왜 게임을하기 위해 AI를 만드는 데 많은 시간과 돈을 소비합니까?

나는 John McCarthy 와 그의 인공 지능에 대한 그의 정통 비전에 대해 읽었 습니다. 나에게는 AI가 체스와 같은 게임을하는 데 사용되는 시간과 돈과 같은 리소스를 좋아하지 않는 것처럼 보입니다. 대신, 그는 튜링 테스트와 인간 행동을 모방 한 AI에 합격하는 데 더 집중하고 싶어했습니다.

또한 IBM, Google 등과 같은 주요 회사에 관한 많은 기사를 읽었으며 Chess, Go 등과 같은 게임을 위해 AI를 만드는 데 수백만 달러를 소비했습니다.

이것은 어느 정도 정당화 되는가?

Alexander Kronrod 는 "Chess는 인공 지능의 초파리입니다"라고 한 번 말했습니다. John McCarthy는이 진술에 동의하지 않습니다. 나는 그가 다른 시각을 가지고 있기 때문이라고 생각합니다.
이러한 게임을하기 위해 개발 된 기술과 혁신적인 방법은 인공 지능뿐만 아니라 광범위한 컴퓨터 과학에 유용합니다.

인공 지능 책 : 현대적 접근 방식 은 그랑프리 모터 레이싱을 유추 하여 위의 문제를 설명했습니다. Chess, Go, Othello와 같은 게임 은 그랑프리 모터 레이싱이 자동차 산업에 속하므로 AI에 있습니다. 최신 기술의 진보를 통합하는 강력한, 고도로 최적화 된 엔진 등, 쇼핑, 일반 도로에서 운전에 대한 좋지 않다 그럼에도 불구하고, 그것은 혁신의 흥분과 꾸준히 만들어 넓은 지역 사회에 의해 채택되었다.

Chess, Othello, Go와 같은 게임을하기 위해 작성된 AI 프로그램 은 널 이동 휴리스틱, 허무 정리, 조합 게임 이론, 벌금 및 압착, 메타 리 추닝 등의 개념 을 도입했습니다 . 머신 러닝 및 딥 러닝 의 고급 알고리즘 이 그 결과입니다.

NASA, ISRO, JAXA 및 기타 우주 기관의 우주 임무와 비슷한 것을 볼 수 있습니다. 이 모든 임무는 시민에게 직접적인 혜택은 없지만 많은 간접적 인 혜택이 있습니다. 그들은 기술 혁신 (GPS, 3D 인쇄, 자동차 충돌 기술, 청정 에너지, LED), 일자리 창출 등을위한 길을 닦습니다. 폭풍우, 허리케인 감지는 전 세계 수백만의 생명을 구한 우주 탐험의 결과물입니다.

AI Games는 소프트웨어 개발뿐만 아니라 하드웨어 개발에도 도움이되었습니다. 많은 혁신이 고도로 최적화되고 강력한 하드웨어를 생산하는 것으로 나타났습니다.

게임 플레이 R & D가 리소스 할당의 초점이되는 이유는 무엇입니까?

연구자들이 인간의 문제 해결 능력의 일부를 모방하려고 할 때 게임 플레이에 대한 명백한 강박 관념을 조사 할 때 John McCarthy (1927 – 2011)의 견해에 대한 정통이 오도 될 수 있습니다.

출판 편집 편견과 대중 과학 소설 주제는 수상 경력이있는 보드 게임 소프트웨어 개발에 대한 집착으로 이끄는 주력을 모호하게 할 수 있습니다. 많은 지능 연구 및 개발 분야에서 자금과 인적 자원의 할당을 조사 할 때,이 소셜 네트워크의 질문에 대한 답변의 전형적인 왜곡을 피하기 위해서는 일부 역사적 배경이 필요합니다.

역사적 배경

과학 및 기술 역사를 포함하여 역사를 분석 할 때 자신의 시간에서 벗어나 다른 시대의 사고 방식으로 자신을 배치하는 능력이 도움이됩니다.

McCarthy의 비전은 당시 정통이 아니라고 생각하십시오. 서구 산업화 직후 과학자와 수학자 사이의 자동화에 대한 여러 가지 떠오르는 트렌드 때문에 빠르게 정통이되었다. 이러한 생각은 인쇄, 섬유, 농업 및 운송 산업과 전쟁의 기계화의 자연스러운 확장이었습니다.

20 세기 중반까지 이러한 추세 중 일부는 디지털 컴퓨터를 개념화하기 위해 결합되었습니다. 다른 사람들은 디지털 시스템을 통해 지능의 측면을 조사하는 사람들의 공동체 내에서 정통이되었습니다. 기술적 배경에는 이론적 작업과 전자 기계적 작업이 포함되었으며, 그 중 일부는 어느 정도 대중의 명성을 얻었습니다. 그러나 당시 국가 안보 관심 항목으로 간주되는 것은 일반적으로 비밀이거나 너무 추상적이기 때문에 모호했습니다.

