Vzdělávací projekt šachy a umělá inteligence. Umělá inteligence a znalostní báze
Zápas je ztracen: počítač versus člověk.
Kreativní myšlení, logika, zkušenost - vlastnosti, které člověku umožnily vést bitvu „člověk-stroj“. Zdálo se, že tyto výhody budou vždy tajnou zbraní člověka a počítač bude hrát roli „dohánění“.
Umělé inteligenci ale trvalo velmi málo času, než dohnala a navždy předčila lidi v mnoha oblastech, včetně oblasti intelektuální zábavy.
Umělá inteligence poráží lidi: kde a jak
Rubikova kostka
Tato hádanka je známá po celém světě. Miliony lidí se snaží splnit úkol a správně sestavit kostku a někteří se dokonce předhánějí v rychlosti sestavení. O lidský rekord se postaral 14letý Lucas Etter z USA, který hlavolam vyřešil za 4,904 sekund. Neuvěřitelné, že? Tento výsledek však překonal robot, který vytvořili dva nadšenci Jay Flatland a Paul Rose: výsledek robota byl 1,047 sekundy.
Díky vestavěným kamerám, které jsou čtyři, počítač vyhodnotí polohu a vybere nejlepší akční algoritmus. Systém je založen na vzorci Kotzebue (sestavení na 20 tahů). Málokdo dokáže vyřešit Rubikovu kostku za méně než 1 sekundu.
0:1 ve prospěch umělé inteligence.
"Othello"
Vrchol popularity této hry nastal na počátku 70. let minulého století. Podstatou hry je umístit žetony na hrací pole (8x8 buněk): musíte použít žetony své vlastní barvy k zablokování řad žetonů soupeře na obou stranách, poté žetony změní barvu a jdou k soupeři. Vítězství získá ten, kdo obsadil největší území.
Mistrem světa Othello z roku 1980 byl Hiroshi Inoue, který snadno porazil Moor program 5-1.
Později se programy naučily počítat tahy soupeře (asi o 25 tahů), a když se současný mistr světa Takeshi Murakami v odvetném zápase v roce 1997 postavil systému Logistello, bylo skóre zdrcujících 0:6 ve prospěch softwaru.
Vrhcáby
Umělá inteligence vděčí za svou výhodu v backgammonu nad lidmi mistru světa v korespondenčním šachu (a jsou i další) Hansi Berlinerovi, který napsal program BKG 9.8. A v roce 1979 se program ukázal být silnější než mistr světa v backgammonu Luigi Villa.
Předpokládá se, že počítač měl v této hře štěstí (dobré kostky padly několikrát), ale nikdo jiný nechtěl bojovat v opakované odvetě, zvláště když byl software od té doby několikrát vylepšen.
Šachy
Šachové systémy se začaly vyvíjet v polovině dvacátého století, vývoj patřil IBM. Ale vzhledem k tomu, že program vyžadoval seriózní a zdlouhavé výpočty, musel být tento podnik odložen o 30 let. V roce 1996 se „šachový mozek“ – počítač Deep Blue – postavil proti Garrymu Kasparovovi.
Zápas skončil v mužský prospěch: 3 výhry, 2 remízy, 1 prohra. O rok později se zápas opakoval a tentokrát byl Deep Blue připravenější. Systém samozřejmě vyhodnotil 200 milionů pozic za vteřinu. A ačkoli se Harry chtěl dostat ještě později, IBM odmítla, protože to považovala za zbytečné.
Dáma (druh dámy)
Marion Tinsley byla během své kariéry mistrem v dámě. A když se v roce 1992 setkal se systémem vyvinutým na University of Alberta (Kanada), vítězství bylo jeho. Z 39 zápasů - 4 výhry, 2 prohry a 33 remíz.
O dva roky později se odehrála odveta, ale Tinsley ze soutěže odstoupil kvůli zdravotním problémům (v době jeho odmítnutí bylo 6 remízových partií) a vítězství šlo do systému. Od té doby se umělá inteligence stala mnohem silnější: v roce 2007 Kanaďané oznámili vytvoření ideálního systému a nikdo se ho nesnaží porazit v dámě.
Hrabat
Vítězství počítače v této hře bylo v prvním kole snadné: mistr světa David Boyce byl v roce 2006 poražen svým robotickým rivalem Quacklem.
Mimochodem, tento program je k dispozici na internetu a můžete s ním soutěžit a možná přinesete vítězství týmu „Man“.
Jít
Tato hra se objevila ve starověké Číně před více než dvěma tisíci lety, ale i přes tak dlouhou zkušenost ve hře lidé stále prohrávali. Na hřišti (19x19) položí dva hráči své kameny (černé/bílé), kdo získá více bodů (počítají se žetony uspořádané do řady), vyhrává. Na jednu stranu je vše jednoduché, ale zájem spočívá v rozmanitosti možných variant a tahů.
