Watson – самая продвинутая модель искусственного интеллекта, на сегодняшний день. В далеком 1992 году, эта компьютерная программа принимала участие в телевизионной викторине, где её соперником выступал человек по имени Марти Брофи. Выбрав категорию «Время для рифмы» игрокам было предложено придумать вопрос, основываясь на подсказке «Удар ниже пояса». Мистер Брофи успешно справился с заданием и его вариантом стал: «What is low blow?» [low blow – удар ниже пояса в боксе]. В свою очередь компьютер пришел к спорному решению: «What is wang bang?» [wang bang – мужской онанизм].
В настоящий момент wang-bang-дни для суперкомпьютера Watson остались далеко позади: некоторое время назад искусственный интеллект успешно отыграл в популярную игру для эрудитов «Jeopardy!» [русский аналог: «Своя игра»]. Однако главной целью разработчиков является преодоление барьера, который преграждает путь к совершенству машины – Watson все ещё не «понимает» поведение и разговорный стиль человека, а распознает лишь язык машинного ввода. Технология, которая позволила бы сделать ИИ восприимчивым к речи человека стала бы священным Граалем в исследованиях искусственного интеллекта и дала возможность в корне изменить любую отрасль промышленности, где машины все ещё чужды к «естественному языку».
Неправда, что компьютер может одинаково хорошо играть во все игры. Для каждой области существуют различного рода алгоритмы, позволяющие роботам принимать правильные решения, и наиболее распространенным примером в этой области является создание искусственного интеллекта, не оставляющего человеку шансов на доске с шашками или шахматами. За десятилетия до того, как программа «Deep Blue» одержала победу над гроссмейстером Гари Каспаровым, создатели ботов предполагали, что для такого достижения машина должна научиться думать творчески и уметь использовать слабые места своего оппонента. Однако появление массивной вычислительной силы, судя по всему, устранило надобность в каких бы то ни было новшествах в области разработки ИИ.
«Вместо того, чтобы играть и думать как человек, с должным, творческим подходом и интуицией, многопроцессорный искусственный интеллект продолжает играть как машина, систематически оценивая 200 миллионов вероятных исходов в секунду и побеждая благодаря грубому числовому перебору», — прокомментировал Гарри Каспаров.
Один из разработчиков проекта Watson оспаривает точку зрения шахматного гроссмейстера, говоря, что стратегический элемент в алгоритмах Deep Blue — сыграл такую же важную роль, как его и вычислительные способности (кстати, один из разработчиков Deep Blue теперь работает в команде Watson). Но с уверенностью можно заявлять лишь единственное: технология, позволившая искусственному интеллекту одержать победу над человеком в рамках шахматного поля – далеко не революционна. Шахматы просто не являются правильным испытанием для проектировщиков ИИ. Существует ряд других игр, в которых машины являются весьма некомпетентными, и успех в которых мог бы означать великий прогресс в заданной области. Одной из таких игр является покер.
Может прозвучать неожиданно, но намного проще создать искусственный интеллект, способный одержать победу в викторине для эрудитов вроде «Jeopardy!», чем сконструировать машину, которая смогла бы на равных конкурировать с людьми за покерным столом. И это при том, что шоу-викторина может охватывать совершенно любые аспекты нашей планеты, в то время как покер основывается «лишь» на 52 дискретных величинах, которые взаимодействуют по вычисляемым вероятностям. Хороший игрок в NLHE обладает навыками подсчета потенциальных шансов на выигрыш, располагая информацией об уже открытых и имеющихся в колоде картах. Так почему же компьютер не может продемонстрировать не менее достойный результат?
Компьютеры невероятно хороши, если дело касается HU FL игр. В 2008 году, искусственный интеллект под названием «Polaris» выступил против команды профессиональных игроков, одержав две победы, потерпев одно поражение и сыграв одну партию вничью. Роботам намного труднее ориентироваться в среде NLHE: безлимитность ставок усложняет составление алгоритмов, что влияет на оптимальную стратегию поведения бота. Впрочем, исследователи с уверенностью заявляют – проблема «понимания» No Limit Texas Hold’em дисциплины, в скором времени, будет решена. В первую очередь, речь идет об HU играх, где исход отдельно взятой сдачи является предсказуемым для компьютера. Но когда за стол подсаживается третий игрок – ИИ полностью теряет контроль над своим «А+» покером.
