Igra go i umjetna inteligencija Prof. dr. sc. Damir Medak Sveučilište u Zagrebu, Geodetski fakultet damir.medak@geof.hr Knjižnice Grada Zagreba – „Eppur si muove” Zagreb, 28.2.2018.
Što je go? • Go (igo u Japanu, weiqi u Kini, baduk u Koreji) je najstarija misaona igra s nepromijenjenim pravilima. • Nastao je u Kini prije više od 4000 godina, prelaskom u Japan u 6. stoljeću dobiva status uzvišene dvorske vještine.
3/5/2018
Igra go i umjetna inteligencija
2
Albert Einstein i go • „If I had learned go as a young man, I might have been a smart man.”
3/5/2018
Igra go i umjetna inteligencija
3
„A Bautiful Mind”, 2001 • John Nash (19282015), matematičar • 1994. dobio Nobelovu nagradu za primjenu teorije igara u ekonomiji
3/5/2018
Igra go i umjetna inteligencija
4
3/5/2018
Igra go i umjetna inteligencija
5
Zašto učiti igrati go? • Go razvija: – pažnju, memoriju i logičko zaključivanje, – kreativnost i sposobnost rješavanja problema, – planiranje i organizaciju vremena, – kritičko razmišljanje, procjenu situacije i samostalno donošenje odluka, – samokritičnost, poštivanje protivnika.
3/5/2018
Igra go i umjetna inteligencija
6
Go i mozak • Suzbijanje Alzheimerove bolesti, demencije, depresije. • Aktivira i lijevu i desnu stranu mozga.
3/5/2018
Igra go i umjetna inteligencija
7
Jednostavna pravila – beskrajne mogućnosti • Go se igra na ploči dimenzija 19x19. • Na početku igre ploča je prazna. • Igrači postavljaju naizmjence po jedan crni odnosno bijeli “kamenčić”. • Postavljeni kamenčići se ne mogu kretati. • Cilj igre je “ograditi” više prostora od suigrača. • Broj kombinacija prevelik je i za najmodernija računala. 3/5/2018
Igra go i umjetna inteligencija
8
Uzimanje (zarobljavanje) • Postavljanjem „kamenčića” na kružić, bijeli „zarobljavaju” 1 odnosno 2 crna kamenčića, koji se moraju ukloniti s ploče. • Postavljanjem kamenčića na kružić crni zarobljava 3 odnosno 1 bijeli kamenčić. 3/5/2018
Igra go i umjetna inteligencija
9
Geodezija i go • Pojednostavljeno, geodezija je znanost o izmjeri Zemljine površine. • Crni i bijeli kamenčićima označavaju „svoj” dio „zemljišta”.
3/5/2018
Igra go i umjetna inteligencija
10
Go – igra granica • Crni i bijeli kamenčićima utvrđuju granice „svojih” djelova prostora na ploči. • Čini se da je lijevi prostor malo veći od desnog i da je crni pobjednik!
3/5/2018
Igra go i umjetna inteligencija
11
Rezultat • Ako je zarobljenika bilo, vrate se protivniku. • Površina se računa brojanjem praznih sjecišta ograđenih kamenčićima iste boje. • Crni: 28 sjecišta • Bijeli: 27 sjecišta • Veća „parcela” = pobjeda
3/5/2018
Igra go i umjetna inteligencija
12
Veliki brojevi i go • Broj atoma u svemiru: ≈ 1080 • Googol: 10100 • Shannonov broj 10120 – broj mogućih šahovskih partija • Broj mogućih pozicija u gou: 3361 ≈ 10172 • Broj „jednostavnih” partija goa: 361! ≈ 10768 100 Googol 10 • Googolplex: 10 = 10 171 • Teorijski broj različitih partija goa: 1010 3/5/2018
Igra go i umjetna inteligencija
13
Do 2016. godine … • Go je jedina igra u kojoj računala još nisu nadvladala ljudski um i predstavlja najveći izazov za umjetnu inteligenciju. • Što se tiče šaha – podsjetimo se …
3/5/2018
Igra go i umjetna inteligencija
14
DeepBlue – Kasparov, svibanj 1997.
3/5/2018
Igra go i umjetna inteligencija
15
revolucija 2016. • Google DeepMind AlphaGo pobjeđuje prvaka Europe rezultatom 5:0 • 26.1.2016. naslovnica najpoznatijeg znanstvenog časopisa prikazuje - go 3/5/2018
Igra go i umjetna inteligencija
16
Povijesni meÄ?, oĹžujak 2016.