Pro vývojáře AlphaGo (vytvořeného pod záštitou Google) bylo také zajímavé vytvořit systém, který dokáže spočítat tisíce možností. Nejprve si umělá inteligence vyzkoušela další software, a když z 500 her bylo 499 pro AlphaGo, ujala se trojnásobného mistra Evropy Fan Hui. Mistr neměl šanci: 5:0.
televize
Odpovídáte rádi na otázky v televizních kvízových pořadech? Vývojáři robota Watson z IBM také nemohli odolat a v roce 2011 se Watson objevil jako účastník intelektuální televizní herní show „Jeopardy!“ Navzdory skutečnosti, že jeho odpůrci byli držitelé rekordů show - Brad Rutter a Ken Jennings - vyhrál a milion dolarů, které vyhrál, byl věnován na charitu.
A přestože počítač již ukázal svou intelektuální a logickou převahu nad lidmi, nadále se vyvíjí. Alibaba Group a Microsoft (vývoj probíhal paralelně) tedy zavedly umělou inteligenci, která se ukázala být silnější než člověk v porozumění čteným informacím.
Test Stanfordské univerzity se skládá z více než 100 tisíc otázek, které vycházejí z pěti set článků z knihovny Wikipedie.
Nejlepší skóre pro osobu je 82,304 bodů, výsledek Alibaba je 82,44, neuronová síť Microsoft je 82,605. výsledky naznačují, že umělá inteligence je schopna odpovědět na jakékoli otázky s vysokou přesností, což znamená, že technologie mohou sloužit klientům, pacientům, návštěvníkům muzeí atd.
Programem uchvátily i počítačové hry. Program překonal program: kdo by si pomyslel, že tato budoucnost je tak blízko? Populární hra Quake III, kde jsou hráči gladiátoři, je velmi populární v e-sportech. Nejlepší zde ale nebyli lidé, ale tým DeepMind botů vytvořený divizí Google. A přestože bitva proběhla ve zmenšené verzi, podle výpočtů se 73% variací by bot vyhrál jakoukoli soutěž.
Je taková nadřazenost umělé inteligence nebezpečná nebo ne? Nikdo nemůže s jistotou odpovědět. A tato odpověď nakonec nebude klíčová, protože hlavní zůstává nikoli to, že je člověk pod počítačem, ale to, zda tento potenciál dokážeme využít ve svůj prospěch. Jak vidíme, umělá inteligence poráží lidi a nenechává žádnou šanci na výhru.
Bohužel neexistují lepší algoritmy pro šachy, než vyzkoušet příliš mnoho pozic. Pravda, vyhledávání je optimalizováno v pořadí (a nejednom), ale stále je to velké vyhledávání. Chcete-li vyhledat pohyb odezvy, sestaví se strom s původním pohybem v kořenu, hranami – pohyby odpovědi a uzly – novými pozicemi.
Jak se volí další tah v elementárních algoritmech, je snadné vysvětlit. Ve svém tahu si vyberete tah (podle vašeho názoru), který přinese největší užitek (maximalizuje váš užitek), a v dalším tahu se váš protivník snaží vybrat tah, který mu přinese největší užitek (maximalizuje jeho užitek a minimalizuje vaše). Algoritmus s tímto principem se nazývá minimax. V každé fázi přiřadíte skóre pozice každému uzlu ve stromu (více o tom později) a maximalizujete ho ve svém tahu a minimalizujete ho v tahu soupeře. Algoritmus musí za provozu projít všemi uzly stromu (tedy všemi možnými herními pozicemi ve hře), čili je časově naprosto nevhodný.
Jeho dalším vylepšením je alfa-beta prořezávání (metoda větvení a vazby).
Již z názvu vyplývá, že algoritmus se odřízne podle nějakých dvou parametrů - alfa a beta. Hlavní myšlenkou řezání je, že nyní zachováme cutoff interval (spodní a horní hranice - alfa a beta, v tomto pořadí - vaše K.O.) a nebudeme uvažovat odhady všech uzlů, které nespadají do intervalu níže ( protože nemají vliv na výsledek - jsou to prostě horší tahy než ten, který již byl nalezen) a samotný interval se zúží, když najdeme lepší tahy. Přestože je alfa-beta clipping mnohem lepší než minimix, jeho provozní doba je také velmi dlouhá. Pokud předpokládáme, že uprostřed hry je na jedné straně přibližně 40 různých tahů, pak lze čas algoritmu odhadnout jako O(40^P), kde P je hloubka stromu tahů. Samozřejmě u minimaxu může být taková posloupnost zvažování tahů, kdy neprovádíme žádné střihy, pak se střih alfa-beta jednoduše změní na minimax. V nejlepším případě se alfa-beta prořezávání může vyhnout kontrole kořene všech tahů v minimaxu. Aby se předešlo dlouhé práci (při tak vysoké složitosti algoritmu), hledá se ve stromu nějaká pevná hodnota a tam se vyhodnocuje uzel. Tento odhad je velmi dobrou aproximací skutečného odhadu uzlu (to znamená hledání