אלפא גו מול לי סדול, הדרך לתבוסה

מאת נביא שקר

הפוסט הוא סיכום התבוסה של אלוף הגו לי סדול, שנוצח על ידי האלגוריתם אלפא-גו. הוא מהווה המשך לפוסט הזה שנכתב לפני הקרב, ומשתמש בחלק מהטקסט שכבר נכתב שם.

הערות מטא על התקשורת והצורך בפוסט הזה:

על הקרב בין לי סדול לאלפא-גו נכתבו עשרות אלפי מאמרים והוא אוזכר בירחונים מובילים בעולם, כולל ניתוחי עומק בעיתונים שאינם רק מוקדשים לנושאים טכניים. עשרות מיליוני אנשים עקבו אחרי הקרב, שמהווה מעין ״כחול עמוק״ מול קספרוב בדור הנוכחי.

בהתחשב בחשיבות האירוע, הסיקור התקשורתי בארץ מאכזב בינתיים. דיון בטוויטר עם כתבת ״הארץ״ על ההתעלמות מתבוסתו ההיסטורית של לי סדול נתקל בתשובה שאולי פשוט לא שלחו להם דף יח׳צ בנושא. מאוחר יותר נזרקה עצם בצורת אזכור בטוויטר של הנושא על-ידי כתב הערוץ הראשון. בימים שלאחר מכן יצאו כמה כתבות דלות, מביכות או מתורגמות.

אחת התוצאות הראשונות בחיפוש אחר ״אלפא גו״ בעברית הוא פוסט בבלוג די זניח, כלומר הבלוג הנוכחי.

בקיצור, נראה שיש חשיבות בסיכום האירוע בעברית, עבור שני קוראי הבלוג ואנשים שאולי ירצה לחפש משהו על הנושא בעתיד.

תיקון: ביום שהפוסט הזה עלה, התפרסמה כתבה טובה ב״הארץ״

========

משחקי לוח תמיד היו אבן בוחן לבינה מלאכותית, עוד מאז שענקים כמו שנון וטורינג כתבו את תוכנות השח הראשונות. הלוגיקה הייתה כדלקמן: ברור שדרושה מחשבה לצורך משחק ברמה גבוהה, מכאן שאם נמציא תוכנה שיודעת לשחק משחק ברמה אנושית ומעלה, אפשר להגיד שהתקדמנו לקראת חשיבה מלאכותית.

בעשורים שאחרי המצאת תחום הבינה המלאכותית, שח תפש את מרכז תשומת הלב. המשחק נחקר גם כתת-תחום בפסיכולוגיה קוגניטיבית שעוסק במחשבת מומחים, ושני התחומים הפרו אחד את השני. מדוע ״ברור״ ששח מצריך מחשבה? מתי באופן כללי אפשר להגדיר מטלה ככזו שפתרונה מחייב אינטיליגנציה? אין כיום תשובה ברורה לשאלה הזו, וברור שאפשר לעשות משהו בדרך אינטיליגנטית יותר ואינטיליגנטית פחות. ובכל זאת, דרך אחת למדידת האינטיליגנציה של אלגוריתם בפתרון בעיה מסויימת הוא במדידת מידת הסטייה של האלגוריתם מטבלא קשיחה. ניקח למשל את המשחק איקס-מיקס-דריקס. עבור רוב המבוגרים המשחק פתור ולא מעניין, אבל נסו לחשוב עליו כאילו אתם ילדים. כיצד תפתרו אותו? אולי תבצעו סימולציה של המצבים האפשריים ותנסו להגיע לתוצאה שתכריח את היריב לבצע מהלך גרוע? אולי תנסו מהלכים באקראי? ואולי פשוט תסתכלו בעמוד שאומר ״הנה המהלכים האופטימליים בכל רגע נתון״, ותעשו את מה שהעמוד אומר? העמוד אולי משרטט אסטרטגיה אופטימלית, אבל האסטרטגיה של ״תעשה את מה שהעמוד אומר״ היא לא במיוחד אינטיליגנטית.