3/5/2018
Matematika i go
17
Dvije neuronske mreĹže
3/5/2018
Igra go i umjetna inteligencija
18
AlphaGo vs. Lee Sedol 4-1
3/5/2018
Igra go i umjetna inteligencija
19
„Budućnost goa”, svibanj 2017.
3/5/2018
Igra go i umjetna inteligencija
20
AlphaGo vs. Ke Jie 3-0
3/5/2018
Igra go i umjetna inteligencija
21
„DeepBlue je bio kraj, AlphaGo je početak.”
3/5/2018
Igra go i umjetna inteligencija
22
Dodatak 1: Aplikacije • Aplikacije za igranje goa na internetu: – On-line go server (https://online-go.com/) – KGS Go Server (http://www.gokgs.com) – Pandanet IGS server (http://pandanetigs.com/communities/pandanet) • Android (Google Play – Tetsuki) • iPhone (App store – Pandanet (go))
• Ili bez interneta: • Hactar Go (Google Play)
3/5/2018
Igra go i umjetna inteligencija
23
Dodatak 2: Crtić i filmovi • Hikaru No Go – poučan japanski strip i crtić (75 epizoda) koji je drastično povećao popularnost goa u svijetu: http://www.watchcartoononline.com/anime/ hikaru-no-go-english-subbed-episodes
• Odlično objašnjenje pravila (4 desetminutna filmića): https://www.youtube.com/watch?v=gECcsSeRcNo (lako ga je naći kao „Video Tutorial for the Game of Go”) • https://www.youtube.com/watch?v=p0ogSVlAhRc • https://www.youtube.com/watch?v=uce0eHOrO7w (uključuje isječak iz filma „A Beautiful Mind”) 3/5/2018
Igra go i umjetna inteligencija
24
Dodatak 3: Za kraj (ili novi početak) • • • •
Wikipedija: https://en.wikipedia.org/wiki/Go_(game) Interaktivni uvod u go: http://www.playgo.to/iwtg/en/ Isto to na hrvatskom: http://skola.higou.hr/ „Go Child” - interaktivna „igrica” za djecu i odrasle: https://gochild2009.appspot.com/?locale=en_US • Sve o gou: http://senseis.xmp.net/?PagesForBeginners
3/5/2018
Igra go i umjetna inteligencija
25
Eppur si muove: “Igra go i umjetna inteligencija”
Umjetna inteligencija ˇ Jan Snajder Sveuˇ ciliˇste u Zagrebu Fakultet elektrotehnike i raˇ cunarstva
28. veljaˇce 2018.
Creative Commons Imenovanje–Nekomercijalno–Bez prerada 3.0
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
v1.0
28. veljaˇ ce 2018.
1 / 54
Ve´cina u nastavku slajdova preuzeta je iz slajdova za predmete “Umjetna inteligencija” i “Strojno uˇcenje”, ˇ prof. dr. sc. Bojana Dalbelo Baˇsi´c i izv. prof. dr. sc. Jan Snajder UNIZG FER
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
2 / 54
Rane sanjarske ideje
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
3 / 54
Stroj za ˇsah 1770. godine Wolfgang von Kempelen konstruirao je automat koji igra ˇsah i izvodi konji´cev obilazak Automat je izlagan i demonstriran 80 godina po Europi i Americi Vjeˇsto konstruirana mehaniˇcka iluzionistiˇcka naprava
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
4 / 54
Robot ˇ Godine 1921. ˇceˇski pisac Karel Capek napisao je dramu R. U. R. (Rossum’s Universal Robots) Robot (ˇceˇski robota) – rad, prisilan rad
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
5 / 54
Isaac Asimov: “Ja, robot”, 1942. Three Robot Laws: 1
A robot may not injure a human being or, through inaction, allow a human being to come to harm
2
A robot must obey any orders given to it by human beings, except where such orders would conflict with the First Law
3
A robot must protect its own existence as long as such protection does not conflict with the First or Second Law I, Robot (20th Century Fox, 2004)
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
6 / 54
Raˇcunala i elektroniˇcki mozak 1945. godine razvijen je ENIAC, prvo elektroniˇcko raˇcunalo U poˇcetku razvoja raˇcunala smatralo se da su raˇcunala istovjetna elektroniˇ ckom mozgu
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
7 / 54
Danas
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
8 / 54
Neuronsko prevodenje
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
9 / 54
Google AlphaGo: Go je pao Oˇzujak 2016.: AlphaGo pobjeduje svjetskog prvaka Lee Sedola 4:1 Dvije duboke neuronske mreˇze (DNN), trenirane da predvidaju idu´ci potez i smanje prostor pretraˇzivanja Pojaˇcano uˇcenje kao nadogradnja na DNN, za uˇcenje strategije igranja, treniranjem sustava da igra sam protiv sebe Za igranje koristi 40 dretvi, 48 CPU-a, i 8 GPU-a. Za treniranje koristi 40 dretvi, 1202 CPU-a i 176 GPU-a
The https://www.youtube.com/watch?v=SUbqykXVx0A ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
10 / 54
Zaˇsto je umjetna inteligencija izazovna?