do konce stromu a výsledek je „výhra, prohra, remíza“). Co se týče vyhodnocení uzlů, existuje prostě hromada různých metod (můžete si je přečíst v odkazech na konci článku). Zkrátka přirozeně počítám materiál hráče (podle jednoho systému - v celých číslech pěšec - 100, jezdec a střelec - 300, věž - 500, dáma - 900; podle jiného systému - reálné po částech jedné) + pozice na deska daného hráče. Pokud jde o pozici, zde začíná jedna z nočních můr psaní šachů, protože rychlost programu bude záviset především na vyhodnocovací funkci a přesněji na hodnocení pozice. Už je tu hodně lidí. Za párovou cestu k hráči +, za krytí krále jeho pěšci +, za pěšce poblíž druhého konce šachovnice + atd. a mínus pozice visících figurek, otevřený král atd. a tak dále. - můžete napsat spoustu faktorů. Pro vyhodnocení pozice ve hře se zkonstruuje odhad pozice hráče, který provádí tah, a od něj se odečte odhad odpovídající pozice soupeře. Jak se říká, obrázek někdy vydá za tisíc slov a možná bude kus pseudo C# kódu také lepší než vysvětlení:
Enum CurrentPlayer(Já, Soupeř); public int AlphaBetaPruning (int alpha, int beta, int hloubka, CurrentPlayer currentPlayer) ( // hodnota aktuálního uzlu int value; // počítání aktuálního uzlu ++nodesSearched; // opakování aktuálního hráče CurrentPlayer protihráčPlayer = GetOppositePlayerTo(currentPlayer); / / generuje všechny tahy pro hráče, který tah má provést tah / /tahy generované touto metodou jsou bez tahů // po provedení kterého aktuálního hráče by byl v kontrolním seznamu
Myslím, že některá vysvětlení o kódu by nebyla zbytečná:
- GetOppositePlayerTo() jednoduše změní CurrentPlayer.Me na CurrentPlayer.Opponent a naopak
- MakeMove() provede další pohyb ze seznamu přesunů
- ply je globální proměnná (část třídy), která obsahuje počet polovičních tahů provedených v dané hloubce
( ply = 0; nodesSearched = 0; int skóre = AlphaBetaPruning(-MateValue, MateValue, max_depth, CurrentPlayer.Me); )
kde MateValue je poměrně velké číslo.
Parametr max_depth je maximální hloubka, do které algoritmus ve stromu sestoupí. Je třeba mít na paměti, že pseudokód je čistě demonstrativní, ale docela funkční.
Místo toho, aby přišli s novým algoritmem, lidé propagující prořezávání alfa-beta přišli s mnoha různými heuristikami. Heuristika je jen malý hack, který někdy dělá velmi velký rozdíl v rychlosti. Pro šachy existuje spousta heuristik, nemůžete je všechny spočítat. Uvedu jen ty hlavní, zbytek najdete v odkazech na konci článku.
Nejprve se použije velmi známá heuristika "nulový pohyb". V klidné pozici může nepřítel provést dva tahy místo jednoho a poté je strom prozkoumán v hloubce (hloubka-2), a ne (hloubka-1). Pokud se po vyhodnocení takového podstromu ukáže, že aktuální hráč má stále výhodu, pak nemá smysl o podstromu dále uvažovat, protože po svém dalším tahu hráč svou pozici jen vylepší. Vzhledem k tomu, že vyhledávání je polynomické, je nárůst rychlosti znatelný. Někdy se stane, že nepřítel vyrovná svou výhodu, pak je třeba zvážit celý podstrom až do konce. Prázdný tah by neměl být vždy proveden (například když je jeden z králů v šachu, v zugzwang nebo v koncovce).
Dále je tato myšlenka použita k provedení prvního tahu, který bude zahrnovat zajetí nepřátelské figurky, která provedla poslední tah. Vzhledem k tomu, že téměř všechny tahy během hledání jsou hloupé a nepříliš chytré, tento nápad na začátku značně zúží vyhledávací okno, čímž odřízne mnoho zbytečných tahů.
Také známý heuristika historie nebo nejlepší stěhovací služba. Během vyhledávání se ukládají nejlepší tahy na dané úrovni stromu a při zvažování pozice se můžete nejprve pokusit takový tah provést pro danou hloubku (na základě myšlenky, že se velmi často dělají stejné nejlepší tahy ve stejné hloubce ve stromu).
Je známo, že tento druh ukládání pohybů do mezipaměti zlepšil výkon sovětského programu Kaissa 10krát.
Existují také nápady na generování tahů. Zaprvé se berou v úvahu výherní zajetí, tedy takové, kdy figurka s nižším skóre porazí figurku s vyšším skóre. Poté zvažují povýšení (když lze pěšce na druhém konci šachovnice nahradit silnější figurkou), pak stejné dobytí a přesuny z heuristické vyrovnávací paměti historie. Zbývající tahy mohou být seřazeny podle kontroly desky nebo jiného kritéria.
