شفقنا – در دنیای شطرنج آنلاین، بازیکنان مبتدی و حرفه‌ای اغلب با ربات‌های هوش مصنوعی قدرتمندی روبرو می‌شوند که به دلیل حرکات عجیب و غیرقابل پیش‌بینی، بازی با آن‌ها لذت‌بخش یا آموزنده نیست. این ربات‌ها برای پیروزی برنامه‌ریزی شده‌اند، نه برای یادگیری. اکنون، محققان در دانشگاه کارنگی ملون آمریکا با توسعه یک ربات هوش مصنوعی جدید به نام «اَلی» این رویکرد را تغییر داده‌اند. اَلی با تحلیل میلیون‌ها بازی انسانی، یاد گرفته است که مانند یک انسان بازی کند.
ییمینگ ژانگ، دانشجوی دکترای دانشگاه کارنگی ملون، می‌گوید که پس از شروع بازی آنلاین شطرنج، به سرعت متوجه شد که بازی کردن با ربات‌ها برای بازیکنان مبتدی «جالب یا آموزنده نیست»، زیرا حرکات آن‌ها اغلب «عجیب و غیرقابل درک» است. اکثر موتورهای شطرنج با یک هدف ساخته شده‌اند: بردن. آن‌ها با شبیه‌سازی بی‌شمار حرکت آینده، خود را بهبود می‌بخشند، اما از داده‌های انسانی استفاده نمی‌کنند. این رویکرد به سیستم‌هایی با قدرت تقریباً شکست‌ناپذیر منجر می‌شود که برای بازیکنان معمولی و مبتدی، حریفان جذابی نیستند.
ژانگ می‌گوید: قبل از اَلی، یک موتور شطرنج که طرز تفکر انسان را مدل‌سازی کند، وجود نداشت. ربات‌ها در موقعیت‌های پیچیده‌ای که انسان‌ها نیاز به زمان برای بررسی گزینه‌های مختلف دارند، فوراً حرکت می‌کردند، یا در موقعیت‌های کاملاً باخته که انسان‌ها معمولاً تسلیم می‌شوند، به بازی ادامه می‌دادند.
برای حل این مشکل، تیم پژوهشی، اَلی را به روشی شبیه به مدل‌های زبانی که زیربنای چت‌بات‌های مدرن مانند چت‌جی‌پی‌تی هستند، آموزش دادند. با این تفاوت که به جای تغذیه اَلی با متون اینترنتی، تیم از ۹۱ میلیون رونوشت بازی انسانی استفاده کرد. در معرض قرار دادن اَلی با بازی‌های انسانی به او آموخت که چگونه حرکاتی را که یک بازیکن انسانی انجام می‌دهد، انتخاب کند، در موقعیت‌های حساس وقت بیشتری برای تأمل بگذارد و در صورت باخت قطعی، تسلیم شود.
پژوهشگران معتقدند که این پروژه نشان می‌دهد آموزش سیستم‌های هوش مصنوعی برای «فکر کردن مانند انسان» در حل مسائل پیچیده، می‌تواند ابزارهای بهتری برای استفاده در حوزه‌هایی مانند درمان، آموزش و پزشکی ایجاد کند. به گفته دَفنی ایپولیتو، مشاور ژانگ، «وسواسی برای ساخت هوش مصنوعی‌های ابرانسانی وجود داشته که در ریاضیات یا سایر کارهای استدلالی بهتر از اکثر انسان‌ها عمل می‌کنند. اما فرصت‌های زیادی برای ما وجود دارد تا مدل‌های هوش مصنوعی را طوری آموزش دهیم که مانند انسان عمل کنند، و من فکر می‌کنم این یک مسیر ارزشمند برای کاوش است.»
این پروژه به صورت متن‌باز (Open Source) در دسترس عموم قرار گرفته و از زمان راه‌اندازی در پلتفرم لینچس، حدود ۱۰ هزار بازی را ثبت کرده است. در نهایت، اَلی نشان‌دهنده یک تغییر رویکرد مهم در توسعه هوش مصنوعی است؛ از تغییر رفتار به عنوان یک قدرت شکست‌ناپذیر به سمت رفتاری شبیه به انسان که می‌تواند مفیدتر و کاربردی‌تر باشد.
این خبر را اینجا ببینید.
source