14.12.2015

Скоро искусственный интеллект сыграет в го не хуже людей

Разработчики программы Darkfores2 заявляют, что она будет способна превзойти человека в игре го. Это очень амбициозное заявление, так как раньше даже лучшие компьютерные алгоритмы не могли обыгрывать игроков высокого уровня. Создали Darkfores2 специалисты по искусственному интеллекту и машинному обучению Юаньдун Тянь (Facebook AI Research) и Янь Чжу (Ратгерский университет).

Хотя современные системы искусственного интеллекта уже превосходят самых сильных игроков-людей в шахматах и шашках, го остается для программ непокоренной вершиной. Хотя быстродействие компьютера, с которым он перебирает возможные ходы в поисках оптимального, превосходит скорость мышления человека, программа все равно не справляется с анализом всех возможных вариантов. Если в шашках число возможных позиций на доске равно приблизительно 1020, в шахматах 1060, то для го это количество равно 10100, что превосходит количество частиц во Вселенной. Вариантов первого хода в го целых 55 (в шахматах – 20). И если в шахматах с ходом игры число фигур на доске уменьшается, что уменьшает число возможных дальнейших вариантов развития партии, то в го камней на доске становится больше.

Юаньдун Тянь и Янь Чжу для новой го-программы Darkforest использовали не алгоритм, а нейронную сеть, способную к обучению. Они использовали базу данных из 220000 реальных партий в го, на которых нейронная сеть училась играть. Затем для проверки адекватности обучения были проанализированы еще 30000 партий, в которых оценивалось, насколько правильно Darkforest прогнозирует сделанные игроками ходы.

После такого обучения Darkforest уже сумел добиться неплохих результатов в матчах с людьми. Обычно класс игроков в го обозначается при помощи степеней: кю и данов. Начинающие игроки постепенно движутся от низшего тридцатого кю к первому. Затем идут степени для опытных игроков: от первого до девятого дана. Сейчас Darkfores2 играет на уровне первого – второго дана, что значительно лучше других систем, основанных на нейронных сетях, они не поднимаются выше четвертого – пятого кю.

Но проблемой Darkforest было то, что при хорошем глобальном анализе позиции он плохо перебирал варианты на местном уровне, это общее слабое место всех систем на основе нейронных сетей. Системы, основанные на поиске, напротив сильны именно в этом. Разработчики использовали сильные стороны обоих типов, добавив к нейронной сети еще и поисковую программу, которая может анализировать до 16 тысяч позиций в секунду. В результате появился Darkforest2, который играет заметно сильнее, чем Darkforest.

Статью с описанием своей системы разработчики выложили на сайте arXiv.org, а краткий рассказ о ней опубликован в MIT Technology Review.

Источники:

1. polit.ru