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
11 / 54
Deep Blue vs. Garry Kasparov (1) 1997. godine raˇcunalo Deep Blue (IBM) pobijedilo je svjetskog ˇsahovskog prvaka Garryja Kasparova Je li Deep Blue inteligentan?
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
12 / 54
Deep Blue vs. Garry Kasparov (2)
200,000,000 ˇsahovskih pozicija u sekundi Posjeduje malo znanja o ˇsahu, ali ogromnu sposobnost izraˇcunavanja Stroj nema osje´ caje niti intuiciju, ne zaboravlja, ne moˇze se zbuniti niti osje´cati neugodno
3 ˇsahovske pozicije u sekundi Posjeduje mnogo znanja o ˇsahu, ali bitno manju sposobnost izraˇcunavanja Ima osje´caje i istanˇ canu intuiciju, ali moˇze osje´cati umor i dosadu te gubiti koncentraciju
Pretraˇzivanje velikog broja mogu´cih kombinacija ne zahtijeva inteligenciju! ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
13 / 54
Deep Blue vs. Garry Kasparov (3)
Deep Blue ne uˇ ci, pa ne moˇze iskoristiti umjetnu inteligenciju da bi nauˇcio od svog protivnika Deep Blue nevjerojatno uˇcinkovito rjeˇsava probleme iz domene ˇsaha, no manje je “inteligentan” ˇcak i od malog djeteta
ˇ Jan Snajder (UNIZG FER)
Garry Kasparov moˇze uˇciti i brzo se prilagoditi na temelju svojih uspjeha i pogreˇsaka Garry Kasparov je op´cenito vrlo inteligentan. Autor je nekoliko knjiga i govori mnoge jezike
Umjetna inteligencija
28. veljaˇ ce 2018.
14 / 54
Deep Blue vs. Garry Kasparov (4)
Izmjene u naˇcinu igre mogu napraviti samo ˇclanovi razvojnog tima, i to tek nakon igre Deep Blue je vrlo vjeˇst u procjeni ˇsahovskih pozicija, no nije u stanju procijeniti slabosti svoga protivnika Deep Blue mora provesti temeljito pretraˇzivanje svih mogu´cih pozicija da bi odredio optimalni potez
ˇ Jan Snajder (UNIZG FER)
Garry Kasparov u svakom trenutku moˇ ze promijeniti svoj naˇcin igre Garry Kasparov je vjeˇst u procjeni svoga protivnika, i u iskoriˇstavanju protivnikovih slabosti Garry Kasparov je sposoban selektivno pretraˇ zivati da bi odredio sljede´ci potez
Umjetna inteligencija
28. veljaˇ ce 2018.
15 / 54
Pretraˇzivanje prostora stanja Rjeˇsavanje ovakvih teˇskih problema iziskuje pretraˇ zivanje velikog prostora stanja U prosjeku je mogu´ce napraviti 35 razliˇcitih poteza Da bi se na majstorskoj razini igrao ˇsah, potrebno je pretraˇzivati 8 koraka unaprijed, ˇsto znaˇci da treba ispitati oko 358 ili 2 · 1012 stanja
Kombinatorna eksplozija Broj kombinacija raste eksponencijalno u svakom koraku (“netraktabilan problem”)
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
16 / 54
Pretraˇzivanje prostora stanja
ˇ je razmjerno jednostavan – faktor grananja je 35, a pravila igre Sah stanu na jednu stranicu Znatno sloˇzenije: interpretacija reˇcenice prirodnog jezika
Viˇseznaˇcnost prirodnog jezika John saw a boy and a girl with a red wagon with one blue and one white wheel dragging on the ground under a tree with huge branches. Ova reˇcenica moˇze imati 8064 tumaˇcenja – viˇseznaˇcna je i za ljude!