Všechno by bylo v pořádku, kdyby bylo zaručeno, že řezání alfa-beta poskytne nejlepší odpověď. I s přihlédnutím k dlouhé době hledání. Ale nebylo to tam. Problém je v tom, že po vyhledání o pevnou částku se pozice vyhodnotí a hotovo, ale jak se ukázalo, u některých herních pozic nelze hledání zastavit. Po mnoha pokusech se ukázalo, že busting lze zastavit pouze v klidných polohách. Proto bylo v hlavním vyhledávání přidáno dodatečné vyhledávání, ve kterém se uvažuje pouze o zajetí, povýšení a prověrkách (tzv. nucené pátrání). Také jsme si všimli, že některé pozice s výměnou uprostřed je také potřeba zvážit více do hloubky. Takto se představy o rozšíření і redukce, tedy prohloubení a zkrácení vyhledávacího stromu. Pro recesy jsou nejvhodnější pozice jako koncovka s pěšci, únikový check, výměna figurky uprostřed busty atd. Pro zkracování jsou vhodné polohy „naprosto klidné“. V sovětském programu Kaissa byla nucená busta trochu zvláštní - tam po zachycení během busty okamžitě začala ta nucená a její hloubka nebyla omezena (protože se po nějaké době v klidné poloze vyčerpala).
Jak řekl Anthony Hoare: " Kořenem všeho zla v programování je předčasná optimalizace.“ (poznámka: pro ty, kteří věří, že tento citát pochází od Knutha, existuje zajímavá debata
Před rokem program AlphaGo senzačně porazil nejsilnějšího hráče Go na světě a nyní umělá inteligence AlphaZero porazila nejlépe hodnocený šachový engine.
Stockfish, kterou většina hráčů využívá pro domácí trénink a vítěz TCEC Championship 2016 a 2017 Chess.com Software Championship, byl jednoznačně slabší. V zápase 100 her vyhrál AlphaZero 28 výher se 72 remízami a nikdy neprohrál.
Mimochodem, AlphaZero strávil pouze čtyři hodiny „učením se“ šachů. Promiňte lidi, ale nemůžete s ním držet krok.
Je to tak – programátoři AlphaZero, vyvinutého DeepMind, divizí Googlu, jej vytvořili na základě mechanismu „strojového učení“, přesněji řečeno „učení zesílení“. Jednoduše řečeno, AlphaZero nestudoval šachy v tradičním slova smyslu. Nemá ani úvodní knihu, ani tabulky koncovek, ani složité algoritmy pro hodnocení síly centrálních a postranních pěšců.
Jeho práci lze přirovnat k robotovi, který umí používat tisíce náhradních dílů, ale nezná princip spalovacího motoru – prochází možnými kombinacemi, až postaví Ferrari, a to zabere méně času, než je potřeba Podívejte se na trilogii Pána prstenů. Během čtyř hodin si program zahrál mnoho her sám se sebou a stal se svým vlastním učitelem.
Dosud programátorský tým mlčel. Pro Chess.com se nevyjádřili s odkazem na to, že zpráva je „stále v revizi“, ale celé znění si můžete přečíst zde. Výzkumný tým zahrnuje Demise Hassabise, magisterského kandidáta z Anglie a spoluzakladatele DeepMind (získaného společností Google v roce 2014). Hassabis, který soutěžil v tandemovém turnaji ProBiz při zahájení London Chess Classic, je v současné době na konferenci Neural Information Processing Systems v Kalifornii a je spoluautorem článku na jiné téma.
Ale šachista s bohatými osobními zkušenostmi s hraním proti šachovým počítačům ochotně sdílel své názory s Chess.com. GM Garry Kasparov není překvapen, že DeepMind přešel z Go na šachy.
"Je to pozoruhodný úspěch, ačkoli se to po AlphaGo očekávalo," řekl Chess.com. "Přibližuje se to humanoidnímu přístupu k šachům typu B, o kterém snili klon Shannon a Alan Turing, že nahradí hrubou sílu."
Jako člověk, AlphaZero zvažuje méně pozic než jeho předchůdci. Zpráva uvádí, že odhaduje „jen“ 80 tisíc pozic za sekundu, zatímco Stockfish je 70 milionů za sekundu.
GM Peter-Heine Nielsen, dlouholetý druhý mistr světa GM Magnus Carlsen, odhalil svou vášeň, která ho sbližuje s prezidentem FIDE: mimozemšťany. Pro Chess.com řekl: „Po přečtení zprávy a zejména shlédnutí zápasů jsem si pomyslel: ‚Vždy jsem přemýšlel, jaké by to bylo, kdyby na naší planetě přistál inteligentnější druh a ukázal nám své šachové dovednosti. Myslím, že teď už vím, jaké to je."
Dozvěděli jsme se také o důležitosti výhody protruze, alespoň pro umělou inteligenci. 25 z 28 vítězství AlphaZero vyhrál s bílým (i když výsledek +3=47-0 s černým proti Stockfish, jehož hodnocení přesahuje 3400, také není špatný).
Zpráva také ukazuje, jak často motor při trénování vybíral určité otvory. Promiňte, fanoušci King's Indian Defense, ale nejste v přízni. Zájem o francouzskou obranu časem také opadl, ale chuť hrát Queen's Gambit a zejména English Opening jen rostla.
Co byste dělali, kdybyste byli neúnavným tvorem, který právě ovládl hru s 1400 letou historií? Vezmeme si další. Po zápase se Stockfishem strávil program AlphaZero pouhé dvě hodiny „tréninkem“ a porazil „Elma“, nejsilnějšího z počítačových shogi motorů.