• Norbert Wiener (1894 – 1964)가 주로 개발 한 사이버네틱스 이론
• 산술 자동화에 대한 연구 (George Boole의 이론 및 Blaise Pascal의 계산기 확장), 항공기의 적의 궤적을 계산하고 구형 좌표를 결정하여 잠재적 인 흥미를 유발하여 대공 무기를 안내하는 데 관심이있는 미군으로부터의 1 차 자금 지원 탄도 궤적
• McCarthy가 초기 AI 실험을 위해 활용했던 Cambridge에서 LISP의 출현에 대한 주요 측면 인 기능 프로그래밍에 대한 아이디어를 이끌어 낸 람다 미적분학에 대한 Alonso Church (1903 – 1995)의 연구를 종종 기각
• 정보 교환의 탄생은 주로 통신 전환 자동화를 위해 Bell Labs를 통해 자금을 지원 한 Claude Shannon (1916 – 2001)의 작업을 통해 이루어졌습니다.
• 런던 박사와 다른 연합군의 목표가 완전히 소멸되기 전에 나치 군을 막을 수 있도록 Enigma 암호 장치를 무찌르는 R & D 목표로 Allied Forces가 전적으로 자금을 지원 한 교회 박사 과정 학생 Alan Turing의 초기 암호화 분석 작업
• John von Neumann (1903 – 1957)은 정수 산술과 함께 임의의 부울 논리 구현을 단일 단위 (현재 CPU라고 함)로 중앙 집중화하고 구현을 제어하는 ​​프로그램을 데이터와 함께 전자 플립 플롭에 저장하는 작업 처리 및 결과 (오늘날 거의 모든 현대 컴퓨팅 장치에서 사용하는 것과 동일한 일반 아키텍처)

이들 모두는 포유류 신경학의 기능적 측면의 시뮬레이션 인 오토마타의 비전을 둘러싼 개념이었다. (원숭이 또는 코끼리는 성공적으로 파리의 스와핑을 계획하고 실행할 수 있지만, 파리는 원숭이 또는 코끼리에 대한 공격을 계획하고 실행할 수 없습니다.)

새로운 프로그래밍 언어 인 LISP를 사용한 기호 조작을 통한 지능 및 시뮬레이션에 대한 실험은 John McCarthy의 주요 초점이자 MIT AI 실험실 창립에서 그의 역할이었습니다. 그러나 규칙 기반 (생산 시스템), 신경망 및 유전자 알고리즘과 함께 어떤 정통이 존재할 수 있는지에 따라 정통이라는 용어를 다소 모호하게 만드는 아이디어 구름으로 크게 다양 화되었습니다. 다음은 몇 가지 예입니다.

• 리차드 스톨만 (Richard Stallman)은 MIT AI 연구소에서 사임하고 그 시대를 지배했던 많은 경제 철학에서 철학적 전환을 시작했습니다. 그 결과 GNU 소프트웨어와 LINUX가 나오고 그 뒤에는 AI 핫 베드에 자금을 지원 한 사람들의 철학적 지향과 반대되는 개념 인 개방형 하드웨어와 크리에이티브 커먼즈가 이어졌습니다.
• 많은 독점적 (따라서 회사 기밀) 시스템은 1970 년대 주류 AI 연구로 간주되었던 것보다 Norbert Wiener의 연구에서 더 많은 베이지안 방법 또는 적응 형 구성 요소를 사용합니다.

게임 이론의 탄생

역사적 사건의이 퍼레이드에서 가장 직접적으로 질문에 대답하는 핵심 사건은 폰 노이만의 다른 작품들입니다. Oskar Morgenstern과 공동 저술 한 그의 책 Game Theory는 아마도 문제 해결 소프트웨어에 대한 테스트 시나리오로서 Go and Chess의 지속성을 초래 한 역사적 조건 중에서 가장 강력한 요소 일 것입니다.

Chess 또는 Go에서 승리하는 방법에 대한 초기 작품이 많이 있었지만 게임 이론에서와 같이 수학적 처리와 프레젠테이션이 없었습니다.

과학계의 특권 멤버들은 핵분열 물질의 온도와 압력을 임계 질량으로 높이고 양자 이론으로부터 고전적인 열역학을 이끌어내는 그의 연구에 대한 폰 노이만의 성공을 잘 알고 있었다. 그가 게임 이론에서 발표 한 수학의 기초는 경제에 대한 잠재적 예측 도구로서 (MIT의 연구에 자금을 지원 한 일부 사람들에 의해) 빠르게 받아 들여졌다. 경제 예측은 경제를 통제하는 첫 번째 단계였습니다.

