El campeón mundial Garry Kasparov derrotó a la computadora IBM Deep Blue en 1996, pero fue derrotado en 1997, perdiendo 4-2.
La victoria de 1997 de la computadora IBM Deep Blue sobre el gran maestro y campeón mundial Garry Kasparov se considera un hito triunfal en la historia de la tecnología, comparable al aterrizaje en la luna. Parece haber demostrado que las computadoras pueden vencer a los humanos en lo que se pensaba que era exclusivo de nosotros: el pensamiento 1 . Las tecnologías de IA simbólicas utilizadas por la computadora DeepBlue ahora se consideran obsoletas, especialmente para juegos más complejos como go, que se inventó en China hace dos mil quinientos años. Pero en 2016, el campeón mundial de Go, Lee Sedol, fue derrotado por el sistema de inteligencia artificial DeepMind AlphaGo de Google. El investigador y capitalista de riesgo Li Kaifu llamó a este evento "Momento Sputnik" para China 2: Él cree que fue esto lo que llevó a China a invertir miles de millones de dólares en investigación de IA para ponerse al día y quizás incluso superar a Estados Unidos. La victoria de AlphaGo ilustra el florecimiento de un nuevo paradigma de inteligencia artificial (aprendizaje profundo y redes neuronales) que está en el centro de la revolución actual de la inteligencia artificial.
¿Por qué los juegos como el ajedrez fueron tan importantes en la historia de la IA? Los pioneros de la investigación en inteligencia artificial, incluidos Herbert Simon, Allen Newell, John McCarthy y Marvin Minsky, vieron la inteligencia humana a través del prisma tradicional de la filosofía occidental, cuyas bases fueron sentadas por Aristóteles. Esta visión masculina y eurocéntrica de la inteligencia, arraigada en la separación cartesiana de la mente y el cuerpo, priorizó las habilidades cerebrales: lógica, matemáticas y habilidades de resolución de problemas a expensas de las formas de inteligencia corporales, emocionales, sociales y culturales. Creían que si la Razón (es decir, la Lógica) distingue al Hombre de la Bestia, entonces es la Lógica la que debería ser la base de la inteligencia.
Blaise Pascal fue un filósofo y matemático. En la década de 1640, inventó una máquina capaz de realizar adiciones para ayudar a su padre, un recaudador de impuestos.
Muchos filósofos y matemáticos occidentales, desde Blaise Pascal hasta George Boole y Bertrand Russell, han tratado de hacer la computación / lógica, que equipararon con el pensamiento mismo, matemáticamente más rigurosa (más "formal"), o dar el siguiente paso: mecanizarla. El propio Pascal hizo una máquina de computación para este propósito, y la culminación de este impulso del pensamiento occidental fue la invención de la computadora digital en el siglo XX. Los pioneros de la investigación de la IA en las décadas de 1950 y 1960 vieron los juegos como otra forma de que los humanos demostraran inteligencia resolviendo problemas. Si los investigadores de IA pudieran simular cómo lo hacen los jugadores, podrían automatizar este proceso. La rama de las matemáticas llamada teoría de juegos, aplicada a la economía y los asuntos militares, fue fundada por el matemático y pionero de la informática John von Neumann;proporcionó optimización de estrategias y algoritmos ampliamente utilizados en informática. El pionero de la investigación en IA, Herbert Simon, ha aplicado estas teorías tanto a la informática como a la economía (en la que ganó el Premio Nobel). Por lo tanto, la idea de que los juegos pueden modelar seriamente aspectos del mundo real fue fundamental para los primeros días de la informática. En particular, debido a que las primeras computadoras tenían dificultades para simular la complejidad del mundo real, los juegos se consideraban un "micromundo" simplificado cuyas limitaciones y reglas eran bien entendidas por las computadoras que hicieron posible un rápido progreso en la década de 1960.Por lo tanto, la idea de que los juegos pueden modelar seriamente aspectos del mundo real fue fundamental para los primeros días de la informática. En particular, debido a que las primeras computadoras tenían dificultades para simular la complejidad del mundo real, los juegos se consideraban un "micromundo" simplificado, cuyas limitaciones y reglas eran bien comprendidas por las computadoras que hicieron posible un rápido progreso en la década de 1960.Por lo tanto, la idea de que los juegos pueden modelar seriamente aspectos del mundo real fue fundamental para los primeros días de la informática. En particular, debido a que las primeras computadoras tenían dificultades para simular la complejidad del mundo real, los juegos se consideraban un "micromundo" simplificado cuyas limitaciones y reglas eran bien entendidas por las computadoras que hicieron posible un rápido progreso en la década de 1960.
La máquina de ajedrez Turok de Wolfgang von Kempelen, controlada por un jugador vivo escondido en el interior.
El ajedrez, en particular, ha sido históricamente considerado el pináculo de la actividad intelectual en Occidente. Fue un juego intelectual asociado a la lógica y la estrategia. Piense en el Sr. Spock de Star Trekderrotar a jugadores humanos en ajedrez 3D. Incluso en el siglo XVIII, la élite europea estaba fascinada por la idea de máquinas capaces de jugar al ajedrez. Wolfgang von Kempelen se hizo famoso por su "Mechanical Turk", una máquina de ajedrez hecha para la emperatriz austriaca María Teresa y que derrotó a Benjamín Franklin y Napoleón. Más tarde resultó que el "Turk" era falso y un jugador en vivo se escondía dentro de él; sin embargo, golpeó la imaginación de Edgar Allan Poe y Charles Babbage. El interés por el ajedrez como indicador de inteligencia se extendió a los matemáticos que sentaron las bases de la teoría de la computación en el siglo XX: Alan Turing, Claude Shannon, John von Neumann, Norbert Wiener y, por supuesto, los pioneros de AI Herbert Simon, Allen Newell y John McCarthy. En particular, Newell y Simon consideraron que el ajedrez era un desafío modelo para la IA,perfecto para su solución preferida: búsqueda.
1947 .
MIT Bell Labs () 1950 , . MIT ( ). (. 1950 ).
, , 1980 .
¿Qué es la búsqueda y cómo se puede utilizar para jugar al ajedrez? En el contexto de la IA, la búsqueda no significa la búsqueda de texto en la web utilizando Google (aunque un motor de búsqueda web puede utilizar el concepto de búsqueda en el contexto de la IA). En IA, la búsqueda se refiere al proceso de prueba y error al atravesar posibles soluciones a un problema. La búsqueda es uno de los métodos fundamentales de la IA clásica, también conocida como IA "simbólica", porque tales métodos implican la manipulación de listas de símbolos, por ejemplo, como en los problemas algebraicos. Todo tipo de procesos de resolución de problemas, como la demostración de teoremas, la resolución de acertijos, los juegos y la resolución de laberintos, implican decidir qué intentar primero. Estas opciones se pueden modelar como un árbol de decisiones ramificado.
.
-. , , - «».
Digamos que necesitamos crear un ratón robot que busque una salida a un laberinto (más o menos lo que hizo Claude Shannon en 1950). Si llega a una intersección con cuatro puertas, puede moverse hacia la derecha, hacia adelante y hacia la izquierda, pero tiene prohibido regresar. Esto nos da tres posibles opciones. Los informáticos dirían que un ratón tiene un "factor de ramificación" de 3. La forma más sencilla de programar una computadora para recorrer (resolver) un laberinto sería marcar cada opción, o rama, por turno. Esto se llama búsqueda de fuerza bruta: probamos cada variación. Sin embargo, nuestro mouse, por supuesto, irá a una intersección más antes de que se le dé la oportunidad de regresar para verificar todas las demás opciones en la primera intersección. Cada vez que llega a una nueva intersecciónel ratón puede elegir entre tres nuevos caminos más. Podemos establecer el número de intersecciones que el mouse puede buscar en profundidad antes de retroceder e intentar un camino diferente.
Claude Shannon mueve su ratón eléctrico en un laberinto (c. 1952).
Esto se conoce como profundidad de búsqueda y, en el contexto de los juegos, "mirar hacia adelante". Como puede ver, la cantidad de rutas que deben buscarse con el mouse crece muy rápidamente: como 3 (el factor de ramificación), multiplicado por sí mismo tantas veces como verifiquemos proactivamente en el árbol de decisiones. En otras palabras, el problema crece exponencialmente. En la industria de la IA, esto a menudo se conoce como el problema de la "explosión combinatoria".
El tablero de ajedrez en las primeras teorías
En el ajedrez también se puede utilizar un método similar. En la jugada de cada jugador, tenemos la opción de un máximo de 38 posibles jugadas permitidas, es decir, el problema del ajedrez tiene un factor de ramificación de 38. Para seleccionar la mejor de estas 38 jugadas, se utiliza un método cuantitativo para evaluar el beneficio relativo de una posición de ajedrez sobre otra. Esto se denomina "función de puntuación". El juego de ajedrez promedio requiere 42 movimientos, y como hay dos jugadores, esto debe multiplicarse por dos, lo que nos da aproximadamente 38 84 , más que la cantidad de estrellas en el universo. Incluso en las primeras etapas de la historia de la IA, quedó claro que tal búsqueda por la fuerza bruta del ajedrez y otras tareas simplemente no funcionaría en el equipo de esa época; hay demasiadas opciones y las computadoras son demasiado débiles. Claude Shannon fue uno de los primeros en utilizar el algoritmo "minimax "en un programa de ajedrez de computadora (este algoritmo sigue siendo la base de la mayoría de los programas de ajedrez en la actualidad), habiendo notado que gracias al conocimiento humano y la experiencia en el juego, puedes cortar rápidamente muchas ramas sin mirarlas. Herbert Simon y Allen Newell sugirieron usar" heurística ", o Las reglas generales que los humanos usan en parte para resolver problemas, la mayoría de las veces funcionan, pero esto no siempre sucede. La heurística es el tipo de conocimiento humano que se puede programar en una computadora.
Ajedrez
El ajedrez tiene muchas más ramas en su árbol de decisiones que tic-tac-toe. Se ha calculado que el número de variantes de las partidas de ajedrez es aproximadamente igual a 10 120 , que es más que el número de átomos del universo.
Anticipación limitada
Dada la gran cantidad de ramas, los programas de ajedrez pueden mirar hacia adelante a través del árbol de búsqueda solo hasta una profundidad finita, de lo contrario la búsqueda durará para siempre.
Una de esas heurísticas que ha demostrado ser útil en el ajedrez es " corte alfa-beta". Esto significa que si el programa ha determinado que uno de los movimientos puede ser contrarrestado fácilmente por el enemigo, entonces no hay necesidad de buscar otras formas en las que pueda contrarrestar el mismo movimiento. Se puede ignorar la búsqueda adicional a lo largo de este camino, cortando toda esta rama del árbol. Esto puede reducir significativamente el factor de ramificación, de 38 a 6 y, a veces, a 3. Además, dadas las limitaciones de las computadoras en ese momento, la mayoría de los programas solo podían anticipar 4 movimientos. Uno de los primeros programas de ajedrez capaces de jugar de manera competente contra aficionados. , fue creado alrededor de 1959-1962 por el estudiante del MIT Alan Kotok bajo la dirección de John McCarthy. El programa Kotoka-McCarthy utilizó recortes alfa-beta.
, IBM 7090 . , - . 1967 , , 3-1 .
1959 MIT , . , , . . 1962 .
Newell y Simon creían que todos los problemas de inteligencia artificial, como el ajedrez, podrían resolverse mediante la búsqueda en combinación con la heurística o "búsqueda heurística". La búsqueda heurística fue la idea central detrás de los primeros avances de Newell y Simon, el Teórico de la Lógica y el Solucionador de Problemas Generales, y se convirtió en un pilar crítico en su teoría de que la inteligencia tanto para humanos como para máquinas radica en la simple manipulación de símbolos, los bloques de construcción fundamentales. matemáticas y lenguaje. Esta hipótesis del "sistema de símbolos físicos" se convirtió en la premisa en la que se basó todo el proyecto de Inteligencia Artificial Simbólica, desde sus inicios en la década de 1950 hasta principios de la de 2000. Esta teoría, que postulaba la equivalencia del "cerebro" de las computadoras y los humanos, se ha vuelto extremadamente influyente en la psicología cognitiva.y luego incluso se metió en la cultura popular gracias a trabajos en el género cyberpunk, en los que la gente podía subir sus cerebros a Internet o reemplazarlos por chips.
