Yapay zeka, insanoğlunun bildiği en karmaşık oyunlardan bazılarında ustalaştı ancak modeller genellikle belirli türdeki zorlukları çözecek şekilde tasarlandı. Yaratıcıları, çok daha çeşitli oyunların üstesinden gelebilecek yeni bir DeepMind algoritmasının, daha genel yapay zekaya doğru bir adım olabileceğini söylüyor.

Oyunları yapay zeka için bir referans noktası olarak kullanmanın uzun bir geçmişi var. IBM'in Deep Blue algoritmasının 1997'de dünya satranç şampiyonu Garry Kasparov'u yenmesi bu alanda bir dönüm noktası olarak selamlandı. Benzer şekilde, ne zaman DeepMind'ın AlphaGo'su yenildi Dünyanın en iyi Go oyuncularından biri olan Lee Sedol'un 2016'da yaptığı bir konuşma, yapay zekanın potansiyeli konusunda heyecan dalgasına yol açtı.

DeepMind bu başarıyı AlphaZero ile geliştirdisatranç ve shogi dahil çok çeşitli oyunlarda ustalaşan bir model. Ancak bu ne kadar etkileyici olursa olsun, AlphaZero yalnızca, rakibin niyeti dışındaki oyunun her ayrıntısının her iki oyuncu tarafından da görülebildiği mükemmel bilgi oyunlarında çalışıyordu. Buna, her iki oyuncunun da her zaman tahtadaki tüm taşları görebildiği Go ve satranç gibi oyunlar dahildir.

Bunun aksine, kusurlu bilgi oyunları, bazı detayların diğer oyuncudan gizlenmesini içerir. Poker klasik bir örnektir çünkü oyuncular rakiplerinin hangi elleri tuttuğunu göremezler. Artık bu tür oyunlarda profesyonelleri yenebilecek modeller var ancak bunlar AlphaZero gibi algoritmalardan tamamen farklı bir yaklaşım kullanıyor.

Artık DeepMind'daki araştırmacılar, insanları satrançta, Go'da ve pokerde yenebilecek bir model oluşturmak için her iki yaklaşımın unsurlarını birleştirdi. Ekip, bu buluşun, çok çeşitli görevleri çözmeyi öğrenebilen daha genel yapay zeka algoritmaları oluşturma çabalarını hızlandırabileceğini iddia ediyor.

Mükemmel bilgi oyunları oynamak için yapay zekayı geliştiren araştırmacılar genellikle ağaç arama olarak bilinen bir yaklaşıma güvendiler. Bu, farklı dalların potansiyel hamle dizilerini haritalandırarak oyunun mevcut durumundan ilerleyebileceği birçok yolu araştırıyor. AlphaGo, ağaç aramayı, modelin tekrar tekrar oynayarak ve hatalarından ders alarak becerilerini geliştirdiği bir makine öğrenme tekniğiyle birleştirdi.

Kusurlu bilgi oyunları söz konusu olduğunda araştırmacılar, stratejik problemlere en rasyonel çözümleri haritalamak için matematiksel modeller kullanarak oyun teorisine güvenme eğilimindedir. Oyun teorisi, çoğu kusurlu bilgi içeren farklı durumlarda insanların nasıl seçimler yaptığını anlamak için ekonomide yaygın olarak kullanılmaktadır.

2016 yılında bir yapay zeka aradı Derin yığın Limitsiz pokerde insan profesyonelleri yendi, ancak model o oyun için oldukça uzmanlaşmıştı. Ancak DeepStack ekibinin büyük bir kısmı artık DeepMind'de çalışıyor ve DeepStack'i oluşturmak için kullandıkları teknikleri AlphaZero'da kullanılanlarla birleştirdiler.

Oyunların Öğrencisi olarak adlandırılan yeni algoritma, hem mükemmel hem de kusurlu bilgi oyunlarının üstesinden gelmek için ağaç arama, kendi kendine oynama ve oyun teorisinin bir kombinasyonunu kullanıyor. İçinde kağıt BilimAraştırmacılar, algoritmanın, açık olarak mevcut en iyi poker oyunu yapay zekası olan Slumbot'u geride bıraktığını ve ayrıca AlphaZero gibi özel algoritmalarla boy ölçüşemese de profesyonel bir insan düzeyinde Go ve satranç oynayabildiğini bildirdi.

Ancak bir işte usta olmak yerine her işte usta olmak, yapay zeka araştırmalarında tartışmasız daha büyük bir ödül. Derin öğrenme genellikle belirli görevlerde insanüstü performans elde edebilse de, çok çeşitli sorunlara uygulanabilecek daha genel yapay zeka biçimleri geliştirmek daha zordur. Araştırmacılar, hem mükemmel hem de kusurlu bilgi oyunlarını çözebilecek bir modelin "keyfi ortamlar için gerçek anlamda genel algoritmalara doğru önemli bir adım" olduğunu söylüyor.

İngiltere'deki Edinburgh Üniversitesi'nden Michael Rovatsos, sonuçlardan çok fazla çıkarım yapmamanın önemli olduğunu söylüyor: söyledi New Scientist. Yapay zeka hâlâ, olası eylemlerin sayısının sınırlı olduğu ve kuralların açıkça tanımlandığı basit ve kontrollü bir oyun ortamında çalışıyordu. Bu, gerçek dünyanın karmaşık gerçekliklerinden çok uzak.

Ancak bu çok küçük bir adım olsa bile, birbirinden çok farklı iki oyun türüne yönelik önde gelen yaklaşımları tek bir modelde birleştirebilmek önemli bir başarıdır. Ve bu kesinlikle gelecekteki daha yetenekli ve genel modeller için bir plan olabilir.

Resim Kredi: Hasan Paşa / Unsplash

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://singularityhub.com/2023/11/20/deepmind-says-new-multi-game-ai-is-a-step-toward-more-general-intelligence/