Využití tohoto inovativního samoučícího programu se samozřejmě neomezuje pouze na hry.
„Vždy se věřilo, že v šachu je od stroje vyžadováno příliš mnoho empirických znalostí, než aby mohl hrát od nuly bez použití lidských znalostí,“ řekl Kasparov. „Samozřejmě mě bude zajímat, co můžeme se dozvědět o šachu s AlphaZero, což otevírá obrovský příslib pro strojové učení obecně – stroje mohou najít vzory, které lidé nemohou, s důsledky, které jasně přesahují šachy a jiné hry – schopnost stroje objevit a překonat znalosti komplexních uzavřených systémů, které lidstvo nashromáždilo po staletí, "Je to nástroj, který mění svět."
Novináři Chess.com se zeptali osmi z deseti účastníků londýnského turnaje na jejich názor na programový zápas. Video z rozhovoru bude na webu zveřejněno později.
GM Hikaru Nakamura kritizoval podmínky zápasu nejtvrději. O výpočetní síle odpůrců se aktuálně vedou bouřlivé debaty, Nakamura se ale domnívá, že důležitější bylo něco jiného.
Americký velmistr označil zápas za "nespravedlivý" a poukázal na to, že motor Stockfish musí používat úvodní knihu, aby fungoval optimálně. Nakamura si nemyslí, že by Stockfish s její pomocí zápas vyhrála, ale náskok by byl mnohem menší.
„Jsem si jistý, že sám Pán Bůh by bez jakéhokoliv handicapu proti Stockfishovi nezískal 75 procent bodů,“ komentoval výsledek AlphaZero bílými: 25 výher a 25 remíz.
GM Larry Kaufman, hlavní šachový konzultant pro motor Komodo, doufá, že uvidí, jak dobře nový program funguje na osobních počítačích bez využití výpočetního výkonu Google. Zopakoval také Nakamurovy námitky, že Stockfish hraje bez jeho obvyklých úvodních znalostí.
„Samozřejmě, je to téměř neuvěřitelné,“ řekl, „ano, slyšel jsem o úspěších AlphaGo Zero ve hře Go a očekával jsem, že se něco takového stane, vzhledem k tomu, že vývojový tým zahrnuje šachistu Demise Hassabise. Není však jasné, zda bude program AlphaZero schopen hrát šachy na běžném počítači a jak dobře to bude. Moderní dominance šachových motorů využívajících funkci minimax se možná chýlí ke konci, ale na prohlášení je ještě příliš brzy. Stojí za zmínku, že během školení AlphaZero de facto vytvořilo svou vlastní úvodní knihu, takže by bylo spravedlivější ji použít proti motoru s dobrou úvodní knihou.
Pomineme-li podmínky zápasu, Nielsen přemýšlí, na jaké další oblasti by se tento typ školení mohl vztahovat.
"Toto je moderní umělá inteligence," řekl velmistr. „Od něčeho jako šachy k problémům hodným Nobelových cen a ještě více. Myslím, že jsme měli štěstí, že se rozhodli strávit čtyři hodiny hraním šachů, ale důsledky tohoto objevu jsou mnohem významnější.“
kultura. Disertační práce. Cand. Ped.Sc. Rostov na Donu. 2003.
2. Azarová E.A. Destruktivní formy rodinné výchovy, aktuální problémy naší doby, zločiny poslední doby: duchovní, mravní a kriminologické aspekty. - Rostov na Donu: Nakladatelství Ruské státní pedagogické univerzity, 2005.
3. Gabdreva GSh. Hlavní aspekty problému úzkosti v psychologii // Školní psycholog. - 2004. - Č. 8. - S. 9.
4. Enikolopov S.N. Problémy rodinného násilí // Problémy psychologie. -2002. -č. 5-6.
5. Tseluiko V.M. Psychologie dysfunkčních rodin: Kniha pro učitele a rodiče. - M.: Nakladatelství VLADOS-PRESS, 2003.
6.Shapar V.B. Praktická psychologie. Psychodiagnostika vztahů mezi rodiči a dětmi. -Rostov n/d: Phoenix, 2006.
© Azarova E.A., Zhulina G.N., 2016
A.I. Alifirov
Ph.D. ped. vědy, docent RGSU, Moskva, Ruská federace
I.V. Michajlova Ph.D. ped. vědy, docent RGSU, Moskva, Ruská federace
"UMĚLÁ INTELIGENCE" V ŠACHU
anotace
Článek zkoumá genezi využívání softwaru a hardwaru schopného vykonávat duševní činnost srovnatelnou s duševní činností člověka.
Klíčová slova
Počítačové technologie v šachu, šachové programy, šachy.