«Для игр один на один у нас есть принципиально верные решения, благодаря которым, я гарантирую, мой робот не проиграет на дистанции, а каждая ошибка человека будет приносить невозвратимую прибыль на счет машины. HU покер это сугубо математический аспект игры», — говорит Майкл Боулин, глава Группы по Исследованиям Виртуального Покера (Computer Poker Research Group) из Университета Альберты. Данный факт говорит о том, что создание идеального алгоритма, благодаря которому бот сможет принимать самое выгодное решение за покерным столом независимо от окружающих факторов – возможно. Единственным удручающим аспектом остается то, что в ближайшее время компьютер не сможет извлекать ридсы из своего оппонента посредством «языка жестов».
Добавление третьего игрока за стол, для компьютера равносильно переходу из 2-D в 3-D измерение: концепция «правильное решение» для любой смоделированной ситуации выпадает из области решений искусственного интеллекта и деликатное стратегическое равновесие – рушится. Профессор Боулин описал один эксперимент, в рамках которого три бота оказались в логическом тупике из-за особенностей 3-max NLHE игры. Для этого одного из ботов переключили в режим «raise only» и ко всеобщему удивлению – постоянно повышающий ставки бот полностью обчистил своих оппонентов.
«Чтобы быть в состоянии грамотно реагировать на происходящее за покерным столом, нам необходимо обучить наших роботов оперировать с поведением игроков-оппонентов. Данная тема выходит за пределы области традиционной теории игр и не может быть решена числовым перебором в комплексе с принятием оптимального решения в стратегической плоскости, как это делал «шахматный» Deep Blue», — прокомментировал Майкл Боулин. Известно, что компьютер в состоянии обучаться в зависимости от действий и предпочтений своего оппонента. Программист и ученый из Университета Калифорнии – Леонард Клеинрок, в прошлом – студент небезызвестного Криса «Jesus» Фергюсона, говорит, что время, затрачиваемое конкретным игроком на принятие решения за покерным столом, в некоторых случаях, таит в себе полезную информацию. Для машин такой метод сбора данных об игроке может оказаться весьма полезным.
Ещё одной областью знаний, куда разработчики пытаются внедрить элемент искусственного интеллекта – экономика. Говоря об экономике, умение машин играть в покер все равно не отходит на второй план, а наоборот, становится ещё более важным навыком. Экономист Роджер Маккейн, обратился к группе ученых-программистов с просьбой о том, чтобы они попытались научить своих ботов играть в 3-card draw – дисциплину, более основанную на слабостях в стратегии людей, чем NLHE. Роджер предположил: поскольку и покер, и экономика функционируют в области инвестирования и управлениями рисками, то обучение искусственного интеллекта грамотной игре в некоторые виды покера поможет создать мощный инструмент для игры на финансовых рынках. В более широком смысле, понимание природы возникновения решений игроков за покерным столом – поможет роботам анализировать сдвиги в поведении людей, благодаря которым, например, можно будет предсказать – планирует ли кто-то продать свой дом, покупать государственные облигации или любые другие события.
Создание подобных программ это весьма крупное мероприятие и добиться успехов на этом поприще не получится, просто закрыв группу программистов и экономистов в одной комнате на месяц. Главным образом из-за того, что многие представители индустрии искусственного интеллекта считают, что разработать модель экономических прогнозов просто невозможно, потому как люди могут действовать уникально, в стратегическом плане, даже после рассмотрения тысячи вариантов. В области исследования экономической теории существует и более перспективное направление, именуемое как «ограничение рациональности», которое основывается на ограниченности человеческих способностей по вычислению. Впрочем, прежде чем быть полезным для программистов, данная область знаний нуждается в серьезной доработке.
Ирония заключается в том, что в отличие от игры в шашки и шахматы, идеал компьютерной программы успешно справляющейся с покером должен обладать теми качествами, которые были проигнорированы в процессе создания Deep Blue: машине необходимо играть как человеку. Безо всяких сомнений, первый компьютер, который сможет выиграть Национальный Чемпионат по HU Покеру будет основываться только на грубой вычислительной силе и методах перебора чисел. Кроме прочего, если повезет, робот распознает пару-тройку особенностей в стиле своего оппонента: кто он, какие ошибки делает чаще всего и в какие моменты наиболее уязвим. Быть может, совсем скоро, Watson’a пригласят на Poker After Dark, где своим компьютерным голосом он сможет объявить свой собственный, стратегически обдуманный, олл-ин.
Источник: http://www.pokeroff.ru
Комментарии