Опрос

Довольны ли Вы нашими услугами?

Показать результаты

Загрузка ... Загрузка ...

компьютерные технологии

Как компьютеры обыграли нас в наших собственных играх?

Люди веками играют в игры, но мы все еще не совершенны в них: мы делаем ошибки, недооцениваем противников и можем думать лишь на несколько ходов вперед. У компьютеров таких недостатков нет. Искусственный интеллект может освоить большинство классических вещей, если он проведет достаточно симуляций. По мере увеличения вычислительной мощности машины стали достаточно искусными, чтобы бросать вызов своим создателям во всем, от крестиков-ноликов до нардов (хотя программы все еще не могут конкурировать в более творческих занятиях, таких как кроссворды). Вот график их марша к победе.

Шахматы

История ИИ, возможно, начинается с шахмат. Примерно в 1948 году пионер вычислительной техники Алан Тьюринг нацарапал первые строчки алгоритма обдумывания ладей и слонов. Почти 50 лет спустя программа IBM Deep Blue опередила чемпиона мира Гарри Каспарова в пропитанном потом соревновании.

Шашки

Мастер IBM Артур Сэмюэл написал первую программу проверки на неуклюжем компьютере 701 своей компании в 1950-х годах. Спустя поколение исследователи из Университета Альберты окончательно решили эту доску: их программа Chinook победила чемпиона по шашкам в 1994 году и стала официально непобедимой к 2007 году.

Техасский холдем

Карточные игры сложны для ИИ, потому что им не хватает «точной информации»: в шахматах вы можете видеть все фигуры, но в картах вы не можете подсмотреть за рукой противника. Профессиональный игрок в покер Майк Каро сконструировал первого электронного игрока в 1984 году, а последующий софт стал непревзойденным в холдеме для двух человек 30 лет спустя.

Starcraft II

В этом симуляторе войны игроки строят крепости и командуют войсками пришельцев. Нейронная сеть Google DeepMind победила группу чемпионов в 2019 году, применив необычные стратегии, которые сбили с толку даже элитных участников. Два года назад один из его сестринских ботов освоил заведомо сложную игру го.

Компьютеры на грани разработки собственных программ.

На прошлой неделе команда во главе с Джастином Готшлихом, директором исследовательской группы по машинному программированию в Intel, объявила о создании новой системы машинного обучения, которая разрабатывает собственный код. Они называют систему MISIM, схожесть машинного кода.

Готчлих пояснил: «Конечная цель Intel в области машинного программирования — демократизация создания программного обеспечения. После полной реализации машинное программирование позволит каждому создавать программное обеспечение, выражая свои намерения любым удобным для них способом, будь то код, естественный язык или что-то подобное. Это смелая цель, и хотя предстоит еще много работы, MISIM является серьезным шагом к ее достижению».

Система анализирует фрагмент кода и, поскольку она может «понять», что код пытается выполнить, она ищет код в своем хранилище, предназначенный для подобных задач. Затем он может предложить варианты для более быстрого или более эффективного кодирования для достижения той же задачи.

Джон Кармак, блестящий программист, отвечающий за такие игры, как Wolfenstein 3-D, Doom и Quake, недавно заметил, что, несмотря на столь большой прогресс во многих областях машинного программирования, область автоматического компьютерного кода не всегда была приоритетом.

«Раньше я говорил, что исследования искусственного интеллекта, казалось, имели странную слепую точку для автоматизации работы по программированию, и я подозревал подсознательную предвзятость самосохранения. Недавнее, почти случайное открытие, что GPT-3 может что-то вроде писать код, действительно генерирует легкая дрожь.»

Он имел в виду недавно представленный Generative Pretrained Transformer 3 — сокращенно GPT-3 — который, как и MISIM, успешно создал код на нескольких языках программирования. Лаборатория искусственного интеллекта OpenAI активно внедряется в такие модели машинного обучения, как GPT-3. Он обучен с хранилищем 175 миллиардов параметров и способен генерировать код из простых не технических инструкций. Например, в инструкции по созданию «кнопки, похожей на арбуз», GPT-3 сгенерировал HTML-код для презентации веб-страницы с интерактивной подсказкой арбуза.

Способность GPT-3 писать на многочисленных языках программирования представляет особый интерес для учреждений, полагающихся на устаревшие компьютерные системы, построенные на программировании, которое практически устарело. Некоторые правительственные учреждения имеют компьютерные системы, разработанные десятилетия назад.

Команда MISIM включает исследователей из Intel, Массачусетского технологического института и Технологического института Джорджии.

MISIM не первая система, которая сравнивает фрагменты кода, но ее создатели говорят, что ее точность была в 40 раз выше, чем у ее ближайших конкурентов.

Веселин Райчев, технический директор швейцарской компании DeepCode, сказал, что машинное обучение представляет собой захватывающий шаг вперед в оптимизации чрезвычайно трудоемких процессов обнаружения ошибок. DeepCode специализируется на продвинутом программном обеспечении для обнаружения ошибок.

«Практически они еще не там, — сказал он, — с очень большим отрывом».

Одной из причин ложных срабатываний является то, что ИИ не умеет обнаруживать ошибки, если они не были определены как таковые. Но система MISIM не опирается на такие определения. Вместо этого, сравнивая новую программу с кодом, ранее установленным как корректный, она может поднять флаг, когда обнаруживаются значительные различия, которые могут быть ошибками.

По словам Готшлиха, по мере того как MISIM совершенствуется и расширяет свои возможности по переводу простых инструкций на английском языке в программный код, каждый сможет создавать свои собственные программы.

«Создание небольших приложений для вашего телефона или подобных вещей поможет вам в повседневной жизни — я думаю, что это не так уж и далеко», — сказал Готшлих. «Мне бы хотелось, чтобы 8 миллиардов человек создавали программное обеспечение любым естественным для них способом».