Dnes se pod pojmem „umělá inteligence“ (AI) rozumí teorie vytváření softwaru a hardwaru schopného vykonávat intelektuální činnost srovnatelnou s lidskou intelektuální činností. Při řešení praktických problémů nejčastěji využívají úkol ze seznamu v domnění, že pokud je počítačový systém schopen tyto problémy vyřešit, pak jde o systém AI. Tento seznam často zahrnuje hraní šachů, dokazování teorémů, řešení diagnostických problémů pomocí počáteční neúplné sady dat, porozumění přirozenému jazyku, schopnost učit se a samoučení, schopnost klasifikovat předměty a také schopnost rozvíjet nové znalosti založené na o generování nových pravidel a regularizačních modelů znalostí
Jedním z nejdůležitějších problémů nové vědy – kybernetiky – byl problém, jak zlepšit řízení, jak zlepšit rozhodování. Jeden ze zakladatelů kybernetiky, C. Shannon, navrhl formalizaci a programování šachů, aby bylo možné použít šachový počítač jako model pro řešení podobných problémů řízení. Autorita K. Shannona byla tak velká, že jeho myšlenky okamžitě položily základ pro nový vědecký směr. Myšlenky K. Shannona byly využity v dílech A. Turinga, K. Zuse, D. Prinze.
Autor teorie informace. K. Shannon napsal: „Šachový automat je ideální pro začátek, protože (1) problém je jasně definován přípustnými operacemi (tahy) a konečným cílem (mat); (2) není příliš jednoduché, aby to bylo triviální. a není příliš obtížné získat uspokojivé řešení; (3) věřte, že šachy vyžadují ke zručné hře „myšlení“, řešení tohoto problému nás povede buď k obdivování schopností mechanizovaného myšlení, nebo k omezení našeho konceptu „myšlení“; (4) Diskrétní struktura šachů dobře zapadá do digitální povahy moderních počítačů.“
Následně se šachy staly předmětem soutěže mezi přirozenou a umělou inteligencí a sehrála se řada zápasů předních světových šachistů proti počítačům. V roce 1995 v rozhovoru pro populární časopis Wired G.K. Kasparov nastínil svůj pohled na šachovou hru: "Šachy nejsou matematika. Je to fantazie a představivost, je to lidská logika a ne hra s předvídatelným výsledkem. Nemyslím si, že teoreticky může být šachová hra obsažena v soubor vzorců nebo algoritmů." O dva roky později superpočítač DEEP BLUE, který porazil 13. mistra světa G.K. Kasparova v šestizápasovém odvetném zápase odstranila z programu otázku schopností šachové umělé inteligence. DEEP BLUE uložil kompletní databázi všech her do paměti a analyzoval strategii výhradně výpočtem. Po zápase G.K. Kasparov změnil svůj úhel pohledu a připustil, že: "Šachy jsou jediné pole, na kterém můžete porovnávat lidskou intuici a kreativitu se silou a stroji." Zápas změnil směr vývoje jak klasického, tak počítačového šachu. Pomoc umělé inteligence se ve výcvikovém systému začala široce využívat. DI. Bronstein ve své knize „David vs. Goliath“ (2003) napsal: „Botvinnik věřil, že šachy jsou uměním analýzy, a doba osamělých improvizátorů jako Andersen, Morphy, Zukertort je nenávratně pryč. Když se podíváme na moderní šachy, nutno uznat, že Botvinnik se ukázal jako správný. „Kluci od počítače“ dovedli jeho myšlenku o nutnosti domácího rozboru do absurdna. Netají se ani tím, že úvodní variace vypilují k jasnému výsledku. turnaj v Linares (2000), Maďar Leko bez stínu rozpaků přiznal, že celá hra s Anandem byla na jeho počítači!
Seznam použité literatury:
1. Alifirov A.I. Práce kariérového poradenství na středních školách s využitím šachu / Alifirov A.I. // Problémy rozvoje vědy a vzdělávání: teorie a praxe. Sborník vědeckých prací na základě materiálů Mezinárodní vědecko-praktické konference 31. srpna 2015: ve 3 částech. Část II. M.: "AR-Consult", 2015 - s. 13-14.
2. Michajlova I.V., Alifirov A.I. Taktické akce šachistů / Mikhailova I.V., Alifirov A.I. // Výsledky vědeckého výzkumu Sborník článků Mezinárodní vědecko-praktické konference. Výkonný redaktor: Sukiasyan Asatur Albertovich (15. února 2016) v 16:00 3. část - Ufa: AETERNA. -2016.S. 119-121.
3. Michajlova I.V., Alifirov A.I. Teoretické a metodologické základy metody myšlení se schématy šachistů / Mikhailova I.V., Alifirov A.I. // Výsledky vědeckého výzkumu Sborník článků Mezinárodní vědecko-praktické konference. Výkonný redaktor: Sukiasyan Asatur Albertovich (15. února 2016) v 16:00 3. část - Ufa: AETERNA. - 2016. s. 123-125.
4. Michajlova I.V. Trénink mladých vysoce kvalifikovaných šachistů pomocí počítačových šachových programů a internetu: autorský abstrakt. dis. ...bonbón. ped. Vědy: 13.00.04 / Michajlova Irina Vitalievna; RGUFK. - M., 2005. - 24 s.
© Alifirov A.I., Mikhailova I.V., 2016
MDT 378.046.2
A.I. Alifirov
Kandidát pedagogických věd, docent RGSU, Moskva, Ruská federace V.V. Fedchuk, Ph.D.