העמוד בדוגמא הזו הוא ה״טבלא הקשיחה״ הלא במיוחד אינטיליגנטית. הסיבה ששח נחשב כמשחק שמחייב מחשבה קשורה לכך שקשה מאוד לבנות טבלא שכזו. בכל רגע נתון במשחק יש מספר לא קטן של מצבים שצריך לבדוק, ועץ המשחק הכללי הוא עצום. לכן צריך להעריך באופן ״אינטיליגנטי״ כלשהו מצבי לוח גם בלי היכולת לחקור אותם עד הסוף. יש כל מיני מחקרים שמראים איך מומחים בונים הערכה של מצבי לוח שונים, והרבה ממחקר השח המלאכותי עסק בניסיון למצוא את ההערכה הנכונה למצבי לוח שונים (אולי רץ שווה 3 נקודות? אולי 4? אולי הוא שווה 3 נקודות בתחילת המשחק ו-4 נקודות באמצע?). זאת, כמובן, בשילוב עם היכולת לבדוק ולהעריך מספר גדול מאוד של מצבי לוח אפשריים. בשח יש גם חלק חשוב מאוד בכל הנוגע לשינון פתיחות ומצבי לוח שהיריב הספציפי מולו אתה משחק שיחק בעבר. לדעת אנשים כמו אלוף השח בובי פישר, השינון המסיבי הזה מקרב אנשים יותר למצב של ״טבלא קשיחה״ ואינו מהווה מדד לאינטיליגנציה או אפילו יכולת לשחק שח. פישר נהג לקונן על אובדן הכיף במשחק, והעובדה שכל מיני פושטקים בני 14 משנות האלפיים יכולים להביס אלופים מתחילת המאה המאה ה-20 בזכות שינון מסיבי, למרות ש״ברור״ שהאלופים הקודמים בעצם משחקים שח טוב יותר. פישר טען בזכות שח רנדומי, בו הכלים מתחילים באופן אקראי על הלוח. משחק שכזה מנטרל לכאורה את יכולת השינון ומחזיר את השח למצבו הטבעי – יכולת המשחק הטבעית של השחקנים תהיה קשורה ביכולת שלהם להעריך מצבים ולחפש במהירות אסטרטגיות מנצחות, במקום להסתמך על שינון.

Real_Wizard's_Chess

שח קוסמים, לקוח מה-ויקי של הארי פוטר

כאשר אלוף העולם קספרוב נוצח על-ידי האלגוריתם ״כחול עמוק״, נועם חומסקי העיר שזה היה מעניין בערך כמו לראות מלגזה מנצחת את אלוף העולם בהרמת משקל כבד. חומסקי ניסה להגיד שלמרות הניצחון, האלגוריתמים של כחול עמוק בעצם נסמכים על חיפוש לא אינטיליגנטי שלא אומר לנו הרבה על מחשבה אנושית. אני חושב שיש משהו בדברי חומסקי במובן שכחול עמוק איננו משחק שח באופן שבני-אדם משחקים שח, אבל חומסקי גם לא עושה חסד עם כחול עמוק, שהוא יותר מסתם טבלא. בנוסף, יש גם חשיבות למלגזות בעולם. כחול עמוק אמנם לא התרגם באופן מיידי למשהו יעיל, אבל אלגוריתמים שיכולים לחפש ולהעריך מצבים במהירות, גם אם ההערכה עצמה קשיחה משהו וטיפשית, הם בעלי ערך. אפילו במסגרת משחק השח, העובדה שכל אדם בעולם עם גישה למחשב או טלפון חכם יכול לאמן את עצמו מול אלגוריתמים שמנצחים אלופי עולם הוא דבר מבורך.

קספרוב נוצח ב-1997, ומאז אנשי הבינה המלאכותית עברו לדבר על המשחק הבא, הגביע הקדוש: גו.

גו הוא משחק סיני עתיק, בו שני שחקנים שמים כל אחד בתורו אבן על לוח בצורת רשת. המטרה היא לשלוט בשטח הלוח, וללכוד את אבני היריב. אפשר ללמוד את העקרונות הבסיסיים כאן, למשל. מבחינת המצבים האפשריים בכל רגע נתון, גו מורכב בסדר גודל יחסית לשח, והוא (לפי המחקרים הפסיכולוגים המעטים בתחום) מאורגן אחרת מנטלית. גו הוא חלק מהמורשת התרבותית בסין, קוריאה ויפן, וכמו שח הוא נחשב למטאפורה לחיים ודרך לשכלול חשיבה אסטרטגית. גם תרבותית וגם חישובית, גו נחשב לאתגר הגדול הבא אחרי שח, ואולי האתגר האחרון מבחינת משחקי לוח קלאסיים. כבר ב-1980 מאמר ארוך על אינטיליגנציה מלאכותית בניו-יורקר סימן את ההיררכיה הברורה: קודם מחשבים ינצחו בדמקה, אז בשח, אז בגו, ׳ואז בכל היתר׳.

