Manusia menyerang balik sistem AI Go-playing

Pikirkan bahwa manusia lemah tidak memiliki peluang saat memainkan game strategi melawan AI? Anda mungkin harus berpikir lagi. Satu orang di AS mengalahkan AI di permainan kuno Go hanya dengan mengalihkan perhatiannya dari serangan yang dia buat, sebuah taktik yang tidak mungkin berhasil pada kantong daging lain.

Sang pemain, Kellin Pelrine, tampaknya tidak berada di puncak peringkat amatir untuk bermain Go, tetapi berhasil mengungguli AI dalam 14 dari 15 pertandingan, menurut Financial Times. Pelrine menggunakan taktik yang melibatkan pengalih perhatian algoritme dengan gerakan di sudut lain papan saat dia berusaha mengepung kelompok batu lawannya.

Go adalah permainan papan di mana dua pemain menempatkan batu hitam atau putih di atas papan berukuran 19 x 19, objeknya mengelilingi area yang lebih luas dari lawan Anda. Batu dikeluarkan dari papan jika dikelilingi oleh batu yang berlawanan.

Tampaknya AI Go-playing tidak menyadari kesulitan yang dialaminya, bahkan ketika pengepungan hampir selesai – sebuah strategi yang akan terlihat sekilas oleh pemain manusia lainnya.

Ini semua jauh dari tahun 2016, ketika DeepMind milik Google AlphaGo berhasil mengalahkan Lee Sedol – salah satu pemain Go dengan peringkat tertinggi di dunia – dan banyak orang menganggap perkembangan itu sebagai permainan yang sudah berakhir bagi pemain manusia karena di masa depan mereka akan memiliki lingkaran yang mengelilingi mereka dengan model pembelajaran mesin yang semakin canggih.

Pelrine tidak bermain melawan AlphaGo, melainkan melawan beberapa sistem AI Go-play lainnya, termasuk KataGo, yang didasarkan pada teknik yang digunakan oleh DeepMind dalam pembuatan AlphaGo Zero.

Ironisnya, tampaknya pendekatan untuk mengalahkan sistem AI ini ditemukan oleh program komputer, yang secara khusus dibuat oleh tim peneliti (termasuk Pelrine) untuk menyelidiki kelemahan strategi AI yang dapat dimanfaatkan oleh pemain manusia. Program tersebut memainkan lebih dari satu juta pertandingan melawan KataGo untuk menganalisis perilakunya, kami diberi tahu.

Strategi yang ditemukan oleh perangkat lunak tidak sepenuhnya sepele tetapi juga tidak sulit untuk dipahami oleh pemain manusia, kata Pelrine kepada FT, dan itu dapat digunakan oleh pemain menengah untuk berhasil mengalahkan model AI Go-playing.

Langkah terbaru menyoroti bahwa sistem AI mungkin tampak ahli dalam proses apa pun yang telah dilatih untuk dilakukan oleh model mereka, tetapi masih ada lubang yang mengejutkan dalam kemampuannya.

"Saya pikir 'mode kegagalan yang mengejutkan' adalah kisah nyata di sini," kata insinyur perangkat lunak dan pemain catur dan mindsports profesional Alain Dekker kepada Pendaftaran. “Pikirkan sebuah Mobil Tesla melaju ke sisi sebuah van karena salah mengira warna terangnya sebagai kaki langit.”

Dekker mengatakan AI yang sangat terlatih kemungkinan besar memiliki titik buta ini, yang menambahkan semakin banyak kerumitan untuk menutupi titik buta adalah sebagian mengapa sangat sulit untuk membuatnya bekerja dengan baik, dan mengapa mungkin butuh waktu lebih lama dari yang diantisipasi untuk mendapatkan mobil tanpa pengemudi. di jalan kita.

Tim peneliti memberi tahu FT bahwa penyebab pasti dari titik buta dalam strategi pemain AI Go adalah masalah dugaan, tetapi kemungkinan pendekatan yang digunakan oleh Pelrine sangat jarang sehingga algoritme tidak mengenalinya. Jika demikian, tampaknya model yang diperbarui yang dilatih untuk mengenali strategi ini mungkin tidak mudah dikelabui di masa mendatang.

Makalah yang merinci taktik permusuhan yang digunakan untuk menemukan strategi kemenangan dapat ditemukan di sini [PDF]. ®

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
• Sumber: https://go.theregister.com/feed/www.theregister.com/2023/02/20/human_go_ai_defeat/