مترجم : پریسا مرتضوی
منبع:راسخون
منبع:راسخون
یادگیری عمیق می‌تواند بیش از پیروزی در بازی‌ها، به ما کمک کند
پیروزی‌های AlphaGo در برابر بازیکن افسانه‌ای گو، لی سدال (Lee Se-dol)، در چند روز گذشته، گامی بزرگ در تحقیقات هوش مصنوعی به شمار می‌آید. تصور می‌شد کامپیوتر نمی‌تواند در این بازی پیچیده چینی موفق شود، اما DeepMind با استفاده از یادگیری ماشینی و شبکه‌های عصبی به AlphaGo توانایی ارزیابی و اجرای استراتژی را داده است.
اما تعدادی از باهوش‌ترین افراد جهان برای کار بر روی هوش مصنوعی دور هم جمع نشده‌اند تا از آن تنها برای برنده شدن در بازی‌های تخته‌ای استفاده کنند. کارهای DeepMind تاثیری شگرف در زمینه هوش مصنوعی گذاشته است، تکنولوژی یادگیری عمیق کهDeepMind به کار می‌برد، می‌تواند همه چیز را دگرگون کند، از گوشی‌های تلفن همراه گرفته تا نحوه‌ی رانندگیِ خودروها.
اما پیش از آن، هنوز چیزهایی برای دستیابی در بازی گو وجود دارد. کی جی (Ke Jie) بازیکن 18 ساله گو که در جهان رتبه‌ی اول را دارد، بعد از اینکه لی سدال هفته پیش توانست برای اولین بار AlphaGo را شکست دهد، خوش بین است که بتواند برنده شود. او می‌گوید: «فکر می‌کنم احتمال برنده شدن من 60 درصد است.» بسیاری از دیگر گوبازان هم اظهار تمایل کرده‌اند که تجربه بازی با AlphaGo را به دست آورند. دمیس هسابیس (Demis Hassabis) بنیانگذار DeepMind اعلام کرد این شرکت قصد دارد نسخه‌ای را آزمایش کند که هیچ آموزشی از انسان ندیده باشد و این برنامه باشد که به خود آموزش داده باشد.
اما در هر صورت، حالا می‌دانیم که کامپیوتر می تواند در بازی گو در سطح جهانی هم پیروز باشد، با این حساب در میان بازی‌های اطلاعات کامل (بازی‌هایی که در آن بازیکنان تمام اطلاعات را بر روی تخته در اختیار دارند) هیچ قله‌ی فتح نشده‌ای برای کامپیوتر باقی نمانده است. با این حال کامپیوترها هنوز قلمرو بازی‌های اطلاعات ناقص (بازی‌هایی که در آن بازیکنان تمام اطلاعات را در اختیار ندارند) را کشف نکرده‌اند، پوکر چند نفره‌ی نامحدود از جمله‌ی این بازی‌هاست. البته شاید این بار نوبت بازی‌های ویدیویی باشد. در مصاحبه‌های هفته‌های گذشته، بارها نام StarCraft برده شده است، این بازی که در سبک استراتژیکِ بی‌درنگ (real-time strategy) است، در کره جنوبی محبوبیت فوق‌العاده‌ای دارد و عده‌ی زیادی را به استادیوم‌های ورزش‌های الکترونیک می‌کشاند.
هسابیس در مصاحبه‌ی هفته پیش خود به بازی StarCraft علاقه نشان داد، با این حال او گفت DeepMind تنها به چیزهایی علاقه‌مند است که در مسیر اصلی برنامه تحقیقاتی‌اش باشند. او اضافه کرد: «هدف DeepMind تنها پیروزی در بازی‌ها نیست. بازی‌ها تنها بستری برای آزمایش‌های ما هستند، ما ایده‌های الگوریتمی خود را بر روی این پلتفرم‌ها امتحان می‌کنیم. هدف نهایی ما این است که آن‌ها را روی مسایل مهم دنیای واقعی اعمال کنیم.»
انسان‌ها به زودی از یادگیری سریع‌تر و بهبود پردازش داده‌ها بهره‌مند خواهند شد. تکنیک‌های یادگیری ماشینی و شبکه‌های عصبی عمیق در حال حاضر به طور گسترده‌ای در گوگل مورد استفاده قرار می‌گیرند، به عنوان مثال می‌توان به سرچ گوگل یا برنامه‌های اتومبیل خودران اشاره کرد. درس‌های که از AlphaGo آموخته شد، می‌تواند باعث پیشرفت تدریجی در تمام این زمینه‌ها شود؛ احتمالا به زودی شاهد مزایای آن خواهید بود، بدون اینکه حتی متوجه آن‌ها شوید.