בעת שקספרוב נוצח ב-1997, לא היו תוכנות שהתקרבו בכלל לרמת המשחק של אלופי גו. ב-2014, עדיין לא היו תוכנות שהתקרבו בכלל לרמת המשחק של אלופי גו. ובכל זאת, משהו השתנה. השינוי בא משלושה כיוונים: חיפוש עץ מונטה-קרלו, רשתות נוירונים, וחברת דיפ-מיינד.

חיפוש עץ מונטה קרלו: מדובר באלגוריתם בן כמה עשורים לחיפוש בעץ מצבים אפשרי. נניח שאני נמצא כרגע במצב לוח ספציפי. במקום לבדוק את כל המהלכים האפשריים שאני יכול לשחק מהמצב הנוכחי, אני בוחר כמה מהלכים אפשריים בהתאם ל׳חוזק׳ שלהם. עבור כל מהלך שכזה, אני בוחר עוד כמה מהלכים אפשריים בהסתברות שתלויה בחוזק שלהם, וחוזר חלילה עד שנמאס לי. כשנמאס לי, אני פשוט משחק את המשחק באופן אקראי עד שאני מנצח או מפסיד. הניצחון או ההפסד מגולגל אחורה ומשמש לתיקון הערכת החוזק של המצבים שנתקלתי בהם בדרך. במקום הערכת חוזק שתלויה רק בתוצאת משחק אקראי עד לנצחון או הפסד, אפשר גם להשתמש בפונקציית הערכה משנית למדידות חוזק המצב (כמו אותן פונקציית שהעריכו מצבי שח על-ידי ייחוס ניקוד מסויים לכלים שונים). אפשר גם לנסות ללמוד פונקציית הערכה באופן אוטומטי, ודיוויד סילבר עשה משהו בסגנון בתזה שלו, שעסקה ביישום חיפוש עץ מונטה קרלו על גו לפני כמה שנים, כחלק עיקרי מגל שגרם לאנשים לחשוב שיש סיכוי לבנות תוכנות גו רציניות סוף סוף.

רשתות נוירונים: אפשר להקדיש בלוג זניח שלם לתחום הזה (או כמה מיליארדי דולרים) ואין לי יומרות לסכם את העסק כאן. ובכל זאת, אי אפשר בלי איזשהו הסבר: מדובר במשפחה של אלגוריתמים שמנסים למצוא פונקציה הקרובה ככל האפשר לפונקציה ״אמיתית״ שממפה בין איזשהו קלט לאיזשהו פלט. בתור דוגמא, אפשר להניח שהקלט הוא פיקסלים בסידור מרובע, והפונקציה האמיתית היא אלגוריתם לזיהוי אובייקטים שממפה בין הפיקסלים בריבוע לבין תווית, כמו ״חתול״ או ״כלב״. רשת נוירונים תנסה למצוא פונקציה קרובה לפונקציה האמיתית, על-ידי שינוי המשקולות שמקשרות בין תאי קלט ותאי פלט (או יותר נכון, שינוי  המשקלות שמקשרות בין תאי הקלט ותאי האמצע, ובין תאי האמצע והפלט. רשתות נוירונים מאורגנות באופן ששואב השראה ממודלים פשטניים לרשתות עצבים ביולוגיות). הלימוד יכול להתבצע באופן מבוקר (״הנה כלב, הנה חתול, הנה כלב…״) או באופן לא מבוקר (ואז הרשת לרוב מנסה לדחוס באופן יעיל את הקלט). שוב, מדובר במשפחה שלמה של אלגוריתמים עם היסטוריה ארוכה, ואפשר לדמיין כל מיני סידורי רשת (למשל רשת נשנת, או לא נשנת, רשת עם מספר רב של שכבות או מספר קטן של שכבות, רשת שמקושרת לתאי זכרון, רשת שהפלט שלה הוא קלט לרשת אחרת שמנסה לדחוס את הקלט ובלה בלה בלה). מאז הגרסאות המוקדמות ביותר בשנות ה-60, העיסוק סביב רשתות נוירונים הוא עניין מחזורי. לפני הגל הנוכחי, ההתלהבות  הגדולה סביבן (בלימודי מכונה ובפסיכולוגיה) הייתה בשנות ה-80, ואז הן קצת נזנחו. לאחרונה הן זוכות לעדנה, מה שמוביל לסיפורי ״תמיד ידענו שצדקנו וגם כשכולם הגלו אותנו למדבר המשכנו להאמין בצדקת דרכנו ועכשיו כולם רואים שצדקנו״. רשתות נוירונים ״עמוקות״ (כלומר כאלה שיש בהן יותר משכבת אמצע אחת) הצליחו לאחרונה במגוון תחומים שנחשבו קשים מאוד בבינה מלאכותית, כולל זיהוי אובייקטים, ניבוי פעולה, תיוג תמונות וסרטי וידיאו, זיהוי לוויתנים, נהיגה אוטומטית, מציאת תבניות מעניינות בדנ״א, קיפול חלבונים, ומה לא. אנשים עדיין חוקרים למה בעצם כל העסק הזה עובד, אבל נראה שעבור מטלות מסויימות הוא באמת עובד. חוקרים במיוחד אוהבים את היכולת להתייחס לרשתות נוירונים כמעיין קופסאות שחורות שימצאו לבד את תתי-החלקים החשובים לצורך פתרון בעיה. אם נחזור לדוגמא של משחקי לוח, אנשים בעבר בילו הרבה זמן בהגדרת המאפיינים החשובים לפתרון משחקי לוח שונים, והמשקל שצריך לייחס למאפיינים השונים (מאפיין בשח יכול להיות למשל איזה כלים נשארו, ואיפה הם על הלוח. המשקל הוא החשיבות שאנחנו מייחסים למאפיין, למשל אפשר לייחס משקל 3.5 לקיומו של רץ). במקום לעבוד באופן סיזיפי בניסיון למצוא מאפיינים טובים, ניתן לרשת לגלות אותם. יכול להיות שהמאפיינים החשובים הם בכלל כל מיני קומבינציות מוזרות של דברים שלא חשבנו עליהם אף-פעם. לעיתים קרובות קשה מאוד להבין מה בעצם המאפיינים שרשת גילתה.

ann_3

רשת נוירונים פשוטה. לקוח מהאתר של Abner Araujo

דיפ-מיינד: מדובר בחברה לונדונית שהכריזה על עצמה כ׳תכנית אפולו לאינטיליגנציה מלאכותית׳. היא נקנתה לפני כמה שנים על-ידי גוגל. אין להם מטרה מסחרית מוצהרת מעבר לפיתוח תוכנות מעניינות. החברה שאבה עשרות דוקטורנטים במדעי המחשב ואינטיליגנציה מלאכותית, והיא כבר כבשה לפני כמה חודשים את השער של nature כשהם הצליחו לאמן אלגוריתם שמשחק משחקי אטארי שונים ברמה אנושית או על-אנושית. האלגוריתם הוא קצה-לקצה, כלומר הקלט שלו הוא הפיקסלים של המסך והפלט הוא תנועת הג׳ויסטיק. האלגוריתם משלב רשתות נוירונים ולמידת חיזוק.

דיפ מיינד, אגב, שכרה גם אנשים כמו דיוויד סילבר.

לפני כמה חודשים דיפ-פיינד כבשה שוב את השער של נייצ׳ר, עם מאמר שדיווח על אודות התוצאות של משחק סודי בין פאן הוי (אלוף אירופה בגו, ואני מקווה שאני משעתק את השם בצורה נכונה) לבין אלגוריתם חדש בשם אלפא-גו. פאן הוי ואלפא גו שיחקו חמישה משחקים, ופאן הוי הפסיד חמש-אפס. אלפא-גו משלבת בין רשתות נוירונים שאומנו על מספר גדול מאוד של מצבי לוח (כולל מצבים שהם התוצאה של משחקי גו של מומחים אנושיים, וכולל משחקים שאלפא-גו שיחקה מול עצמה) וחיפוש  עץ מונטה קרלו. באופן פשטני משהו, אלפא-גו דוגמת את המהלך הבא להערכה בהתאם להסתברות שאדם מומחה יבצע את אותו מהלך, ואז מעריכה אותו כשילוב נוסף בין דגימת המצבים האפשריים מאותו מהלך, והערכת מצב הלוח שנובע מהמהלך, הערכה שמתבצעת בעזרת רשת נוירונים. התוכנה מסוגלת גם לדגום מהלכים שאנשים יבצעו בהסתברות נמוכה, ולהבין שמדובר דווקא במהלך חכם.