지정학 철학을 만나는 이론

그시기에 서구의 정책을 주도한 지배적 철학은 매니페스트 데스티니 (Manifest Destiny)였으며, 본질적으로 새로운 세계 질서에 대한 치명적인 견해였으며, 그 머리는 미국 권력의 자리에있을 것이다. 분류되지 않은 문서는 당시의 지도자들이 게임 이론을 군사적 정복보다 훨씬 덜 위험하고 비싸게 달성 한 다음 해외 인구 밀집 지역 근처의 운영 기지 (첨단 기술 수비대)를 유지함으로써 경제적 지배를 달성했을 가능성이 높다고 지적합니다. .

Chess and Go 자동 판매기를 개발하는 데있어 널리 알려진 도전은 단순히 기업과 정부가 인적 자원 획득에서 첫 번째로 사용하는 드래그 넷입니다. 게임 결과는 이력서와 같습니다. 승리 한 게임 플레이 프로그램은 프로그래밍 기술이 존재한다는 증거로, 수십억 달러를 이동 시키거나 전쟁에서 승리하는 더 중요한 게임 개발에도 성공할 것입니다.

승리 한 체스 또는 Go 코드를 작성할 수있는 사람들은 고가의 자산으로 간주됩니다. 자금 조달 게임 연구는 이러한 자산을 식별하는 방법으로 여겨져왔다. 즉각적인 투자 수익이없는 경우에도 이러한 자산의 식별은 세계의 지배를 계획하기 위해 싱크 탱크에 집어 넣을 수 있기 때문에 연구비가 배정 될 때 주요 고려 사항이되었습니다.

투자 수익에 대한 느리고 빠른 경로

이 지정 학적 사고와는 달리, 일부 교묘 한 프로그래머 나 팀의 뒤에 제도적 명성을 찾는 것이 또 다른 요소입니다. 이 시나리오에서는 일부 중요한 산업 또는 군사 응용 분야에서 기하학적 개선 가능성이있는 지능 시뮬레이션의 모든 진보를 모색했습니다.

예를 들어, Maxima (Mathematica와 같은 수학 문제 해결 응용 프로그램의 선구자)와 같은 프로그램에는 기호 컴퓨팅을 사용하여 수학을 개발할 수있는 희망이있었습니다.

이 성공의 길은 개념론에있어 가장 중요한 자연 철학이라는 결정론에 달려있었습니다. 실제로 그것은 결정론의 전형이었다. 만약 컴퓨터가 산술을 할 수있을뿐만 아니라 초 인간 복잡성에 대한 수학적 정리를 개발할 수 있다면, 인간 노력의 모델을 방정식으로 줄이고 해결할 수 있다고 제안되었다. 다양한 중요한 경제적, 군사적, 정치적 현상에 대한 예측 가능성이 의사 결정에 사용될 수있어 상당한 이익을 얻을 수 있습니다.

놀랍게도 Maxima 및 기타 수학 프로그램의 성공은 경제 및 지정 학적 사건을 안정적으로 예측하는 능력에 긍정적 인 영향을 미쳤습니다. 카오스 이론의 출현은 이유를 설명했다.

프로그램으로 인간의 주인을 때리는 것은 20 세기 R & D의 범위 내에있는 것으로 판명되었습니다. 게임을 이기기위한 다양한 컴퓨터 과학 접근법을 실험하기 위해 소프트웨어를 사용하는 것은 달성 가능했으며, 따라서 농구 팀과 마찬가지로 명성을 얻는 방법으로 기관에 더 매력적입니다.

발견을 잊지 말자

때로는 외모가 실제와 반대되는 경우도 있습니다. 위에서 언급 한 다양한 사고 기계의 응용은 잊혀지지 않았으며, 포유류 능력의 측면을 시뮬레이션하는 데 필요한 시간과 비용의 비용은 게임 오토 마톤 개발에 필요한 자금을 잃지 않을 것입니다.

기술은 주로 체스와 바둑과 같은 게임의 복잡성을 훨씬 능가하는 커뮤니케이션, 군사, 지정 학적, 경제적, 재정적 문제를 해결하는 데 사용됩니다. 게임 이론에는 처음부터 플레이어가 아닌 사람이 무작위로 움직 인 요소가 포함됩니다. 따라서 체스와 바둑에 대한 집착은 지능 시뮬레이션의 많은 분야에서 자금과 활동의 실제 초점에 대한 표식 일뿐입니다.

Chess 또는 Go 게임을 플레이 할 수있는 소프트웨어는 NSA 글로벌 모델링 컴퓨터 나 Google의 색인 생성 기계에 배포되지 않습니다. IS가 그러한 장소에 배치 된 것을 개발하기 위해 많은 돈이 소비됩니다.

