Isang ordinaryong manlalaro, at hindi kahit sa pinakamataas na antas, ang natalo sa nangungunang sistema artipisyal na katalinuhan sa board game na Go, na naging sorpresa, dahil ang tagumpay na napanalunan ng computer noong 2016 ay itinuturing na isang mahalagang milestone sa pagbuo ng artificial intelligence.
Sinamantala ni Kellyn Pelrin, isang Amerikanong baguhang manlalaro, ang isang depekto sa system na dati nang natuklasan ng… isa pang computer at nanalo ng 14 sa 15 laro. Itinampok ng tagumpay na ito ang kahinaan ng pinakamahuhusay na programa sa computer para sa laro ng Go na mayroon ang karamihan sa mga modernong AI system, kabilang ang kasumpa-sumpa na chatbot Chat GPT, nilikha ng OpenAI.
Ang panalong taktika ay inaalok, sapat na kabalintunaan, ng isa pang programa sa kompyuter na nag-explore ng mga artificial intelligence system sa paghahanap ng mga mahihinang punto. "Nakakagulat na madali para sa amin na gamitin ang system," sabi ni Adam Gleave, punong ehekutibo ng kumpanya ng pananaliksik na nakabase sa California na FAR AI, na bumuo ng programa. Ang programa ay kailangang maglaro ng higit sa isang milyong laro laban sa isa sa pinakasikat na Go system, ang KataGo, upang mahanap ang tinatawag na "blind spot," aniya. Ayon kay Pelrin, ang diskarte na natuklasan ng programa ay "hindi ganap na walang kabuluhan, ngunit hindi rin napakahirap", kaya ang isang karaniwang tao ay lubos na may kakayahang makabisado ito.
Dumating ang tagumpay pitong taon matapos lumitaw ang AI upang patunayan ang hindi mapag-aalinlanganang kahusayan nito sa mga tao sa madalas na itinuturing na pinakamahirap na diskarte sa board game. Ang AlphaGo system na binuo ng kumpanya Deepmind, na pag-aari ng Google, ay tinalo ang world champion na si Lee Sedol 2016-4 noong 1. Noong 2019, ang manlalaro ng South Korea ay tumigil sa paglahok sa mga kumpetisyon dahil mismo sa pag-unlad ng AI - ipinahayag niya na hindi na siya matatalo ng isang tao. Well, medyo tumalon si Lee Sedol sa mga konklusyon.
Sa laro ng go, dalawang manlalaro ang humalili sa paglalagay ng mga itim at puting piraso sa isang board na may markang 19x19 grid, sinusubukang palibutan ang mga piraso ng kalaban at sakupin ang pinakamalaking lugar. Ang malaking bilang ng mga kumbinasyon ay nangangahulugan na ang computer ay hindi talaga kayang suriin ang lahat ng mga potensyal na galaw sa hinaharap. Isang taktika na ginamit ni Pelrin ay ang dahan-dahang pagtali ng isang malaking "loop" ng mga bato upang palibutan ang isa sa mga grupo ng kalaban, na nakakagambala. AI gumagalaw sa ibang sulok ng pisara. At hindi napansin ng bot ang kahinaan kahit na halos kumpleto na ang pagkubkob. "Ngunit medyo madali para sa isang tao na mapansin ito," dagdag ng manlalaro.
Kawili-wili din:
Ang pagtuklas ng kahinaan sa ilan sa mga makabagong Go machine ay tumutukoy sa isang pangunahing depekto sa malalim na mga sistema ng pag-aaral na sumusuporta sa makabagong AI. Gaya ng sabi ni Stuart Russell, isang propesor ng computer science sa Unibersidad ng California sa Berkeley, ang mga system ay maaari lamang "maunawaan" ang mga partikular na sitwasyon na kanilang naranasan sa nakaraan, at hindi nagagawang gawing pangkalahatan ang lahat sa paraang magagawa ng isang tao. "Ito ay nagpapakita na muli na tayo ay masyadong nagmamadali sa pag-uukol ng superhuman intelligence sa mga makina," sabi ni Russell.
Malamang na ang mga taktika na ginamit ng Pelrin ay bihirang ginagamit, ibig sabihin, ang mga AI system ay hindi pa nasanay sa sapat na katulad na mga laro upang "maunawaan" ang kanilang mga kahinaan.
Kawili-wili din: