모든 부모는 더 이상 자녀가 게임에서 이기도록 내버려 둘 필요가 없는 날이 남몰래 조금 두렵습니다. 체스, 스크래블 또는 배고픈 배고픈 하마 – 하지만 Google 연구원들은 이제 DeepMind AI가 고대 중국 바둑 게임을 배우고 세계 최고의 선수들을 즉시 파괴하는 것을 보는 씁쓸하고 달콤한 기쁨을 느꼈습니다.
관련 보기
Go에 익숙하지 않다면 Go가 매우 간단해 보이지만 실제로는 매우 복잡하다는 사실만 알면 됩니다. 너무 복잡해서 세계 전문가들은 우리가 인공 세계 챔피언이 되기까지 10년이 더 걸린다고 추정했습니다. 구글이 지적한대로
승리에 대한 그들의 블로그, 실제로 우주에 있는 원자보다 바둑판에 더 많은 잠재적인 위치가 있습니다."사람들이 예상했던 것보다 빠른 이유는 기본 알고리즘과 함께 진행되는 혁신의 속도와 또한 서로 다른 알고리즘을 함께 결합하여 얼마나 더 많은 잠재력을 얻을 수 있는지"라고 DeepMind의 CEO인 Demis는 말했습니다. 하사비스 BBC에 말했다.
위의 동영상에서 볼 수 있듯이 DeepMind의 맞춤형 바둑 프로그램인 AlphaGo는 유럽 챔피언 Fan Hui를 5-0으로 이겼습니다. 아야.
기쁨은 Google에서도 여기서 멈출 필요가 없습니다. 또한 Go를 마스터하는 데 Facebook의 AI를 능가했음을 의미합니다.
1997년에 Deep Blue가 Kasparov를 체스에서 이겼는데 왜 이것이 여전히 뉴스거리일까요? 두 가지 주요 이유가 있습니다. 우선, 바둑은 체스보다 훨씬 덜 논리적이고 그 중심에는 훨씬 더 많은 "직관"이 있습니다. 다른 하나는 체스에서보다 평균 바둑 위치에서 가능한 움직임이 약 10배 더 많기 때문에 더 복잡합니다.
다른 접근 방식이 필요했고 이것이 Google이 한 일입니다. “고급 트리 검색과 심층 신경망을 결합한 AlphaGo라는 시스템을 구축했습니다.”라고 Hassabis는 말합니다. “이러한 신경망은 Go 보드의 설명을 입력으로 받아 수백만 개의 뉴런과 같은 연결을 포함하는 12개의 서로 다른 네트워크 계층을 통해 처리합니다. 하나의 신경망인 '정책 네트워크'는 다음 플레이를 선택합니다. 다른 신경망인 '가치망'은 게임의 승자를 예측합니다.
“우리는 인간 전문가가 플레이한 게임에서 3천만 개의 동작으로 신경망을 훈련시켰고, 인간의 움직임을 57% 예측할 수 있었습니다(알파고 이전 기록은 44%였습니다). 하지만 우리의 목표는 최고의 인간 플레이어를 흉내내는 것이 아니라 이기는 것입니다. 이를 위해 AlphaGo는 두 게임 사이에 수천 번의 게임을 통해 스스로 새로운 전략을 발견하는 방법을 배웠습니다. 강화로 알려진 시행 착오 프로세스를 사용하여 연결을 조정합니다. 학습."
그래도 AlphaGo는 유럽을 정복했지만 아직 세계 챔피언은 아닙니다. 3월에는 서울에서 지난 10년 동안 세계 최고의 선수인 이세돌과 더욱 치열한 경기를 펼친다. 나는 세돌의 기회를 좋아하지 않는다.
이 모든 것이 약간 무섭다면 이것으로 위안을 얻으십시오. 우리는 여전히 나보다 5인 1조로 선발되는 인조 축구 선수와는 거리가 멀고 저는 축구에 형편없습니다.
그것에 대해 조용히 안심시키는 것이 있습니다.
다음 읽기: AI와 딥 러닝이 모든 것의 미래일까요?
영상: 마키아 미니치, 크리에이티브 커먼즈에서 사용