개인적으로 설득력있는 이유로 회사의 기밀 계약을 위반하거나 반역을 저지른 사람들을 제외하고는 온라인으로 기술 된 R & D에 대한 세부 사항이나 개요를 볼 수 없습니다.

알고리즘 알고리즘의 첫 번째 확인이 NIM 오토마타 일 수 있다는 점에서 문제가 생긴다는 것을 알았습니다. 따라서 제 관점에서 알고리즘 인텔리전스의 개발은 조합 게임과 분리 할 수 ​​없습니다. McCarthy는 게임이 유용하다는 의견을 가지고 있지 않아서 게임 역사를 진지하게 연구하지 않았다고 생각합니다.

수학과 컴퓨팅의 응용 분야 인 조합 게임 이론 (Combinatorial Game Theory ) 은 NIM 게임의 수학적 분석 인 Sprague-Grundy Theorem 이후 수십 년 동안 공식화되었습니다 . 보다 최근에, 단백질 폴딩 게임 인 Foldit 은 적용 분야에서 실제 결과를 산출했습니다.

• 내가 일반적으로주는 대답은 Chess 및 Go와 같은 게임이 매우 간단한 매개 변수를 사용하여 자연과 유사한 복잡성을 제공한다는 것입니다. 본질적으로 스도쿠와 같은 조합 게임 및 퍼즐은 복잡성 엔진입니다.

그러나 혼자 노력하는 퍼즐과 달리 게임에는 매우 유용한 전략적 의사 결정이 필요합니다. (@Ugnes 답변에는 많은 목록이 있습니다.)

• 특히 조합 게임은 다루기 어려운 문제를 관리하는 알고리즘 기능에 유용한 벤치 마크를 제공합니다.

도있다 PR의 요인. 최근 몇 년 동안 알고리즘 언어 번역이 굉장히 좋아졌지만 언론에서 큰 소리를 듣지 못했습니다. DeepBlue vs. Kasparov 또는 AlphaGo vs. Sedol과 비교하십시오. (이 스택은 AlphaGo 결과 이후 ML 질문으로 폭발했습니다.) 이것은 미국 달 착륙과 유사합니다. 미국 달 착륙은 엄격하게 필요하지는 않지만 세대의 신진 과학자들에게 영감을 준 공학적 위업이었습니다.

Postscript : 최근까지 "강력한"이라는 용어는 여전히 인공 이론에 사용 된 것으로 이론적으로 매우 유명합니다. AlphaGo 이후, 학자들이 "강한 AI"라는 용어를 사용하기 시작했습니다.

인공 지능과 관련하여 강한 것을 사용하는 것은 순전히 철학적이다. 대조적으로, 용어가 조합 게임 이론에서 사용되는 방식 ( 해결 된 게임 참조 )은 순전히 실용적이며 수학적 증거를 포함합니다.

체스는 여전히 해결되지 않았으므로 여전히 연구에 유용합니다. [다음 기린 체스 참조]

게임 이론과 조합 적 게임 이론의 필드는 같은 이름을 포함 폰 노이만 , 내쉬 와 콘웨이를 , 그리고 최근 드맹 MIT에서. 그리고 스도쿠와 같은 조합 퍼즐을 포함하려면 이것을 Euler로 다시 늘릴 수 있습니다 . 이러한 이유로, 위에 나열된 것뿐만 아니라, 나는 게임 분석을 사소한 추적으로 보는 데 어려움을 겪고 있습니다.

기린 체스 (Giraffe Ches s)는 신경망 접근법을 사용하여 72 시간 안에 국제 마스터 레벨에서 플레이하도록 가르치는 체스 알고리즘을 만든 개별 수학자 / 프로그래머 인 Matthew Lai의 최근 결과입니다.

Lai의 목표 중 하나는보다 "인간적인 놀이"를 만들어내는 알고리즘을 만드는 것이 었습니다. (AlphaGo와 같은 알고리즘의 "비인간적 인"플레이와 비교하십시오.) 기린은 AGI는 아니지만 퍼즐의 한 부분으로 간주 될 수 있습니다.

컴퓨터 게임은 아마도 인간과 오토마타가 공유하는 가장 깊은 유형의 상호 작용이며, 이러한 유형의 상호 작용은 거의 현대 컴퓨팅의 시작으로 거슬러 올라갑니다.

튜링 테스트는 너무 주관적이고 시간 낭비입니다. 수백만의 사람들이 실제로 봇에 의해 전송되거나 챗봇과 온라인으로 대화를하는 동안 실제로 프로그램에 응답한다는 것을 전혀 몰랐습니다.