התבוסה של פאן הוי זעזעה אנשים רבים בתחום, שעד אותו רגע היו רגילים להתקדמות איטית למדי.

ואז דיפ-מיינד הודיעו שהם הולכים להתחרות מול לי סדול.

lee sedol 002 (1)

לי סדול

אלוף אירופה הוא תואר מרשים, אבל בדירוג הכללי פאן הוי היה במקום 600 בערך כשאלפא-גו ניצחה אותו. לי סדול דורג באופן עקבי במקומות 1-5 בעולם כולו. בהנחה שהסולם לא לינארי, לא היה ברור כלל שתוכנה שהביסה את פאן הוי יכולה להביס את לי סדול. לי סדול עצמו הכריז בבטחון שהוא ינצח את המכונה 5-0, אולי 4-1. רוב האנשים שעסקו בתחום העריכו שגם אם אלפא-גו לא תנצח את לי סדול במרץ, תוך שנים ספורות אלוף עולמי יובס על ידי האלגוריתם. השאלה הייתה, האם אלפא-גו כבר מספיק חזקה לנצח במרץ.

בסקר שערכתי לפני המשחקים בקרב 30 מומחים בתחום בינה מלאכותית, 15 מהם העריכו שאלפא-גו תנצח ו-15 העריכו שלי סדול ינצח. באתר ביט-בט, שאיגד הימורים לפני המשחק, הניחושים התפלגו גם פחות או יותר חצי-חצי. כך שגם אם הדבר נראה ברור בדיעבד, חשוב לזכור שלפני המשחק באמת שלא היה קונצנזוס מה הולך לקרות.

האם דיפ-מיינד ידעו שהם ינצחו? בעת הצבת האתגר ללי סדול, נראה שהם לא ידעו בוודאות (כך לדברי אדם מקורב לנושא ששוחחתי עמו). אבל כנראה שלקראת הקרב הם כבר היו בטוחים למדי. סילבר עצמו אמר שהוא מנוע מהימור כספי, אבל הוא מוכן להמר על המוניטין שלו שהם יצליחו.

בתחילת מרץ, צוות דיפ-מיינד ארז את חפציו וטס לקוריאה, שם המתינו לו מאות עיתונאים:

Cc_xDwWUAAA1krg

מדובר היה במסיבת התקשורת הגדולה ביותר בהיסטוריה של גוגל.

לי סדול המשיך להפגין בטחון עצמי, אך הודה שיכול להיות שאלפא-גו השתפרה מאז המשחק מול פאן הוי. כהערה אישית, הבטחון של לי סדול לא הצטייר בעיני כזחיחות, וכל ההתנהלות שלו לפני, בזמן ואחרי הקרבות הייתה מרשימה ביותר. היה ברור שגם בדיפ-מיינד רוחשים כבוד אדיר ללי סדול.

הקרבות הועברו בשידור ישיר למיליוני אנשים (רוב הצופים היו מאסיה), ודיפ-מיינד ארגנו שידור חי באינטרנט, בלווי פרשנות של שני מומחי גו שניסו להעריך את מצב הלוח תוך כדי המשחק. בהתחלה, כאשר אלפא-גו ביצעה מהלכים שבן-אדם לא היה מבצע, המומחים העריכו שמדובר בטעות.

ואז לי סדול הפסיד בקרב הראשון.

הטון השתנה מאוד במהירות אחרי הקרב הראשון. פתאום המומחים התחילו להתייחס למהלכים מפתיעים בתור ״אני לא מבין למה אלפא-גו עושה את זה…אבל כנראה שיש סיבה״. גם אנשים שלא היו בטוחים לפני הקרב מי ינצח העריכו שהמערכה כולה תגמר באופן מוחץ לאחד הצדדים. הרי לא סביר שאלפא-גו אומנה בדיוק לרמת המומחיות של לי סדול. או שהיא מפגרת אחריו, או שהיא כבר עברה אותו. מכאן שההפסד במשחק הראשון העיד על כך שלי סדול כנראה יפסיד במערכה כולה. ובכל זאת, היו אנשים שקיוו שסדול רק גישש אחר חולשות, שהוא ניסה לברר מה בדיוק אלפא-גו מסוגלת לעשות, וכעת הוא יתעשת וינצח.

