مستخدم فليكر LNG0004
هزم لاعب بشري بشكل شامل نظام ذكاء اصطناعي يحتل المرتبة الأولى في لعبة اللوحة Go ، في انعكاس مفاجئ لانتصار الكمبيوتر لعام 2016 الذي كان يُنظر إليه على أنه علامة بارزة في صعود الذكاء الاصطناعي.
Kellin Pelrine ، اللاعب الأمريكي الذي هو بمستوى أقل من أعلى مرتبة للهواة ، تغلب على الآلة من خلال الاستفادة من عيب غير معروف سابقًا تم تحديده بواسطة كمبيوتر آخر. لكن المواجهة المباشرة التي فاز فيها بـ 14 من 15 مباراة جرت دون دعم كمبيوتر مباشر.
هذا الانتصار ، الذي لم يتم الإبلاغ عنه من قبل ، سلط الضوء على ضعف في أفضل برامج الكمبيوتر Go التي تشاركها معظم أنظمة الذكاء الاصطناعي المستخدمة على نطاق واسع اليوم ، بما في ذلك ChatGPT chatbot الذي أنشأته شركة OpenAI ومقرها سان فرانسيسكو.
تم اقتراح التكتيكات التي أعادت الإنسان إلى القمة على لوحة Go من قبل برنامج كمبيوتر قام بفحص أنظمة الذكاء الاصطناعي بحثًا عن نقاط الضعف. ثم تم تسليم الخطة المقترحة بلا رحمة من قبل بيلرين.
قال آدم جليف ، الرئيس التنفيذي لـ FAR AI ، شركة الأبحاث الكاليفورنية التي صممت البرنامج: “كان من السهل جدًا علينا استغلال هذا النظام”. وأضاف أن البرنامج لعب أكثر من مليون مباراة ضد KataGo ، أحد أفضل أنظمة Go-play ، للعثور على “نقطة عمياء” يمكن للاعب بشري الاستفادة منها.
قال بيلرين إن الإستراتيجية الفائزة التي كشف عنها البرنامج “ليست تافهة تمامًا ولكنها ليست صعبة للغاية” على الإنسان أن يتعلمها ويمكن أن يستخدمها لاعب متوسط المستوى للتغلب على الآلات. كما استخدم الطريقة للفوز ضد نظام Go آخر ، Leela Zero.
يأتي الانتصار الحاسم ، وإن كان بمساعدة التكتيكات التي اقترحها الكمبيوتر ، بعد سبع سنوات من ظهور الذكاء الاصطناعي في الصدارة على البشر في ما يُعتبر غالبًا أكثر ألعاب الطاولة تعقيدًا.
هزم نظام AlphaGo ، وهو نظام ابتكرته شركة الأبحاث DeepMind المملوكة لشركة Google ، بطل العالم Go Lee Sedol بأربع مباريات مقابل واحدة في عام 2016. وعزا Sedol تقاعده من Go بعد ثلاث سنوات إلى صعود الذكاء الاصطناعي ، قائلاً إنه “كيان . ” لا يمكن هزيمته “. AlphaGo ليس متاحًا للجمهور ، لكن الأنظمة التي سادت Pelrine ضدها تعتبر على قدم المساواة.
في لعبة Go ، يقوم لاعبان بوضع حجارة سوداء وبيضاء بالتناوب على لوحة مميزة بشبكة 19 × 19 ، في محاولة لتطويق أحجار الخصم وإحاطة أكبر قدر من المساحة. يعني العدد الهائل من التركيبات أنه من المستحيل على الكمبيوتر تقييم جميع الحركات المستقبلية المحتملة.
تضمنت التكتيكات التي استخدمها بيلرين توتير “حلقة” كبيرة من الحجارة معًا ببطء لتطويق إحدى مجموعات خصمه ، مع تشتيت انتباه الذكاء الاصطناعي بحركات في زوايا أخرى من اللوحة. قالت بيلرين إن روبوت Go-play لم يلاحظ ضعفها ، حتى عندما كان التطويق شبه مكتمل.
وأضاف: “كإنسان سيكون من السهل جدًا اكتشافه”.
قال ستيوارت راسل ، أستاذ علوم الكمبيوتر بجامعة كاليفورنيا ، بيركلي ، إن اكتشاف ضعف في بعض أكثر آلات اللعب تقدمًا يشير إلى خلل أساسي في أنظمة التعلم العميق التي تدعم الذكاء الاصطناعي الأكثر تقدمًا اليوم.
وأضاف أن الأنظمة يمكنها “فهم” مواقف محددة فقط تعرضت لها في الماضي وغير قادرة على التعميم بطريقة يجدها البشر سهلة.
قال راسل: “يُظهر ذلك مرة أخرى أننا كنا متسرعين للغاية في إسناد مستويات خارقة من الذكاء إلى الآلات”.
وفقًا للباحثين ، فإن السبب الدقيق لفشل أنظمة Go-play هو مسألة تخمين. قال جليف إن أحد الأسباب المحتملة هو أن التكتيك الذي استغله بيلرين نادرًا ما يستخدم ، مما يعني أن أنظمة الذكاء الاصطناعي لم يتم تدريبها بشكل كافٍ على ألعاب مماثلة لإدراك أنها كانت ضعيفة.
وأضاف أنه من الشائع العثور على عيوب في أنظمة الذكاء الاصطناعي عندما تتعرض لنوع من “الهجوم العدائي” المستخدم ضد أجهزة الكمبيوتر التي تعمل بنظام Go-play. على الرغم من ذلك ، “نحن نرى أشياء كبيرة جدًا [AI] يتم نشرها على نطاق واسع مع القليل من التحقق “.
حقوق النشر The Financial Times Limited 2023 © 2023 The Financial Times Ltd. جميع الحقوق محفوظة. يرجى عدم نسخ ولصق مقالات FT وإعادة التوزيع عبر البريد الإلكتروني أو النشر على الويب.