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
17 / 54
Razumijevanje prirodnog jezika
Flying planes can be dangerous. (Flying planes is dangerous or Flying planes are dangerous) The man tried to take a picture of a man with a turban. (Did the man try to take a picture with a turban, or take a picture of a man who is wearing a turban?) The man saw the boy with the telescope. Prevodenje i komunikacija prirodnim jezikom podrazumijeva op´ ce znanje i razumijevanje konteksta pomo´cu kojih se razrjeˇsavaju viˇseznaˇcnosti
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
18 / 54
Strojno prevodenje Strojno prevodenje jedan je od najteˇzih zadataka umjetne inteligencije, odnosno obrade prirodnog jezika kao njezine podgrane I have a dream, that my four little children will one day live in a nation where they will not be judged by the color of their skin but by the content of their character. I have a dream today – Martin Luther King Prijevod engleski → ˇspanjolski → engleski: I am a sleepy, that my four small children a day of alive in a nation in where they will not be judged by the color of its skin but by the content of its character. I am a sleepy today.
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
19 / 54
IBM Watson – projekt DeepQA
16.2.2011.: Superraˇcunalo IBM Watson pobijedilo je u igri Jeopardy najbolje ljudske natjecatelje i osvojilo $35.734 Napredni postupci obrade prirodnog jezika, prikazivanja znanja, zakljuˇ civanja i pretraˇ zivanja informacija ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
20 / 54
Zadatci teˇski za raˇcunalo, a jednostavni za ˇcovjeka Razumijevanje prirodnog jezika Zdravorazumsko zakljuˇcivanje (engl. common sense reasoning) Raspoznavanje uzoraka, razumijevanje slike i dinamiˇcke scene Kretanje i navigacija Zadatci koju ukljuˇcuju kreativnost ... ˇ Cinjenica je: mi puno toga znamo.
UI-potpuni problemi (AI-complete problems) Raˇcunalni problemi ˇcija je sloˇzenost istovjetna rjeˇsavanju srediˇsnjeg problema umjetne inteligencije: izgradnji stroja inteligentnog koliko i ˇcovjek
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
21 / 54
ˇ je umjetna inteligencija i kako ju mjeriti? Sto
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
22 / 54
ˇ je umjetna inteligencija? Sto Grana raˇcunarske znanosti: Tehniˇ cke znanosti → Raˇ cunarstvo → Umjetna inteligencija Podruˇcja umjetne inteligencije (prema Association of Computing Machinery, ACM): 1 2 3 4 5 6 7 8
9 10 11
Op´ce podruˇcje (kognitivno modeliranje, filozofske osnove) Ekspertni sustavi i primjene Automatsko programiranje Dedukcija i dokazivanje teorema Formalizmi i metode prikaza znanja Strojno uˇcenje Razumijevanje i obrada prirodnih i umjetnih jezika Rjeˇsavanje problema, metode upravljanja i metode pretraˇzivanja prostora stanja Robotika Raˇcunalni vid, raspoznavanje uzoraka i analiza scena Raspodijeljena umjetna inteligencija
http://www.acm.org/about/class/ccs98-html#I.2 ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
23 / 54
Definicija umjetna inteligencije
D. W. Patterson (1990.) “Umjetna inteligencija grana je raˇcunarske znanosti koja se bavi prouˇcavanjem i oblikovanjem raˇcunarskih sustava koji pokazuju neki oblik inteligencije. Takvi sustavi mogu uˇciti, mogu donositi zakljuˇcke o svijetu koji ih okruˇzuje, oni razumiju prirodni jezik te mogu spoznati i tumaˇciti sloˇzene vizualne scene te obavljati druge vrste vjeˇstina za koje se zahtijeva ˇ covjekov tip inteligencije.”
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
24 / 54
Mogu li strojevi misliti?
Alan Turing, Can machines think? (1950.) “I believe that in about fifty years’ time it will be possible to program computers to make them play the imitation game so well that an average interrogator will not have more than 70 per cent chance of making the right identification after five minutes of questioning.”
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
25 / 54
Ispitivanje inteligencije Alan Turing u u ˇcasopisu Mind, ˇclanku “Computing Machinery and Intelligence” (1950.) predloˇzio je operacionalizaciju pitanja “mogu li strojevi razmiˇsljati” Pitanje “Mogu li strojevi razmiˇsljati?” zamijeniti pokusom “igra oponaˇsanja” Pokus usporeduje performanse pretpostavljenog inteligentnog stroja i ˇcovjeka na temelju nekog skupa upita
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
26 / 54
Turingov test
U igru su ukljuˇcena tri sudionika s razliˇcitim ciljevima: A, B (ispitanici) i C (ispitivaˇc). A i B su suprotnih spolova
Cilj igraˇ ca C: postavljanjem pitanja odrediti spol ispitanika Cilj igraˇ ca B: pomo´ci ispitivaˇcu C Cilj igraˇ ca A: navesti ispitivaˇca C na pogreˇsnu identifikaciju Pokus se ponavlja i mjeri se uspjeˇsnost ispitivaˇca C
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
27 / 54
Turingov test ˇ ´ce se dogoditi ako stroj preuzme ulogu igraˇca B? Sto Ho´ce li ispitivaˇc C uˇciniti jednak broj pogreˇsaka kao kada u igri sudjeluju muˇskarac i ˇzena? Turing: Ako je broj pogreˇsaka jednak, onda je stroj inteligentan Standardna varijanta: ispitivaˇc C treba razabrati ˇcovjeka od stroja
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
28 / 54
Turingov test
Q: Koje bi sposobnosti (inteligentan) stroj trebao imati, a da prode TT? obrada prirodnog jezika prikaz (predstavljanje) znanja automatsko zakljuˇcivanje uˇcenje Turing je predvidao da ´ce do 2000. raˇcunala (s oko 120 MB memorije) imati 30% ˇsanse zavarati ljude
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
29 / 54
Nedostatci Turingovog testa Ljudska vs. op´ca inteligencija (ljudi se ponekad ponaˇsaju neinteligentno, a inteligentno ponaˇsanje ne mora nuˇzno biti ljudsko) Prava vs. simulirana inteligencija (filozofski protuargument ponaˇsajno-orijentiranoj UI) Naivnost ispitivaˇca (dokazano u sluˇcaju ELIZA-bota) Irelevantnost testa
Irelevantnost testa Udˇzbenici aeronautike cilj aeronautike ne definiraju kao: “Izgradnja strojeva koji lete tako sliˇcno golubovima da mogu prevariti druge golubove”
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
30 / 54
Loebnerova nagrada 1990. godine ustanovljena je Loebnerova nagrada: $100,000 i zlatna medalja za prvi razgovorni program (chatbot) ˇciji se odgovori ne budu razlikovali od ˇcovjekovih Kontroverzno natjecanje upitne koristi za UI Glavna nagrada joˇs uvijek nije osvojena Dobitnici nagrade za “program najsliˇcniji ˇcovjeku”: I I I I I I I I I
2014, Bruce Wilcox: Rose 2013. Stephen Worswick: Mitsuku 2012. Mohan Embar: Chip 2011., 2010. Bruce Wilcox: Suzette 2009. David Levy: Do-Much-More 2008. Fred Roberts: Elbot 2007. Robert Medeksza: Ultra Hal 2006. Rollo Carpenter: Joan 2005. Rollo Carpenter: George
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
31 / 54
Eugene Goostman Chatbot koji simulira trinaestogodiˇsnjeg djeˇcaka iz Ukrajine U natjecanju 2014. (godiˇsnjica Turingove smrti), uvjerio je 33% sudaca da je ˇcovjek Kontroverza: je li TT poloˇzen?
Interview: http://time.com/2847900/eugene-goostman-turing-test/ ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
32 / 54
Winogradova shema Winograd Schema Challenge
Zadatci razrjeˇsavanja anafore koji iziskuju op´ce znanje i zdravorazumsko zakljuˇcivanje The city councilmen refused the demonstrators a permit because they feared/advocated violence. Iskljuˇcuje “previˇse jednostavne” zadatake (temeljene na selekcijskim restrikcijama): The women stopped taking pills because they were pregnant/carcinogenic.