ואז לי סדול הפסיד בקרב השני.

Google-Go-Lee-Sedol-press-conference-930x760

קרידט: גוגל

אין לי כוונה לכתוב על המשחקים עצמם באופן מעמיק. אני מסוגל להביס תוכנת גו פשוטה על לוח קטן, אבל אני לא חושב שמומחה גו יכול להבדיל בין המהלכים שאני מבצע ומהלכים של שימפנזה, ועוד שימפנזה לא חכמה במיוחד. לכן כל ניסיון לכתוב על המהלכים יהיה פשוט העתק של ניתוחי מומחים, או התרכזות בדברים כמו הבעות הפנים של לי סדול.

ובכל זאת, ישנם כמה מהלכים שאנשים כתבו ועוד יכתבו עליהם הרבה. מדובר על מהלכים שבן-אדם ״סביר״ לא היה מבצע, מהלכים שלי סדול לא ידע איך להבין בדיוק. אלה מהלכים שבן-אדם היה מבצע בהסתברות נמוכה, ולכן הסיכוי שאלפא-גו תדגום ותעריך אותם יורד בהתאם. ובכל זאת, התוכנה יכולה להעריך גם מהלכים שכאלה, ו׳להבין׳ שמדובר במהלכים לא רעים כלל. אלפא-גו ביצעה מהלכים שאנשים ״ידעו״ שאסור לבצע, או לא כדאי לבצע, אבל התבררו כחלק מאסטרטגיה נכונה. מהבחינה הזו, תוכנות כמו אלפא-גו יגרמו בעתיד לשינוי בהבנה של המשחק ולפיתוח אסטרטגיות שנעלמו מעיני אנשים גם במהלך אלפי השנים שבהן המשחק שוחק.

לי סדול הפסיד גם בקרב השלישי ובכך גם את המערכה כולה. פרישה מוקדמת נחשבת לא מכובדת, והמערכה נמשכה. לי סדול הצליח לנצח בקרב הרביעי, בעיקר בזכות מהלך מפתיע שהוגדר ״אלוהי״ על-ידי חלק מהמומחים, אבל לא היה מדובר בפענוח כללי של החולשות של אלפא-גו – לי סדול הפסיד גם בקרב החמישי.

Cdm5zkrWwAIMWa4

תעודה המכירה בכך שאלפא-גו הגיעה לרמת דאן-9

כאמור, הטון של דיפ-מיינד ושל לי סדול היה מאוד מכבד, מכובד ומרשים במהלך המשחקים, והטון הזה נמשך גם אחרי ההפסד האנושי. סדול הודה שהוא טעה בתחזית שלו, אבל היה מאוד מרוצה מהניצחון היחיד שהשיג (״אם הייתי מנצח שלושה משחקים ומפסיד ברביעי, הייתי עצוב עכשיו. במקום, הפסדתי בשלושה משחקים וניצחתי ברביעי, ואני מאושר מאוד. לא הייתי מחליף את סדר הדברים גם אם הייתי יכול״, הוא אמר לקול תשועות רמות אחרי הנצחון היחיד).

אז מה עכשיו? תוך כמה זמן יגיע ״כל היתר״ עליו דיברו בניו-יורקר בפסקא שניבאה שמכונות יביסו אותנו בקרוב ב״דמקה, שח, גו וכל היתר״?

ברמה המיידית, יש עוד כמה אלופי גו שרוצים להתחרות מול אלפא-גו. סביר להניח שהתוכנה תשנה את האופן בו משחקים את המשחק ברמות הגבוהות. אולי המשחק יהפוך דומה יותר לשינון טבלאות כפי שקרה בשח, אולי לא. אלפא-גו עצמה אולי  תתחרה במשחקים אחרים, אבל יש להניח שהיא צריכה לעבור כל מיני התאמות.