() , -, Logic Theorist, General Problem Solver NSS ( --). JOHNNIAC RAND.
Las computadoras se volvieron más rápidas y los científicos informáticos que eran jugadores de ajedrez experimentados, como Richard Greenblatt y Hans Berliner, crearon sus propios programas de ajedrez. Descubrieron que los primeros programas de ajedrez (como el escrito por Kotok) jugaron muy mal y agregaron su propio conocimiento de cómo los jugadores reales enfocan el juego en sus programas; este conocimiento tomó la forma de heurísticas adicionales para mejorar la estimación de la posición de las piezas, bases de datos de movimientos de apertura y finales, y reconocedores de patrones del campo de juego. Sin embargo, con el tiempo, quedó claro que los programas de ajedrez que se ejecutan en computadoras más rápidas o equipos especializados pueden superar a los programas que tienen una gran cantidad de conocimiento humano incorporado. Esto sucedió porque ninguna heurística es perfecta y no puede dar cuenta de todas las situaciones.A veces surgen movimientos ingeniosos porque el jugador está tratando de hacer algo que la mayoría de la gente consideraría un mal movimiento. La mayoría de las heurísticas interrumpirían tal movimiento sin más búsqueda, lo que significa que los programas que utilizan el conocimiento humano nunca realizarían tal movimiento.
Hans Berliner (al fondo), Murray Campbell (izquierda) y Feng Xiong Xu en el 20º Campeonato Anual de Ajedrez Informático ACM en Reno, NV. El primer lugar fue compartido por dos equipos: HiTech (equipo de Berliner) y Deep Thought (equipo de Campbell y Xu); ambos representaron a la Universidad Carnegie Mellon. IBM contrató más tarde a tres miembros del equipo de Deep Thought (incluidos Campbell y Xu) para crear Deep Blue.
A medida que las computadoras se volvieron más rápidas, pudieron mirar hacia adelante con más profundidad, 6, 7, 8 movimientos, derrotando fácilmente a los programas que predijeron solo 4 movimientos hacia adelante. Se descubrió un algoritmo de búsqueda más eficiente llamado "búsqueda iterativa de profundización"; gradualmente podría aumentar la profundidad de búsqueda a lo largo del camino que parecía más prometedor. Se utilizó por primera vez en Chess 4.5.3 David Slate y Larry Atkins: el primer programa en ganar en 1976 en un torneo de ajedrez humano. La mayor capacidad de memoria también permitió a los programas retener posiciones previamente revisadas, reduciendo aún más la cantidad de búsquedas requeridas. Todas estas innovaciones (poda alfa-beta, profundización iterativa, almacenamiento de posiciones verificadas y una base de datos de aperturas y finales) fueron intercambiadas libremente por los desarrolladores de programas de ajedrez en torneos de ajedrez por computadora, por lo que se convirtieron en técnicas estándar.
En 1977, Ken Thompson (mejor conocido como el coautor del sistema operativo Unix) y Joe Condon de Bell Laboratories diseñaron Belle, una máquina de ajedrez especializada. El equipo de ajedrez especializado y la base de datos de finales de Belle han revolucionado el ajedrez informático.
Belle 13- . Belle , Cray Blitz. 1970 1994 (Association for Computing Machinery, ACM) .
1980- Belle, Bell Labs, . Belle CHAOS WCCC 1980 , , . Belle CHAOS .
Belle Chess 4.0 4- (WCCC), - 1983 . : , . : Chess . Cray Blitz, Bebe.
A pesar de los avances en software, con el aumento de la velocidad de las computadoras en la década de 1970, los programas de ajedrez mejoraron automáticamente sin ninguna innovación de software. En la década de 1980, el factor dominante en los avances en el ajedrez por computadora fue el uso de hardware para acelerar la búsqueda. Se han convertido en un desafío de diseño informático, no en un desafío de IA. En 1997, Deep Blue todavía usaba en gran parte las mismas técnicas de programación que los programas de ajedrez 20 años antes; sin embargo, logró derrotar a Kasparov principalmente porque era una computadora rápida con muchos procesadores paralelos especializados. En cierto sentido, a medida que las computadoras aumentaron en velocidad, los programas de ajedrez se volvieron menos inteligentes.