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
33 / 54
Kratka povijest umjetne inteligencije
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
34 / 54
Poˇcetak: 1943. – 1952. 1943. J. McCulloch, W. Pitts: model umjetnog neurona 1949. D. Hebb: pravilo za modificiranje veze izmedu dva neurona 1951. Minsky i Edmons: prva neuronsku mreˇzu od 40 neurona (vakumske cijevi) 1950. A. Turing: Turingov test, strojno uˇcenje, genetiˇcki algoritmi, podrˇzano uˇcenje
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
35 / 54
Naziv “umjetna inteligencija” (1) Dartmouth Conference (Hanover, New Hampshire), 1956. “. . . The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves.” (McCarthy et al. 1955) “We think that a significant advance can be made in one or more of these problems if a carefully selected group of scientists work on it together for a summer.”
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
36 / 54
1952. – 1969. Rani entuzijazam, velika oˇcekivanja (1)
1952. A. Samuel: igra dame, program koji uˇci 1956. Newell, Shaw i Simon: Logic Theorist (LT) – skra´ceni dokaz teorema iz knjige Principia Mathematica 1957. Newel & Simon: GPS, prvi program koji je utjelovio ljudski naˇcin razmiˇsljanja 1958. J. McCarthy: LISP 1960.–1962. Widrow i Hoff: Adaline 1962. F. Rosenblatt: dokaz konvergencije perceptrona
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
37 / 54
1952. – 1969. Rani entuzijazam, velika oˇcekivanja (2) 1965. Joseph Weizenbaum – razgovorni program ELIZA 1965. Robinson – pravilo rezolucije 1966. Quillian – semantiˇcke mreˇze 1969. Minsky, Papert: “Perceptrons” – ograniˇcenje neuronske mreˇze
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
38 / 54
1970. – 1979. Sustavi temeljeni na znanju
DENDRAL, Fiegenbaum, Buchanan (Stanford) – sustav temeljen na znanju zakljuˇcuje o molekularnim strukturama organskih spojeva na temelju spektroskopije masa – 450 pravila MYCIN, Shortliffe (Stanford), 550 pravila, razliˇcit od DENDRALA: nema teorijskog modela kao podlogu, uvodenje faktora izvjesnosti Napredak u obradi prirodnog jezika PROLOG – logiˇcki programski jezik popularan u Europi 1975. Minsky, teorija okvira (frames)
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
39 / 54
1980. – 2010.
1980 – UI je industrija! (od nekoliko milijuna dolara u 1980. do milijardu dolara u 1988.) 1982 McDermott – DEC R1 ekspertni sustav 1980-ih – Povratak neuronskih mreˇza (Werbos – algoritam backpropagation) Inteligentni agenti (agent – percepcija okoline kroz senzore i djelovanje na sredinu kroz akcije) Robotika Strojno uˇcenje
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
40 / 54
2010. – danas Era dubokog uˇcenja (deep learning) Duboko uˇcenje – uˇcenje viˇseslojnih apstrakcija podataka kroz viˇseslojne neuronske mreˇze Strojno uˇcenje na velikim koliˇcinama podataka Veliki napretci u raˇcunalnom vidu, obe´cavaju´ci napretci u obradi prirodnog jezika
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
41 / 54
Zime umjetne inteligencije
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
42 / 54
AlphaGo Zero
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
43 / 54
Igranje kao pretraˇzivanje stanja AlphaGo Fan: pobjedio europskog prvaka Fain Huia (listopad 2015.) I
I
I
I
Dvije duboke neuronske mreˇ ze: jedna za odabir poteza (politika) druga za procjenu vrijednosti stanja Prvom se prostor pretraˇzivanja suzuje na visokovjerojatne poteze, a drugom (u kombinaciji s MCTS) se vrednuju stanja u stablu igre Uˇcenje modela na temelju poteza struˇ cnjaka i podrˇ zanim uˇ cenjem (reinforcement learning) u igri modela protiv sebe samoga AlphaGo Fan je u igri protiv Fan Huia evaluirao tisu´cu puta manje poteza nego Deep Blue u igri protiv Kasparova!