Blagopoluchie LLC, hlavní metodik instruktorů, Moskva, RF STUDIE ÚROVNĚ TĚLESNÉHO ZDRAVÍ DOSPĚVÝCH
anotace
Článek pojednává o problému fyzického zdraví adolescentů a vlivu různých faktorů
Historie vývoje automatizace a výpočetní techniky je podivně spjata se šachy. V 18. stol „myslící“ šachové automaty sloužily k trikům a podvodům. První stroj se skutečnou umělou inteligencí, který vznikl ve Španělsku na začátku dvacátého století, dokázal dát šachistovi hrajícímu s králem mat s králem a věží. Zřejmě není náhoda, že jedním z prvních skutečně intelektuálních úkolů zadaných programátorům na úsvitu výpočetní techniky bylo hraní šachů. Jeden z těch, kdo vytvořili první šachové programy, doktor technických věd, profesor Vladimir Lvovich Arlazarov, hovoří o šachových programech a propojení této prastaré hry s vývojem technologií umělé inteligence.
– Vladimíre Lvoviči, jak jste přišel na myšlenku, že počítač může řešit intelektuální problémy?
– Když zjistili, že počítače dokážou nejen vypočítat, jak bylo vynalezeno od samého počátku, že za aritmetickými operacemi se skrývá logická akce, která nejen plní pomocné funkce při činnostech počítačových programů, ale s jejichž pomocí je možné řešit nezávislé problémy, stalo se Je to jasné: stojí za to zkusit dát do počítače intelektuální úkoly. Někde od konce 40. do konce 50. let se o tom aktivně diskutovalo, navíc byly položeny polofilozofické otázky: možná budou počítače chytřejší než lidé? A pak co? A to vše se vší vážností. Dnes se takové otázky nekladou, koneckonců uplynulo 40 let. Pak, na úsvitu výpočetní techniky, jsme si teprve uvědomili, co stroje v principu umí. Uvědomili jsme si, že lidský mozek je zařízení podobné počítači a tisíckrát, milionkrát výkonnější, ale zásadně se mírně liší. Ukázalo se, že přinejmenším většinu racionálních problémů, které člověk řeší, lze přiřadit stroji. Proto se můžete pokusit napsat programy, které tyto problémy vyřeší. Jeden, dva, tisíc... vždyť člověk také neřeší nekonečné množství problémů. A je možné, abych tak řekl, naprogramovat veškerou intelektuální aktivitu člověka.
– Proč jste se rozhodli přejít ke hře?
– Jak jsem již řekl, široce se diskutovalo o tom, zda stroj může myslet. Je však naprosto jasné, že pokud se bavíme o programátorech, o lidech, kteří se zabývají nikoli filozofií, ale skutečným počítačem, tak otázka nezní, jestli ten stroj principiálně něco umí, ale v hledání příkladů, kde stroje rozhodovat o intelektuálních úkolech a o těch, které jsou člověku přístupné v jeho intelektuální činnosti. Hranice zde samozřejmě není jasná. Je však jasné, že pokud člověk vynásobí 20místná čísla, pak se nezabývá hluboce intelektuálním úkolem, protože k jeho provedení je velmi snadné najít triviální algoritmus, který zná každý školák. Ale ty úkoly, u kterých je naprosto jasné, že člověk nemá žádný apriorní algoritmus, ale přesto je řeší dobře, budeme nazývat intelektuální. Prvními uchazeči o takové úkoly jsou hry, a to z toho prostého důvodu, že alespoň pravidla jsou jasně daná. Úkol je to nesmírně obtížný, ale pravidla hry se dají snadno formulovat, a tím snadno určit funkce stroje. Na druhou stranu jsou pro člověka šachy těžký úkol, o kterém se jaksi nikdy nemluvilo a ani se teď nemluví.
– Proč sis vybral jako hru šachy? Možná tradice?
– Proč jen šachy? Zkoušeli jsme přespolní a jiné hry. Ale šachy mají oproti jiným hrám mnoho výhod. Pokud v jednoduchých hrách stroj porazí člověka, pak to nikoho nepřekvapuje. Šachy jsou těžká hra a počítačové vítězství je významné. Pak v šachu, na rozdíl od řady jiných her, existuje mnoho rozlišitelných kritérií kvality, to znamená, že můžete určit: stroj hraje dobře, stroj hraje lépe, lépe, lépe. V mnoha jiných hrách se taková gradace stanovuje velmi obtížně. V některých z nich je automat buď naučený hrát naprosto přesně, a tím okamžitě ztratí veškerý zájem o hru, nebo se hraje extrémně špatně. A v šachu, ne abstraktním, ale takříkajíc zvládnutém, existuje tolik úrovní, že s jejich pomocí můžete určit třídu hry stroje.
– Je tedy jasné, proč byly šachy jedním z prvních a nejdůležitějších úkolů umělé inteligence. Jaké metody byly použity k jeho řešení?
