Kunstmatige intelligentie en algoritmes maken tegenwoordig integraal deel uit van ons dagelijks leven. Ze spelen een rol op verschillende gebieden, die niet altijd een duidelijke link hebben met IT. Kunstmatige intelligentie (AI) wordt inderdaad toegepast in vele domeinen zoals robotica, maar ook in games, muziek, kunst, gezondheid en nog veel meer.
Dit artikel is het eerste van onze gloednieuwe reeks over de vele facetten van kunstmatige intelligentie, waarbij we de integratie ervan in onze moderne wereld in detail beschrijven. Vandaag beginnen we met een spannend onderwerp, dat van spellen in de breedste zin van het woord en videogames in het bijzonder.
Samenvatting
- Kunstmatige intelligentie in ons dagelijks leven
- Wanneer kunstmatige intelligentie de mens op zijn speelterrein uitdaagt
- Wat is de volgende stap?
Kunstmatige intelligentie in ons dagelijks leven
Het zou buiten het opzet van dit artikel vallen om een volledig overzicht te geven van de toepassingen van kunstmatige intelligentie. Maar laten we terugkeren naar een voorbeeld dat zoveel mogelijk mensen aanspreekt: de stemassistent. Apple en Google hebben vormen van kunstmatige intelligentie in ons dagelijks leven geïntroduceerd met de integratie van Siri, de voice assistant voor iOS-apparaten, en OK Google, de stemassistent voor Android-apparaten. Steeds meer aangesloten speakers zoals Google Home – op de markt gebracht door Google – en Alexa – op de markt gebracht door Amazon – vinden hun weg naar huishoudens en zijn gebaseerd op dezelfde technologieën. We bespraken dit gebruiksgeval in een recent artikel dat u hier kunt lezen.
Wanneer kunstmatige intelligentie mensen op hun speelterrein uitdaagt
Al lange tijd is gaming een bevoorrecht onderzoeksveld voor specialisten in kunstmatige intelligentie. Talloze mensen hebben games bekeken, de technieken en strategieën ervan onderzocht om hun algoritmische modellen te testen en steeds efficiëntere AI’s te ontwikkelen.
Terwijl de eerste ontwikkelingen een basiskennis omvatten, waren de meest succesvolle AI’s in staat om nieuwe spelstrategieën te leren en zelfs een revolutie teweeg te brengen in de manier waarop bepaalde spellen werden gespeeld, zoals met Backgammon, dat de AI TD-Gammon aan ervaren spelers aantoonde op een geheel nieuwe manier omdat het nieuwe strategieën, technieken en theorieën voor het menselijk oog had ontwikkeld.
Om de belangrijkste stappen in de relatie tussen kunstmatige intelligentie en games te begrijpen en te illustreren, hebben we een nieuwe infografiek voor u gemaakt, die we hieronder in meer detail zullen uitleggen.
Schaken
In 1997 was Deep Blue de eerste kunstmatige intelligentie die Garry Kasparov, wereldkampioen schaken, versloeg. Na een aantal wedstrijden waarbij Kasparov op een klassieke en strategische manier probeerde te spelen, vervolgens op een meer wanordelijke manier met behulp van verschillende strategieën, waarbij hij zich niet langer tevreden stelde met het vasthouden aan een bepaalde manier van spelen. Via deze techniek kwamen 3 remises voort tot DeepBlue Kasparov versloeg tijdens de 6e wedstrijd.
We moeten er wel op wijzen dat Deep Blue tussen 1996 en 1997 speciaal werd verbeterd om Kasparov te verslaan, waarbij ook de kracht ervan werd verdubbeld. De middelen die in deze missie werden geïnvesteerd, waren dus belangrijk voor IBM.
Tv-kwis Jeopardy
In 2011 kwam er in de tv-kwis Jeopardy een nieuw soort kandidaat naar voren: een kunstmatige intelligentie ontwikkeld door IBM. Dankzij een ram-geheugen van 15 TB (terabytes) won Watson (de naam van de AI) op tv van de titelverdediger en kon zo een prijs van een miljoen dollar claimen.
Watson had tijdens de vragen geen toegang tot het internet. Het is echter duidelijk dat veel servers werden ingeschakeld zodat de AI reactief kon zijn. Daarnaast geeft IBM toe dat Watson het equivalent van 200 miljoen pagina’s aan gegevens in zijn geheugen had opgeslagen.
Go
In maart 2016 won de AlphaGo-intelligentie, ontwikkeld door DeepMind, 4 van de 5 Go-wedstrijden tegen Lee Sedol, een van de wereldkampioenen van dit zeer complexe strategiespel. Veel specialisten waren ervan overtuigd dat deze overwinning van een AI op een Go-kampioen tientallen jaren op zich zou laten wachten; en toch… Go is inderdaad veel ingewikkelder om te spelen en de strategieën zijn des te talrijker omdat het bord twee keer zo groot is als een schaakbord.
Na het bestuderen van een database van Go-wedstrijden, werd de AI vergeleken met iemand die 80 jaar achtereen ervaring had opgedaan met het spel. In vergelijking met Deep Blue – de AI die Kasparov versloeg bij het schaken in 1997 – heeft AlphaGo de zogenaamde “Deep Learning”-technieken in de praktijk gebracht in plaats van brute krachtstrategieën. Zo versloeg AlphaGo en zijn opvolger AlphaGo Master respectievelijk Lee Sedol en Ke Jie, ook beschouwd als een van (of) de beste Go speler ter wereld.
