منبع:راسخون

شکست قهرمان Goتنها آغاز کار بود، DeepMind برای مراقبت‌های پزشکی، رباتیک و حتی گوشی موبایل شما برنامه‌هایی دارد
پیروزی خیره‌کننده DeepMind بر لی سدال (Lee Se-dol)، قهرمان افسانه‌ای گو، بیش از هر واقعه‌ی دیگری در سال‌های اخیر، توجه اذهان را متوجه پتانسیل هوش مصنوعی کرده است، اما برنامه AlphaGoگوگل، تنها یکی از پروژه‌های این شرکت است. DeepMind اهداف بزرگتری را در سر می‌پروراند. همان‌طور که دمیس هسابیس (Demis Hassabis) یکی از بنیانگذاران DeepMind این هفته گفت، این شرکت در تلاش است «قضیه هوش» را حل کند و راه‌های زیادی برای آن در نظر دارد.
هسابیس، راهی پر پیچ و خم، اما معقول را برای رسیدن به این نقطه طی کرده است. او در کودکی، نابغه شطرنج بود و پنج بار در المپیاد ورزش‌های ذهنی قهرمان شد. در سن جوانی با شرکت بازی‌ساز انگلیسی Bullfrog and Lionhead همکاری کرد و روی بازی‌هایی مثل Theme Park و Black & Whiteکار کرد، بعدها استودیوی خود را با نام Elixir تاسیس کرد. او پس از مدتی صنعت بازی را ترک کرد و قبل از تاسیس شرکت DeepMind در سال 2010، دکترای نوروساینس خود را تکمیل کرد.
در گفتگویی که با هسابیس داشتیم غیر از AlphaGo، به بازی‌های ویدیویی، نسل بعدی دستیاران گوشی‌های هوشمند، نقش DeepMind در گوگل، رباتیک، نقش هوش مصنوعی در تحقیقات علمی و... هم پرداختیم.

سام بیفورد: واقعه‌ی دیروز را برای کسی که چیزی از گو یا هوش مصنوعی نمی‌داند، چگونه توصیف می‌کنید؟

دمیس هسابیس: باید به چند نکته اشاره کنم. گو، از جنبه‌ی احتمالات، پیچیده‌تر از شطرنج محسوب می‌شود؛ به همین خاطر همیشه چالشی بزرگ و قله‌ای بلند برای هوش مصنوعی به شمار می‌رفته است، این قضیه بعد از Deep Blue (کامپیوتر شطرنج بازی که موفق شد قهرمان شطرنج جهان را شکست دهد) پر رنگ‌تر شد. در طی این سال‌ها با وجود تلاش‌های بسیار، موفقیت‌های کمی حاصل شد. گرچه ده سال قبل تحقیقات Monte Carlo tree نوآوری‌های زیادی را انجام داد، اما من فکر می‌کنم ما با AlphaGo جنبه‌ای را که می خواهم آن را شهود بنامم به شبکه‌های عصبی معرفی کردیم، در واقع آنچه بهترین بازکنان گو را از هم متمایز می‌کند، شهود آن‌هاست.

حرکت خاصی در بازی AlphaGo وجود داشت که شما را شگفت زده کرده باشد؟

بله، زمانی که AlphaGo از سمت چپ به عمق قلمرو لی وارد شد، ما واقعا شوکه شده بودیم، از صورت لی سدال مشخص بود که او هم چنین حسی داشت. این حرکت واقعا غیرمنتظره بود.

به خاطر حالت تهاجمی‌اش؟

به خاطر حالت تهاجمی و جسارتش! همچنین، AlphaGo توانست لی سدال را با استراتژی خودش مغلوب کند. لی سدال را به خاطر خلاقیتش در مبارزه می‌شناسند، دیروز هم چنین بازی‌ای را ارایه داد، ما هم همین انتظار را داشتیم. او در آغاز مسابقه مهره‌هایش را در سرتاسر صفحه پخش کرد، بدون این که چیزی را به طور متمرکز شکل دهد. برنامه‌های گو معمولا در این نوع بازی‌ ضعیف عمل می‌کنند، آن‌ها وقتی بازی در گوشه‌ای از صفحه متمرکز می‌شود، در محاسبه تقریبا خوب عمل می‌کنند، اما وقتی باید به تمام صفحه احاطه داشته باشند، معمولا ضعیف هستند.
یکی از دلایل اصلی برگزاری این مسابقات، بدون در نظر گرفتن برد یا باخت، در وهله اول ارزیابی قابلیت‌های AlphaGo است. شما از رویداد شب گذشته چه چیز آموختید؟
خب، شاید متوجه شدیم همان اندازه‌ای که امید داشتیم، پیشرفت کردیم. ما به همه گفتیم که فکر می‌کنیم بازی 50-50 بود. هر اتفاقی ممکن است بیفتد، من می‌دانم که لی سدال دوباره با یک استراتژی جدید برای مبارزه برخواهد گشت.
برای اشاره به اهمیت هوش مصنوعی، اجازه بدهید چیزی را در تکمیل سوال اول‌تان اضافه کنم؛ در مورد تفاوت Deep Blue با AlphaGo باید بگویم Deep Blue یک برنامه‌ی دست‌نویس است که در آن برنامه‌نویسان اطلاعات برگرفته از استاد بزرگ‌های شطرنج را به قوانین و فرایندهای کاوشی خاص تبدیل کردند؛ در حالی که ما AlphaGo را به توانایی یادگیری مجهز کردیم، AlphaGo از طریق تمرین و مطالعه می‌آموزد، این فرایند، شباهت بیشتری به انسان دارد.

اگر AlphaGo از این مجموعه مسابقات، پیروز بیرون بیاید، چه هدف دیگری پیش رو دارید؟ آیا مسابقات دیگری را در نظر دارید؟

در میان بازی‌های اطلاعات کامل (perfect information games) گو، یک قله محسوب می‌شود. هنوز گوبازان مطرح دیگری وجود دارند که می‌توان با آن‌ها بازی کرد. بازی‌هایی مثل پوکر نامحدود هم بسیار دشوار هستند، زیرا بازی‌های چندنفره، از نوع بازی‌های اطلاعات ناقص (بازی‌ای که در آن بازیکنان تمام اطلاعات را در اختیار ندارند) هستند و پیچیدگی خاص خود را دارند. همچنین می‌توان به انواع بازی های ویدیویی هم فکر کرد، انسان‌ها معمولا آن‌ها را بهتر از کامپیوترها بازی می‌کنند، بازی StarCraft اخیرا در کره جنوبی طرفداران زیادی پیدا کرده است. بازی‌های استراتژیک نیاز به سطح بالایی از توانایی استراتژیک در جهانی از اطلاعات ناقص دارند. یکی از خصوصیات گو، این است که یک بازی اطلاعات کامل است و شما می‌توانید همه چیز را روی صفحه بازی ببینید، بنابراین انجام این بازی برای کامپیوترها آسان‌تر خواهد بود.

آیا پیروزی در StarCraft چیزی است که شما به آن علاقمند باشید؟

شاید. ما به چیزهایی علاقه داریم که در مسیر اصلی برنامه تحقیقاتی‌مان قرار داشته باشند. هدف DeepMind تنها پیروزی در بازی‌ها نیست. من شخصا به بازی‌ها علاقه زیادی دارم و قبلا برنامه بازی‌های کامپیوتری را می‌نوشتم، اما آن‌ها 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.