Urimelig fordel: forvent ikke, at ai spiller som et menneske

DeepMinds nylige udnyttelser i udviklingen af ​​kunstig intelligens, der kan besejre spillere i verdensklasse på StarCraft II, skabte meget ophidselse. Mens DeepMind kaldte det et stort gennembrud, hævdede andre, at det var snyderi, urimelig og overmenneskelig.

Men hvad hele debatten indikerer, er, at vi måske er nødt til at ændre den kontekst, hvor vi diskuterer og evaluerer mulighederne i AI - og holder op med at sammenligne dens gameplay med vores egne.

AlphaStar, DeepMinds StarCraft-spillende bot, bruger dyb læring, et populært AI-felt, hvor programmerere udvikler opførslen af ​​deres AI-modeller ved at give dem et vanvittigt antal eksempler. AlphaStar træner først i en stor database med humane spildata frigivet af Blizzard og spillede millioner af spil mod sig selv for at lære og mestre reglerne i StarCraft. Det blev derefter spaltet mod mennesker, der fejede DeepMinds egne amatørspillere, før de fortsatte mod verdensmestre.

Da AlphaStar slo TLO og MaNa, to af verdens bedste spillere, var der grund til at tro, at kunstig intelligensindustrien havde bestået en milepæl. I et blogindlæg kaldte DeepMind AlphaStar "et skridt fremad i vores mission om at skabe intelligente systemer, der en dag vil hjælpe os med at låse nye løsninger på nogle af verdens vigtigste og mest grundlæggende videnskabelige problemer."

Men så kom kritikken.

En urimelig fordel

Kritikere hævder, at AlphaStar har flere egenskaber, der gør det til en urimelig modstander mod mennesker.

For det første flammer AlphaStar hurtigt. DeepMind-ingeniører siger, at de handicappede AlphaStar for at forhindre, at den udførte flere handlinger, end et menneske kunne udføre. Men menneskelige spillere laver en masse spam-klik eller impulsive handlinger, der ikke har nogen værdi eller tanker bag sig.

Når spillere for eksempel ønsker at beordre deres enheder til at flytte til et sted eller angribe en fjende, klikker de ofte gentagne gange på den samme placering eller på en bane mod destinationen, fordi det giver en falsk følelse af, at klikning vil fremskynde den handling. I virkeligheden udfører enhederne kun den seneste kommando og vil ignorere tidligere. I modsætning hertil er AlphaStar's hvert træk præcist.

Kritikere hævder, at uoverensstemmelsen lader AlphaStar mikromanere spillet på en overmenneskelig måde. F.eks. I en stor kamp, ​​hvor mange enheder er involveret, kan AlphaStar give individuelle kommandoer til hver af sine enheder med hastighed og præcision, som ville være umulig for dens menneskelige modstandere. I en analyse af AlphaStar's præstation beskrev ArsTechnicas Timothy B. Lee et par scenarier, hvor AlphaStar's hastighed og præcision ville give det en urimelig fordel.

Andre analytikere har påpeget, at AlphaStar modtager mere information end menneskelige spillere. Den version af bot, der slog MaNa og TLO, havde adgang til hele kortet, i modsætning til at se en skærms værdi af slagmarkens plads som en menneskelig spiller. Men det var stadig begrænset af "tåge med krig", hvilket betyder, at det ikke kunne udtrække oplysninger fra de områder, hvor det ikke havde aktive enheder.

Endnu andre kritiserede AlphaStar's grænser: Det kunne kun spille som Protoss, et af de tre løb i StarCraft, og på kun et af de mange kort over spillet. Givet et nyt løb og et kort, ville AlphaStar sandsynligvis tabe imod menneskelige amatørmotstandere, fordi det fra AI's perspektiv ville være som at spille et helt andet spil.

Hvad er fair play?

DeepMind har stadig ikke frigivet tekniske detaljer, men nogle har mistanke om, at i stedet for at skulle behandle rå pixels, som mennesker gør, kunne AlphaStar have haft adgang til rå spildata gennem API'er (applikationsprogrammeringsgrænseflader).

tak! men det siger ikke, om den bestemte software, der vandt imod eksperter, brugte pixels eller forudindstillede APi-ting, som begge er tilgængelige, men meget forskellige

- Gary Marcus (@GaryMarcus) 31. januar 2019

Ars 'Timothy B. Lee kommer til denne konklusion: "Den ultimative måde at udjævne spillet på ville være at få AlphaStar til at bruge nøjagtigt den samme brugergrænseflade som menneskelige spillere." Dette betyder, at AI, som en menneskelig spiller, der stirrer på en computerskærm, kun har adgang til spillets grafik og skulle simulere tastetryk, museklik og rulle i stedet for at interagere med spillet gennem API-opkald.