جف دین (Jeff Dean)، یک محقق کامپیوتری است که بسیاری او را باهوش‌ترین فرد در گوگل می‌دانند. او رییس پروژه تحقیقاتی یادگیری عمیق مغز گوگل (Google Brain) است و پیشگام پیاده‌سازی این مفهوم در بسیاری از محصولات گوگل بوده است. یک شبکه عصبی یادگیری عمیق به نام RankBrain در حال حاضر سومین سیگنال برای رتبه‌بندی نتایج در جستجوی گوگل است. جف دین دو مورد اول را فاش نکرده است. همچنین یادگیری ماشینی در Google Photos هم به کار رفته است.
گوگل شرکتی است که بیشتر درآمد خود را از توانایی جمع‌آوری داده‌ها و فروش تبلیغات به دست می‌آورد؛ بنابراین فن‌آوری‌ای که جمع‌آوری داده‌ها را تسهیل کند، برای گوگل جذابیت خواهد داشت. وقتی از جف دین پرسیده شد که به نظر او آیا یادگیری ماشینی مدل اصلی کسب و کار گوگل را تقویت خواهد کرد یا به گوگل برای ورود به زمینه‌های دیگر کمک می‌کند، او جواب داد: « فکر نمی‌کنم مجبور به انتخاب یکی از این دو باشیم، این دو با هم مغایرتی ندارند. ما از این تکنیک‌ها برای بهبود محصولات اصلی استفاده می‌کنیم و بسیاری از اوقات، چنین سطحی از درک داده‌ها به ما کمک می‌کند بتوانیم قابلیت‌های جدیدی را ایجاد کنیم. همچنین به ما کمک می‌کند، محصولات جدید و جالبی را تولید کنیم که پیش از این ممکن نبودند، احتمال دارد این اتفاق در حوزه‌هایی بیفتد که ما پیش از این بر روی آن‌ها کار نمی‌کردیم؛ بنابراین فکر می‌کنم هر دو اتفاق خواهد افتاد و شاید هر دو به یک اندازه اهمیت داشته باشند.»
اریک امرسون اشمیت، رییس هیات مدیره آلفابت و مدیر عامل اسبق گوگل، در پاسخ به این سوال که چگونه یادگیری ماشینی کسب و کار شرکت را رونق خواهد داد، گفت: «به کارهای بزرگ گوگل فکر کنید، ما سرچ‌های زیادی داریم، تبلیغات زیادی داریم، مشتریان زیادی داریم، مراکز داده‌ی زیادی داریم، بسیاری از افراد از Google Compute استفاده می‌کنند، بسیاری نرم افزارهای امنیتی ما را به کار می‌برند. وقتی عده‌ی زیادی از چیزی استفاده می‌کنند، احتمالا هوش ماشینی با مشاهده و تربیت خود با توجه به این سیگنال‌ها، می‌تواند آن را بهبود دهد. فکر می‌کنم می‌توان این تکنولوژی را همه جا به کار برد، از سرچ و تبلیغات گرفته تا اتومبیل‌های خودران و پروژه مراقبت بهداشتی Verily. به نظر من این تکنولوژی باید در تمام شرکت‌های آلفابت به کار گرفته شود.»
DeepMind به عنوان یک شرکت، از بقیه گوگل جدا کار می‌کند؛ گرچه با مغز گوگل در ارتباط است. هسابیس می‌گوید: «ما دستمان در کارهایی که می‌خواهیم برای بهینه‌سازی پیشرفت پژوهش انجام دهیم، باز است؛ البته ما روی بسیاری از محصولات داخلی گوگل هم کار می‌کنیم، اما این محصولات همگی در مراحل ابتدایی هستند و هنوز برای صحبت در مورد آن‌ها زود است.» او اضافه کرد پروژه‌ها‌ی مغز گوگل برنامه تحقیقاتی کوتاه‌مدت‌تری نسبت به پروژه‌ها‌ی DeepMind داشته و بیشتر بر محصولات تمرکز دارند.