AlphaGo Lee: sliˇcan algoritam, pobijedio Lee Sedola (oˇzujak 2016.) AlphaGo Zero: I
I I I
Model uˇcen samo podrˇzanim uˇcenjem u igrama protiv samoga sebe, krenuvˇsi od sluˇcajne strategije (tabula rasa), bez ikakvog nadzora struˇcnjaka! Jednostavniji model (samo jedna duboka neuronska mreˇza) Jednostavnije i uˇcinkovitije pretraˇzivanje prostora stanja Ostvaruje nadljudsku uˇcinkovitost: 100:0 protiv AlphaGo Lee
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
44 / 54
Igranje kao pretraˇzivanje stanja Problem pretraˇzivanja prostora stanja s protivnikom U svakom stanju potrebno je donijeti optimalnu odluku o sljede´cem potezu, tj. treba prona´ci optimalnu strategiju Fokusirajmo se na deterministiˇ cke igre s dva igraˇ ca, potpunom informacijom i sumom nula
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
45 / 54
Stablo igre
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
46 / 54
Optimalna strategija Optimalna strategija igraˇca MAX je strategija koja mu donosi najve´ci dobitak, uz pretpostavku da igraˇc MIN koristi istu strategiju Svaki igraˇc koristi strategiju koja minimizira maksimalan gubitak
Da bismo odredili optimalnu strategiju onog igraˇca koji je upravo na redu, trebamo izraˇcunati minimaks-vrijednost korijenskog ˇcvora ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
47 / 54
Nesavrˇsene odluke U stvarnosti nemamo vremena potpuno pretraˇziti stablo sve do zavrˇsnih ˇcvorova Moramo donositi vremenski ograniˇ cene i nesavrˇsene odluke Pretraˇzivanje treba presje´ ci na odredenoj dubini d i napraviti procjenu vrijednosti isplatne funkcije uporabom heuristiˇ cke funkcije Vrijednost h(s) je procjena isplativosti stanja s za igraˇca MAX Npr. za ˇsah: zbroj vrijednosti igraˇcevih figura Heuristiˇcka funkcija ˇcesto je definirana kao teˇ zinska linearna kombinacija viˇse znaˇcajki: h(s) = w1 x1 (s) + w2 x2 (s) + · · · + wn xn (s) NB: Igraˇci tipiˇcno imaju razliˇcite heuristiˇcke funkcije (zato se i doimaju nepredvidivi) ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
48 / 54
Markov Chain Tree Search (MCTS)
Pretraˇzivanje stabla igre stohastiˇckom simulacijom
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
49 / 54
Markov Chain Tree Search (MCTS)
Silver et al. (2017). Mastering the game of Go without human knowledge. Nature vol. 550. https://deepmind.com/documents/119/agz_unformatted_nature.pdf
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
50 / 54
Kamo nas ovo vodi?
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
51 / 54
Uska UI vs. umjetna op´ca inteligencija (AGI)
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
52 / 54
Glavna pitanja
1
Kratkoroˇcni problemi: sigurnost, zakoni, oruˇzje, poslovi
2
Srednje/dugoroˇcni problemi: AGI, superinteligencija, singularnost?
3
UI i svijest (jaka UI)?
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
28. veljaˇ ce 2018.
53 / 54
Eppur si muove: “Igra go i umjetna inteligencija”
Umjetna inteligencija ˇ Jan Snajder Sveuˇ ciliˇste u Zagrebu Fakultet elektrotehnike i raˇ cunarstva
28. veljaˇce 2018.
Creative Commons Imenovanje–Nekomercijalno–Bez prerada 3.0
ˇ Jan Snajder (UNIZG FER)
Umjetna inteligencija
v1.0
28. veljaˇ ce 2018.
54 / 54
AlphaZero Prof. dr. sc. Damir Medak Sveučilište u Zagrebu, Geodetski fakultet damir.medak@geof.hr Knjižnice Grada Zagreba – „Eppur si muove” Zagreb, 28.2.2018.
AlphaZero – prosinac 2017. godine • AlphaZero ne koristi „ljudsko znanje”. • Dovoljna je jedna neuronska mreža. • Na temelju pravila igre, algoritam „potpunog početnika” u „vanzemaljskog velemajstora”.
AlphaZero uči šah za – 4 sata • Stockfish je najbolji šahovski program u 2017. godini. • Nakon 4 sata „samoučenja”: - 28 pobjeda, - 72 remija, - 0 poraza za AlphaZero.
AlphaZero uči go za – 40 dana
Manja potrošnja energije…
Veća efikasnost
„Infinite monkey theorem” – je li to sve bila slučajnost?