Научился ли искусственный интеллект (ИИ) превосходить стратегическое мышление игрока-человека, и какой во всем этом смысл?
В 1990-х годах шахматные компьютеры достигли уровня гроссмейстеров и уже в 1997 году действующего чемпиона мира по шахматам Гари Каспарова обыграл суперкомпьютер Deep Blue. С тех пор способности шахматных компьютеров становились все сильнее.
Полезность некоторых изобретений в области создания интеллектуальных машин сомнительна. Некоторые разработчики создают такие продукты, которые скорее пытаются на наглядном примере доказать ограниченность возможностей человека перед ИИ.
Возвращаясь к разговору о программируемых «шахматистах», можно привести другой пример. Это одна из наиболее распространенных настольных игр на Земле — го, возникшая в Древнем Китае от 2 до 5 тысяч лет назад.
Настольной игре го компьютер научить оказалось довольно сложно. На сегодняшний день даже лучшие из существующих программ для игры в го часто уступают средне играющим любителям. В 1997 году на ежегодной конференции Американской ассоциации искусственного интеллекта проводился турнир по го между профессионалкой Дженис Ким и на то время лучшей программой «Handtalk». Не смотря на то, что компьютеру была дана фора, Дженис удалось обыграть запрограммированный на игру с человеком компьютер. Прошло уже больше десятка лет, а постоянно совершенствующиеся программы, играющие в го, до сих пор не показывают блестящих результатов перед соперником-человеком. На данный момент самой успешной программой, играющей в го, считается MoGo Titan.
Некоторые программы учатся на собственных ошибках и прежде чем овладеть игрой на профессиональном уровне, им необходимо проверить и проанализировать все ходы, которые только возможны.
По такому принципу, например, совсем недавно создал компьютерную программу для игры в шахматы Giraffe студент из Имперского колледжа в Лондоне. Она полностью состоит из принципов машинного обучения.
В ходе игры с собой Giraffe обучалась тактике анализа и ведения игры и за 72 часа самостоятельно достигла уровня, который, по версии Международной шахматной ассоциации, считается топовым. Вполне возможно, что по тому же методу, по которому разработан Giraffe, будет совершенствоваться тот же MoGoTitan и другие подобные ей программы.
Практическая полезность разработки программ на основе изучения оптимальных стратегий в играх на примере настольных игр может показаться сомнительной, однако если рассмотреть возможности ИИ на основе подобных играющих в игры машин, теория игр находит свое применение в экономике (прогнозирование), в биологии (например, для исследования теории эволюции с тем же прогнозированием прошлого и будущего), в социологии и других науках.