کالاسودا_هوش مصنوعی از هوش انسان ها شکست خورد. این موضوع در جریان مسابقه بین هوش مصنوعی و گروهی از گیمرهای انسانی مشخص شد.
ماجرای این رقابت چه بود؟
یک تیم از گیمرهای انسانی موفق شدند در جریان بازی Dota 2 هوش مصنوعی ایلان ماسک را شکست دهند. این مسابقه شامل چند مرحله است:
مرحله اول مسابقه میان گیمرهای حرفهای و یک بات هوش مصنوعی متعلق به لابراتواری انجام شد که ایلان ماسک، مدیر اسپیس ایکس آن را تأسیس کرده است. مرحله بعدی نیز شامل آموزش و توصیه نکات کاربردی است. نکته جذاب این بخش را می توان پیروزی کم نظیر انسان ها بر هوش مصنوعی دانست.
از آموزش تا مسابقه
این مسابقه شامل یک پروژه است که در آن به بات مذکور برای بازی علیه انسان در بازی Dota 2 آموزش گامبهگام داده می شود. درواقع مواردی مثل چالشها، کار تیمی، استراتژی و تصمیمگیری پیچیده، ازفاکتورهایی است که به هوش مصنوعی آموزش داده میشود .
آموزش های مذکور به هوش مصنوعی کمک می کند بتواند در دو مرحله بعدی به پیروزی رسد.
هدف از آموزش به هوش مصنوعی چیست؟
هدف اصلی هوش مصنوعی توسعه مهارت از طریق گیم ویدئویی است تا بتوان چالشهای زندگی واقعی را از طریق هوش مصنوعی حل کرد.
در روند مسابقه مذکور تیم بات موسوم به OpenAI Five نیمه نخست بازی را جلو بود تا اینکه با انتخاب یک کاراکتر در بازی اشتباه مرگباری مرتکب شده و نتیجه را واگذار کرد.
«مایک کوک» کارشناس هوش مصنوعی در این زمینه گفت: OpenAI بسیار مناسب عمل کرد اما در بخش تصمیمگیری استراتژیک دچار اشتباه شد.
هوش مصنوعی نمادین
هوش مصنوعی نمادین (Symbolic) با نمادهایی انتزاعی کار میکند که برای نشان دادن دانش استفاده میشوند. هوش مصنوعی نمادین، هوش مصنوعی کلاسیکی است که بر اساس این ایده کار میکند که تفکر انسان را میتوان در سطحی سلسله مراتبی و منطقی بازسازی کرد. در این روش اطلاعات از بالا با کار کردن روی نمادهای معنیدار برای انسان، ارتباطات انتزاعی و نتیجهگیریهای منطقی پردازش میشوند.
هوش مصنوعی عصبی
هوش مصنوعی عصبی (Neural AI) در اواخر دهه ۸۰ میلادی در علوم کامپیوتر محبوبیت پیدا کرد. در این گونه، دانش با استفاده از نمادها نمایش داده نمیشود، بلکه به جای آن، نورونهای مصنوعی و ارتباط میان آنها نماینده دانش هستند. این هوش مصنوعی چیزی شبیه یک مغز بازسازی شده است.
در این روش دانش کسب شده به قطعاتی کوچکتر (نورونها) خرد و سپس از آن گروههایی متصل به هم تشکیل میشود. این نوع هوش مصنوعی رویکردی پایین به بالا دارد. بر خلاف هوش مصنوعی نمادین، یک سیستم هوش مصنوعی عصبی باید ابتدا آموزش داده شود و در معرض محرکهایی قرار بگیرد تا شبکههای عصبی در آن تجربه کسب کنند، بزرگ شوند و اندوخته دانش بیشتری داشته باشند.