Două mutări care au schimbat felul în care oamenii privesc jocul de Go
Istorie contemporană · Coreea de Sud · 2016
În martie 2016, la Seul, unul dintre cei mai puternici jucători de Go ai generației sale s-a așezat la tablă pentru un meci neobișnuit.
De partea cealaltă nu se afla un alt profesionist.
Se afla AlphaGo, sistemul de inteligență artificială dezvoltat de DeepMind.
Go fusese mult timp considerat una dintre marile provocări ale inteligenței artificiale. Numărul enorm de poziții posibile și dificultatea evaluării unei table făcuseră ca programele de Go să rămână mult în urma celor mai buni oameni. În 2015, AlphaGo îl învinsese deja cu 5–0 pe campionul european Fan Hui, devenind primul program care învingea un profesionist de Go într-un meci pe tabla 19×19. Nature
Dar Lee Sedol reprezenta un alt nivel.
Câștigător a 18 titluri mondiale, el era una dintre figurile majore ale Go-ului profesionist al epocii. Meciul de cinci partide cu AlphaGo avea să fie urmărit de peste 200 de milioane de oameni. Google DeepMind
Mutarea 37
În cea de-a doua partidă, AlphaGo juca cu negrul.
La mutarea 37, programul a plasat o piatră pe linia a cincea, într-o zonă în care profesioniștii nu se așteptau să joace atât de devreme.
Reacția inițială a comentatorilor a fost de nedumerire. DeepMind amintește că unii profesioniști au crezut chiar că mutarea era o greșeală. Probabilitatea ca un jucător uman să aleagă acea mutare fusese estimată de sistem la aproximativ 1 la 10.000. Google DeepMind
Dar mutarea nu era o eroare.
Pe măsură ce partida a continuat, rolul pietrei a devenit tot mai clar. DeepMind notează retrospectiv că, aproximativ o sută de mutări mai târziu, piatra se afla exact unde trebuia pentru strategia construită de AlphaGo. Google DeepMind
Lee Sedol avea să spună ulterior că această mutare i-a schimbat perspectiva asupra programului: până atunci îl privise ca pe o mașină bazată pe calcule probabilistice; după mutarea 37, a început să vorbească despre jocul AlphaGo în termenii creativității. Google DeepMind
AlphaGo a câștigat partida.
Și după primele trei jocuri conducea deja meciul cu 3–0.
Mutarea 78
Pe 13 martie a început partida a patra.
Meciul era deja decis, dar Lee Sedol continua să joace.
De această dată avea albul.
La mutarea 78, într-o poziție complicată din centru, Lee a găsit o mutare pe care AlphaGo nu o anticipase corespunzător.
Și aici estimarea era extraordinară: DeepMind descrie mutarea ca având, din perspectiva modelului său de joc uman, aproximativ aceeași probabilitate de 1 la 10.000. Google DeepMind
Mutarea avea să devină cunoscută sub numele de „God’s Touch”.
AlphaGo a început să greșească în secvențele care au urmat, iar Lee Sedol a transformat avantajul obținut într-o victorie.
A fost singura partidă pierdută de AlphaGo în acel meci.
Scorul final: AlphaGo 4 – Lee Sedol 1. Google DeepMind
Două mutări, două direcții
Tocmai aici povestea devine mai interesantă decât simpla confruntare „om contra mașină”.
În partida a doua, sistemul de inteligență artificială a găsit o mutare pe care oamenii o considerau foarte puțin probabilă.
Două partide mai târziu, omul a răspuns cu o mutare pe care sistemul o considera, la rândul lui, foarte puțin probabilă.
37 – AlphaGo.
78 – Lee Sedol.
Una a arătat că o inteligență artificială putea găsi idei strategice aflate în afara convențiilor acumulate de generații de jucători.
Cealaltă a arătat că nici explorarea umană nu se încheiase.
Dincolo de partidă
Impactul meciului nu s-a oprit în martie 2016.
Profesioniștii au început să studieze mutările AlphaGo, iar unele idei considerate anterior neobișnuite au intrat treptat în practica modernă. DeepMind relata deja în 2017 că profesioniști și amatori analizau jocurile sistemului și experimentau cu strategii noi; jucătorul profesionist Zhou Ruiyang descria efectul ca pe o eliberare de ideea că anumite mutări ar fi pur și simplu imposibile. Google DeepMind
Din acest punct de vedere, meciul Lee Sedol–AlphaGo nu a însemnat sfârșitul unei epoci a jocului de Go.
A deschis una nouă.
O perioadă în care oamenii au început să învețe și din mutările mașinilor, iar mașinile au devenit, pe lângă adversari, instrumente pentru explorarea jocului.
În seria noastră am pornit de la legenda unui împărat care ar fi inventat jocul de Go pentru a-și educa fiul.
Aproape patru milenii mai târziu, ajungem la o tablă pe care omul și o inteligență artificială au reușit, la numai două partide distanță, să se surprindă reciproc.
Poate că tocmai aici se vede cel mai bine cât spațiu de explorat mai există încă pe o tablă de 19×19.
Pozițiile după mutarea 37 din partida a doua și mutarea 78 din partida a patra a meciului AlphaGo–Lee Sedol, Seul, 2016. Diagrame realizate după kifu-urile partidelor.
Surse
Google DeepMind – AlphaGo.
Google DeepMind – AlphaGo at 10: How AI Innovation Is Paving the Path to AGI.
Google DeepMind – Exploring the mysteries of Go with AlphaGo and China’s top players.
Nature – Tanguy Chouard, The Go Files, martie 2016.
Silver et al. – Mastering the game of Go with deep neural networks and tree search, Nature 529, 2016. Google DeepMind
← Povestea precedentă: Partida bombei atomice
Înapoi la Legende