Dette ville være et rimeligt punkt, hvis vi forventede, at AI skulle gentage den menneskelige hjerne og sanser nøjagtigt. Men dyb læring og neurale netværk, som stadig er forkant med AI, har forskellige grænser, der forhindrer dem i at gengive nogle af de mest basale menneskelige funktioner.

Deep learning er snæver AI, hvilket betyder, at det er meget godt til at udføre specifikke opgaver, såsom at mærke billeder eller genkende tale, men det er forfærdeligt at generalisere opgaver eller overføre sin viden til andre domæner. Jo mere du udvider problemområdet, jo mere begrænset bliver AI's kapacitet, og jo mere træning har den brug for. Derfor vil AlphaStar ikke være i stand til at spille et andet RTS-spil, såsom Warcraft 3 eller Company of Heroes.

Det tog også AlphaStar 200 års spil værd at mestre Protoss på et enkelt niveau. Det vil sandsynligvis tage lige så meget at lære at spille Terran eller Zerg, de to andre løb på StarCraft. I modsætning hertil kunne en menneskelig spiller hurtigt overføre den viden, de fik fra et spil til et nyt.

Vi er stadig årtier væk (i det mindste) fra generel AI, den type, der kan matche de kognitive evner hos mennesker. Nogle forskere mener, at vi aldrig vil lykkes med at gengive den menneskelige hjerne.

Men snæver AI er meget god til at behandle store mængder information til meget hurtige priser. Derfor kan AlphaStar håndtere hele kortet over StarCraft på samme tid. Designerne af StarCraft kunne have ændret spillet for at give spillerne et fuldt overblik over spilkortet, men det ville sandsynligvis forvirre spillerne snarere end at hjælpe dem. Mennesker kan også få adgang til rå spildata, men det ville ikke hjælpe.

Mennesker er langsomme med at behandle data, men har sund fornuft og abstrakt-tænkning evner, der sætter dem i stand til at planlægge og tage beslutninger uden komplet information. Derfor foretrækker de at have et begrænset billede af kortet og fokusere på en enkelt del af slagmarken; på samme tid har de en fornemmelse af, hvad der foregår i andre dele af spillet og kan udvikle en generel spilplan.

Er AlphaStar snyderi?

I betragtning af forskellene mellem AI og den menneskelige hjerne er det rimeligt at sige, at kritikerne havde ret i deres vurdering: DeepMind rigede konkurrencen til fordel for AlphaStar ved at begrænse den til et enkelt kort og et enkelt race. Men debatten om AlphaStar kan bringe os til nogle meget vigtige konklusioner.

For det første skulle hovedpointen i spillet ikke være at kontrollere, om AI kan klikke og rulle som et menneske. I stedet skal vi fokusere på, hvordan AI præsterer i et spil, der giver ufuldstændig information og kræver realtidsbeslutning. I denne forbindelse gjorde AlphaStar et ret godt stykke arbejde.

• Hvad ville få dig til at stole på en AI-assistent? Hvad med et ansigt? Hvad ville få dig til at stole på en AI-assistent? Hvad med et ansigt?
• AI-industriens år for etisk regnering AI-industriens år for etisk regning
• Denne AI er for kraftig til at frigive til offentligheden Denne AI er for kraftig til at frigive til offentligheden

For det andet er StarCraft måske ikke det bedste sted at teste AI's strategiserings- og planlægningsmuligheder. Som en analytiker påpegede, "StarCraft II er et spil, der kan brydes af mekanisk perfektion." Dette betyder, at AI kan kompensere for sine dårlige strategiske færdigheder med sin overmenneskelige hastighed og kirurgiske præcision.

Endelig er AI og menneskelig intelligens så forskellige, at det sandsynligvis ville være umuligt at skabe lige vilkår mellem de to. De mindste ændringer af reglerne ville hurtigt vippe spillet til fordel for den ene eller den anden side i en grad, der ville gøre konkurrencen uretfærdig.

Vi bør kigge efter miljøer og indstillinger, hvor vi kan løsrive og teste AI til dets fulde potentiale i stedet for at bremse det med kunstige menneskelige begrænsninger. Hvad kunne mennesker og AI opnå, når de samarbejder i stedet for at konkurrere?