समय के साथ, शतरंज कार्यक्रमों में धीरे-धीरे सुधार हुआ, और 1997 में, आईबीएम ने "शतरंज कंप्यूटर" डीप ब्लू विकसित किया, जो ग्रैंडमास्टर और विश्व चैंपियन गैरी कास्परोव को हराने में कामयाब रहा।

जैसा कि वह खुद बताते हैं, वर्तमान में स्मार्टफोन प्ले पर कई एप्लिकेशन डीप ब्लू से बेहतर हैं। सिस्टम के निर्माण में पूर्णता हासिल करने के बाद जो शतरंज खेल सकते हैं, डेवलपर्स ने मानव कंप्यूटर प्रतिद्वंद्वियों के नए संस्करण बनाना शुरू किया - विशेष रूप से, वे कंप्यूटर को खेलने के लिए सिखाने में कामयाब रहे। पहले, एक हजार साल के इतिहास वाला यह खेल कंप्यूटर की "समझ" के लिए सबसे दुर्गम में से एक माना जाता था। लेकिन समय बदल गया है। जैसा कि ऊपर उल्लेख किया गया है, अल्फा गो ने गो गेम के उच्च स्तर की महारत हासिल की कि एक व्यक्ति पास में नहीं खड़ा था।



वैसे, इस साल अल्फ़ागो को एक अपडेट मिला, जिसकी बदौलत अब तंत्रिका नेटवर्क मानव हस्तक्षेप के बिना खेलने की विभिन्न रणनीतियाँ सीख सकता है। बार-बार खुद के साथ खेलते हुए, अल्फा गो सुधार कर रहा है। यह इस तरह की प्रशिक्षण प्रणाली है जिसका उपयोग अल्फ़ाज़ो के "अवरोही" - अल्फ़ाज़ेरो न्यूरल नेटवर्क द्वारा किया जाता है। केवल तीन दिनों में, उसने गो में इतनी निपुणता हासिल की कि उसने अल्फा गो के मूल संस्करण को 100 से 0. के स्कोर के साथ हरा दिया, केवल एक चीज जो सिस्टम को शुरू में मिलती है वह है खेल के नियम।

यहां कोई कल्पना नहीं है, डीपमाइंड प्रसिद्ध सुदृढीकरण मशीन सीखने की प्रणाली का उपयोग करता है। कंप्यूटर जीतना चाहता है, क्योंकि प्रत्येक जीत के लिए एक इनाम (अंक) प्राप्त होता है। इसके अलावा, AlphaZero सीखने की प्रक्रिया में लाखों संयोजन खो देता है। अल्फ़ाज़ेरो अगले कदम को गलत मानने और जीतने की संभावना का आकलन करने के लिए केवल 0.4 सेकंड खर्च करता है। मूल संस्करण के अल्फा गो के लिए, तंत्रिका नेटवर्क में दो तत्व शामिल थे, दो तंत्रिका नेटवर्क - एक ने अगले संभव कदम का निर्धारण किया, और दूसरे ने संभावनाओं की गणना की।

गो अल्फाज़ो में मास्टर स्तर को प्राप्त करने के लिए, आपको अपने साथ खेलते समय लगभग 4.5 मिलियन गेम "स्क्रॉल" करने की आवश्यकता होती है। लेकिन अल्फा गो को 30 मिलियन खेलों की आवश्यकता थी।

यह ध्यान देने योग्य है कि अल्फा ज़ीरो को विशेष रूप से खेलने के लिए बनाया गया था। कंपनी इस बारे में नहीं भूली है। लेकिन जाने के अलावा, सिस्टम सीखने और दो अन्य खेलों में सक्षम है, जिनका उल्लेख ऊपर किया गया था। उपयोग की गई प्रणाली समान है - सुदृढीकरण के साथ मशीन सीखने। यह ध्यान देने योग्य है कि अल्फाज़ेरो केवल उन कार्यों के साथ काम करता है जिनके पास निश्चित संख्या में समाधान हैं। सिस्टम को एक पर्यावरण मॉडल (आभासी) भी चाहिए।



दिलचस्प बात यह है कि, कास्परोव खुद मानते हैं कि एक व्यक्ति अल्फा गो जैसी प्रणालियों से बहुत कुछ प्राप्त कर सकता है - आप उनसे बहुत कुछ सीख सकते हैं।

वर्तमान में, डेवलपर्स को किसी भी व्यक्ति की तुलना में पोकर खेलने के लिए कंप्यूटर सिखाने के कार्य का सामना करना पड़ रहा है, और एक ऐसी प्रणाली भी बन रही है जो निष्पक्ष लड़ाई में किसी भी व्यक्ति को हरा सकती है। किसी भी मामले में, यह स्पष्ट है कि तंत्रिका नेटवर्क और एआई अधिक सक्षम हैं।