Deep Thought I, 1988 . Deep Thought, — , Deep Blue.
Deep Blue.
IBM Deep Blue ( , , , , . . ).
1997 Deep Blue (-).
En la década de 1980, la búsqueda en profundidad como tema dominante en la investigación de la IA ya estaba en declive. A partir de la década de 1960, investigadores como Ed Feigenbaum en Stanford crearon los llamados "sistemas expertos", en los que se vertieron grandes cantidades de conocimiento experto humano en programas de IA en forma de reglas si-entonces. Como en el caso de los primeros programas heurísticos, estas reglas se programaron en el código del software, pero a diferencia de los sistemas heurísticos, la "base de conocimiento" se separó de las partes lógicas del programa ("máquinas de inferencia"). Feigenbaum y otros partidarios de los sistemas expertos argumentaron que "el conocimiento es poder". En otras palabras, creían que una gran base de conocimientos compensa la falta de razonamiento complejo: cuanto más conocimiento, menos búsqueda, y viceversa.
Tigre en una jaula: aplicación de sistemas de base de conocimientos, conferencia de Edward Feigenbaum, 1993
Discusión de la historia de la IA en AAAI-17: sistemas expertos, 2017
En la década de 1980, los sistemas expertos dieron lugar a muchas empresas comerciales. Toda esta actividad casi no afectó a los programas de ajedrez, que en ese momento se desarrollaban en una dirección diferente: volver a la búsqueda de fuerza bruta con la ayuda de equipos especializados. Las máquinas de ajedrez líderes de este tipo fueron Belle of Bell Labs de Ken Thompson y dos proyectos separados de la Universidad Carnegie Mellon: HiTech de Hans Berliner con Feng Xiong Xu y Deep Thought de Murray Campbell, que más tarde se convirtió en Deep Blue de IBM. Es decir, para cuando la máquina derrotó a Kasparov, los programas de ajedrez prácticamente habían dejado de estar asociados con el campo general de la investigación de la IA, aunque proporcionaban una buena publicidad.
Más preocupante, sin embargo, fue el ataque a un proyecto de IA simbólico basado en la hipótesis del símbolo físico de Newell y Simon a principios de la década de 1990. Sus críticos, en particular el filósofo Hubert Dreyfus, comenzaron a cuestionar el proyecto de IA simbólica en la década de 1960, argumentando que el supuesto filosófico de la separación del cerebro y el cuerpo era incorrecto y anticuado. Filósofos del siglo XX como Martin Heidegger argumentaron que el pensamiento humano no puede separarse de la experiencia corporal y el entorno cultural inmediato del sujeto.
Los investigadores de IA reaccionaron muy bruscamente a las críticas a Dreyfus (aunque él mismo no era particularmente diplomático): las principales autoridades en el campo de la IA amenazaron a las revistas cuando publicaron el trabajo de Dreyfus. Se regodearon cuando Dreyfus, que no era muy bueno en el ajedrez, fue derrotado por el programa de ajedrez MacHack de Richard Greenblatt. Sin embargo, el éxito de los programas de ajedrez no demostró que la crítica de Dreyfus fuera incorrecta. De hecho, el mero hecho de que programas de ajedrez como Deep Blue usaran la búsqueda por fuerza bruta significaba que desempeñaban un papel pequeño en un proyecto de IA de propósito general más grande. El drama de la atronadora derrota de Kasparov fue aclamado como un hito en la victoria de Machines sobre Man, pero en realidad fue un triunfo de los ingenieros de Deep Blue sobre un jugador de ajedrez. Y los creadores de Deep Blue no reclamaronque su computadora era inteligente. Dijeron: si comenzaba un incendio en el edificio, Kasparov sería lo suficientemente inteligente como para escapar y el automóvil permanecería en su lugar. Y aunque anteriormente el pionero de la IA, John McCarthy, consideraba que el ajedrez era el objetivo principal de la IA, después de la victoria de Deep Blue, criticó al ajedrez por el hecho de que no pudo desarrollar una sola teoría nueva sobre cómo imitar la inteligencia humana.