ברמה היותר כללית, לא ברור שיש עוד משחק לוח קלאסי שנותר לכבוש. אולי תשומת הלב תתמקד במשחקי-מחשב מבוססי זמן-אמת, או בתוכנות שיכולות לשחק היטב ברמה כללית בכל מיני משחקי לוח שונים אחרי ״הבנה״ מהירה של החוקים, אלגוריתמים שידעו להתמודד גם עם המתיישבים של קאטאן וגם עם משחקי-הכס-משחק-הלוח (והדבר דומה יותר לחזון של בובי פישר בנוגע לאינטיליגנציה שיכולה לשחק מגוון משחקי שח, במקום להסתמך על שינון מצבי לוח). יכול להיות שהדגש יעבור להיות על רמת האימון במקום רמת הקושי (אלפא-גו ׳שיחקה׳ משחקים בכמות שהיא כמה סדרי גודל מעבר למה שלי סדול שיחק כל חייו). בכל מקרה, אין משחק אחד או אתגר אחד שכרגע ברור לכולם שהוא הדבר הגדול הבא בתחום.

 ברמה הכללית עוד יותר, עדיין לא ברור עד כמה התקרבנו לבינה מלאכותית אנושית, וכמה זמן עוד דרוש כדי להגיע לנקודה הזו. חוקרים מסויימים בתחום מתלוננים שכל פעם שהם מצליחים במטלה כלשהי, אנשים מזיזים את המטרה. אמרתם שאם נצליח להביס אדם בשח אז זה מראה שבנינו מכונה אינטיליגנטית. הנה, בנינו אחת. אמרתם שראייה אנושית מסוגלת להבחין בין חתול לכלב, גם אנחנו יכולים. אמרתם  שראייה אנושית אמיתית מסוגלת לתאר סיטואציה ולשאול שאלות לגבי תמונה או סרט. הנה, גם אנחנו יכולים. עכשיו ניצחנו בגו. תפסיקו להזיז את המטרה, בנינו בינה מלאכותית. ובכל זאת, יש חוקרים חשובים וחכמים לא פחות שמרגישים שכל פעם אנו פותרים את המטלות האלה באופן טיפשי קצת, ולא ממש אנושי. כן, מכונה ניצחה בשח, אבל היא לא ממש חושבת כמו בן-אדם. כן, אפשר להבדיל בין כלב לחתול, אבל רק אחרי כמות אדירה של אימון, ואפילו ההבדלה הזו לא נראית כמו הבדלה אנושית. כן, אנחנו יכולים לשאול שאלות לגבי תמונות, אבל זה דורש קורפוס אדיר ואימון לא אנושי. בתור קונטרה לקונטרה הזו, חוקרים מסויימים יטענו שרשתות נוירונים כן קרובות יותר לחשיבה אנושית מהאלגוריתמים ששימשו את כחול עמוק, למשל. אבל זה וויכוח שחורג קצת מהפוסט הזה.

לגבי תחזיות, ג׳פרי הינטון – איש חשוב מאוד בתחום ומחלוצי רשתות הנוירונים והלימוד המבוזר בשנות ה-80 – לא אוהב לנסות ולנבא דברים מעבר לאופק של 5 שנים, והוא לא רואה בינה אנושית מלאכותית בטווח הזה לפחות. בסקר שערכתי בקרב עשרות אנשים מומחים יותר ופחות, נראה שהציפייה החציונית היא שנגיע לבינה אנושית מלאכותית עוד כ- 50 שנה (תוצאות דומות לאלה העולות  מהסקרים שניק בוסטרום מעביר בכנסי בינה מלאכותית), אבל צריך לזכור שבינה מלאכותית ״אמיתית״ תמיד אמורה להגיע עוד 25-50 שנה יחסית לכל רגע נתון. קלוד שנון ניבא בשנות ה-60 שתוך 10-15 שנה נבנה משהו שהוא לא רחוק מאוד מהרובוטים בסיפורי אסימוב, והוא לא היה היחיד.

אבל מי יודע, אולי אלפא-גו היא הסנונית שמבשרת באופן סופי על סוף החורף בתחום הבינה המלאכותית (או הכנרית שמבשרת על הגז המסוכן שמצטבר במכרה). אולי מכאן אנחנו נטפס על עץ רשתות הנוירונים ונגיע עד הירח. אני לא חושב כך, או לפחות אני חושב שרשתות נוירונים עברו ועוד צריכות לעבור שינויים בסיסיים לפני שהן יהוו את היסוד לאינטיליגנציה מלאכותית. אבל מי יודע, אולי אני אתבדה ואנחנו נגיע לבינה מלאכותית אנושית תוך שלושה או חמישה עשורים. זה הימור שאני אשמח להפסיד בו.

מודעות פרסומת