Deze vooruitgang is belangrijk voor het gebied van kunstmatige intelligentie. Veel mensen relativeren deze overwinning echter en wijzen op de energiekracht die AlphaGo en AlphaMaster gebruiken om hun doelen te bereiken. Tijdens de wedstrijd tegen Lee Sedol en AlphaGo werd geschat dat het energieverbruik van de kampioen 20 watt bedroeg, vergeleken met bijna 1m watt voor de AI (Engelse site).
Texas Hold’em
Poker is een van de meest ingewikkelde spellen om te spelen. Inderdaad, dit spel combineert reflectie, strategie, maar ook instinct en bluf, wat op het eerste gezicht niet de meest ontwikkelde vaardigheden van een AI lijkt te zijn. Rekening houdend met de moeilijkheden van poker, concentreerden de Libratus-ontwikkelaars zich op Texas Hold’em Poker. Zo werd de AI getraind om tegen zichzelf te spelen en vervolgens zijn eigen strategieën te onderzoeken om ze te verbeteren en tegelijkertijd echte blufvaardigheden te creëren door teleurstelling of spijt als gevolg van bepaalde spelkeuzes te verminderen. Met een spijtpercentage van dicht bij nul, werd geconcludeerd dat het onmogelijk zou zijn om dit algoritme in een mensenleven te verslaan.
Dit werd getest in januari 2017. Libratus werd geconfronteerd met Jason Les, Dong Kim, Daniel McAulay en Jimmy Chou, ’s werelds beste Texas Hold’em spelers. Na 20 dagen spelen en 120.000 hands werd Libratus uitgeroepen tot winnaar. Tijdens haar hands heeft de AI de strategieën en technieken van haar concurrenten geanalyseerd en zich voortdurend aangepast en verbeterd.
Pacman
In 2017 integreerde de start-up Maluuba, na zijn opname in DeepMind (een Google-bedrijf), een automatische leermethode genaamd Hybrid Reward Architecture (HRA) in het beroemde arcade spel Pacman. Deze technologie laat een agent toe om de suggesties van alle andere agenten voor het huidige spel te evalueren. Deze benadering werd vaak vergeleken met de uitdrukking “verdeel en heers” en liet de AI een ongekende score van 999.990 behalen.
Dota 2
Op basis van hetzelfde principe als Libratus werd OpenAI in het leven geroepen om zelf te leren en zich voortdurend te verbeteren via spelervaring. Na slechts twee weken leren won de kunstmatige intelligentie, ontwikkeld door het laboratorium dat mede werd opgericht door de beroemde Elon Musk, in augustus 2017 al tegen verschillende wereldspelers Dota 2 in één-op-één wedstrijden tijdens het wereldtoernooi eSports The International. Wat deze stap essentieel maakt is het onverwachte aspect van gebeurtenissen die zich tijdens het spel voordoen.
Rubik’s Cube
Een andere belangrijke mijlpaal is natuurlijk het record van begin 2018 door een AI die een Rubik’s Cube in 0,38 seconden wist op te lossen, inclusief visuele analyse en kleurherkenning via een Playstation 3 webcam en de bewegingen die nodig zijn om de Rubik’s Cube op te lossen met behulp van robotarmen. Tot dan bedroeg het record 0,637 seconden voor een robot en 4,69 seconden voor een mens, een record gehouden door Patrick Ponce.
StarCraft II
In 2019 verlegde DeepMind, de Google-dochteronderneming die zichzelf beroemd werd met de ontwikkeling van AlphaGo, de grenzen van de kunstmatige intelligentie in spelen opnieuw. Zijn laatste ontwikkelingen leidden tot de ontwikkeling van AlphaStar, een kunstmatige intelligentie die twee van de top 50-spelers in StarCraft II versloeg. Dit real-time strategiespel is veel complexer dan spellen die AI’s al eerder hebben leerden te beheersen (Atari, Mario, Quake III Arena,…..), aangezien StarCraft II een spel is dat verschillende spelmodi biedt en in het bijzonder die van één tegen één waarbij deelnemers zich in real time ontwikkelen.
Wat is de volgende stap?
Door het menselijk brein te verslaan in meer verschillende en gevarieerde, maar vooral meer en meer complexe games, kunnen we ons afvragen wat de toekomst van kunstmatige intelligentie en interactie met mensen voor ons nog in petto heeft. Hoewel het duidelijk is machines almaar complexere problemen kunnen oplossen (cf. Go en Starcraft II), moeten we ook rekening houden met de rol van de mens in deze vergelijking.
Voor optimalisering lijkt het voor de hand te liggen dat we rekening zouden moeten houden met het energieaspect. Veel mensen vragen zich af wat de mogelijkheden van een AI zouden zijn als deze op hetzelfde niveau van energie als een mens zou opereren, en stellen daarom meer ‘fair play’-confrontaties voor.
Aan de andere kant verslaat kunstmatige intelligentie mensen in spelletjes die deze laatste zelf hebben uitgevonden. Maar zou een AI in staat om een nieuw spel ‘uit te vinden’? Een AI genaamd Angelina is al aan het leren en verbeteren om dit doel te bereiken.
Posted in Innovation.