Los medios describieron la repetición de 1997 entre el campeón mundial de ajedrez Garry Kasparov y la supercomputadora especializada IBM Deep Blue como una batalla entre el hombre y la máquina. En la portada de Newsweek, fue apodada "La última línea de defensa del cerebro". Tales opiniones exageraban el poder de la computadora y minimizaban el trabajo de las personas que construían la máquina.
A principios de la década de 1990, los investigadores comenzaron a tomarse en serio las críticas de Dreyfus y comenzaron a idear nuevos tipos de IA, como las que tienen un cuerpo enfáticamente, como los robots Rodney Brooks 4., o aquellos que se ocupan de las emociones. Como veremos en la segunda parte de este artículo, en la década de 2000, una tradición completamente diferente de IA llamada aprendizaje automático comenzó a reemplazar a la IA simbólica. El aprendizaje automático es capaz de realizar tareas que la IA simbólica nunca ha hecho mejor que los humanos, como reconocer rostros o comprender el habla humana. Lo mismo ocurría con un juego que las máquinas no podían jugar competitivamente con la búsqueda heurística, es decir, ir.
Sin embargo, aunque la búsqueda ha perdido su grandeza como técnica primaria de inteligencia artificial, nunca ha perdido su utilidad en el campo más amplio de la informática. Se ha logrado un progreso significativo en la mejora de los algoritmos de búsqueda para una resolución de problemas óptima y eficiente. Esta técnica es tan fundamental que la creación y búsqueda de árboles de decisión está muy extendida; es casi imposible enumerar todos los programas que lo utilizan.
La búsqueda juega un papel en cualquier tarea de obtención de información, desde la ejecución de consultas en bases de datos hasta la búsqueda en la web. Un * algoritmo de búsqueda inventado por primera vez para el robot ShakeySRI, se usa comúnmente para aplicaciones de enrutamiento de vehículos autónomos y GPS. E incluso hoy en día, los programas de inteligencia artificial que juegan con el aprendizaje automático usan diferentes tipos de búsqueda, incluso si ya no es el componente más interesante de ellos. Sin embargo, al igual que otras técnicas que antes se consideraban "inteligencia artificial", la búsqueda moderna se considera simplemente otra técnica informática básica, no más inteligente que un programa normal. Esto ilustra el patrón histórico del desarrollo de la IA: una vez que se vuelve estándar y automática, la gente ya no la considera "inteligencia". Anteriormente, cuando hablábamos de "IA", probablemente se referían a la búsqueda. Cuando se menciona "IA" en la actualidad, normalmente se hace referencia al sucesor de la IA simbólica: el aprendizaje automático.
En la segunda parte de este artículo, exploraremos la revolución del aprendizaje automático en inteligencia artificial, la profundidad de la diferencia entre el aprendizaje profundo frente a la búsqueda y la IA simbólica, y cómo AlphaGo de DeepMind utilizó el aprendizaje profundo para derrotar al campeón mundial de Go, Lee Sedol.
Notas
1. Nathan Ensmenger, “¿Es el ajedrez la Drosophila de la inteligencia artificial? Una historia social de un algoritmo ”, Estudios sociales de la ciencia 42, no. 1 (Febrero de 2012): 22, https://doi.org/10.1177/0306312711424596 .
2. Kai-Fu Lee, superpotencias de inteligencia artificial: China, Silicon Valley y el nuevo orden mundial. (Boston; Nueva York: Houghton Mifflin Harcourt, 2019), 1-5.
3. Stuart J. Russell y Peter Norvig, Inteligencia artificial: un enfoque moderno , 3ª ed., Prentice Hall Series in Artificial Intelligence (Upper Saddle River, Nueva Jersey: Pentice Hall, 2010), 110.
4. Rodney A. Brooks, “ Los elefantes no juegan al ajedrez ”, robótica y sistemas autónomos, Diseño de agentes autónomos, 6, no. 1 (1 de junio de 1990): 3-15, https://doi.org/10.1016/S0921-8890(05)80025-9 .
Publicidad
Si necesita servidores con activación instantánea en Linux o Windows para funcionar , entonces definitivamente acuda a nosotros: ¡el servidor está listo para funcionar en un minuto después del pago!