– Od samého začátku jsem si postupně osvojoval metodiku řešení problému šachové partie. Šachy jsou v principu konečná hra a lze s matematickou přísností dokázat, že v jakékoli pozici, abstraktně, existuje pro každého soupeře nejlepší tah, a tedy nějaký výsledek. Proto je nutné popsat algoritmus, ve kterém lze tuto hru dopočítat do konce. Jedinou nevýhodou takového algoritmu je, že vyžaduje spoustu času. A nejsme o nic blíže k časovým řádům potřebným k výpočtu, řekněme, šachu do konce z výchozí pozice. Za posledních padesát let zůstal tento úkol z hlediska času nekonečně složitý. No, nekonečno mínus deset je pořád nekonečno. Ale pokud potřebujete čas, řekněme, 10 až 100. mocninu let a zrychlíte stroj, řekněme, 100krát a získáte 10 až 98 mocninu let, pak to pravděpodobně nebude jednodušší. Proto je hlavní algoritmus vyčerpávající, triviální: když to udělám, nepřítel má tolik možností. Možnosti rostou exponenciálně a tvoří řetězce. Ale počet pozic je obecně konečný a na každém řetězci jich není tolik. Řetězy jsou spojeny do stromů, které opět nejsou nekonečné. Pravda, rostou exponenciálně a počet řetězců se zvyšuje. Vyvstává tedy důležitá otázka: je nutné úplné hledání až do samého konce - u všech matů, patů, trojitých opakování a dalších zakončení partie podle šachových pravidel? Koneckonců, pokud algoritmus vede k pozicím, které nejsou na tomto stromě nutné, pak možná není třeba uvažovat celý tento strom. Všimněte si, že v situaci, kdy se bílý páří jedním tahem, můžete postavit stejný nekonečný strom, ale nemusíte o tom uvažovat, stačí najít tento jediný tah. Možná stejná situace platí pro šachy obecně? Algoritmus výčtu, výčtu možností se obecně vztahuje k tolika problémům řešeným lidmi, že kdybychom věděli, jak to zorganizovat nějakým velmi originálním způsobem, pak by to bylo v jistém smyslu jako vynález kola pro lidstvo - jeden z nejzásadnějších objevů. Hrubá síla by tedy mohla být, a možná i je, kolo umělé inteligence.
– V jednom z článků o umělé inteligenci jsem četl, že inteligence je schopnost rozumět a vybírat. Naučit počítač vybírat z mnoha možností je přirozeně velmi obtížné. Ale jsou možná některá řešení specifická pro šachy?
- Ano ano. Tento problém bylo třeba rychle a efektivně vyřešit a v šachu rychle dospěli k následující teoretické formulaci otázky: nedívejme se na nekonečný počet tahů, ale jen na několik tahů dopředu. Řekněme, že se podíváme o 5 tahů dopředu. To je hodně. Pokud milujete šachy a 5 tahů se vám zdá málo, tak si vezměme 10. A pak automat, 10 tahů, 20 půltahů dopředu, neudělá žádnou chybu a zaručí, že po 10 tazích nebudete mít méně kousky. Je jasné, že máme co do činění se silným herním strojem. Takže strom hry bude muset být zkrácen a problém vyřešen na mnohem omezenějším prostoru. Další otázkou je, že se snaží tento strom zvážit neúplně pomocí matematických metod řezání. O jednom z nich jsem již mluvil: pokud je v jednom tahu mate, není třeba se ohlížet na další možnosti. Jiné algoritmy jsou heuristické a nepřesné. V průměru fungují správně, mnohé jsou naprosto přesné, ale mohou se také mýlit. Můžeme například projít ne všechny tahy, ale pouze zajetí a vypočítat je hodně dopředu, protože zajetí je málo. Celková hloubka pohybů je malá: nemůžete jíst více než třicet dva kousků. Proto jsou délky řetězů malé a je zde málo větví. Samozřejmě je jasné, že hru nelze postavit pouze na zajetí, musí být bráno v úvahu určité poziční úvahy. Kombinace vynucení (zachycení, kontrola) a úvah o poloze, stejně jako určitá hloubka vyhledávání, je základem všech existujících algoritmů a příliš se nemění. Další otázka: jak vybrat tahy, které budu dále zvažovat? Pouze na základě jednoduchých formálních kritérií (zajmout, zkontrolovat) nebo spojit tyto tahy, jak rádi říkají šachisté, s plánem, vymyslet nějaké řetězce, které mají nějakou společnou vlastnost? V každém případě o tom bylo napsáno mnoho seriózních prací s praktickými aplikacemi. Ne nadarmo se na tvorbě šachových programů podílejí docela renomované společnosti.
– Kdy se objevily první šachové programy?
– Skutečné šachové programy se poprvé objevily někde na konci 50. let v Americe a pak někde na začátku 60. let u nás. Programy byly velmi slabé, protože v té době existovaly extrémně primitivní stroje a naše myšlení ještě nebylo zvyklé na novotu. Do tohoto podnikání jsme se zapojili kolem roku 1963. Pak byly nějaké zápasy na našich domácích autech. Podle mě v roce 1967 došlo k prvnímu zápasu mezi SSSR a USA. Říkalo se tomu, i když se to samozřejmě odehrávalo mezi dvěma týmy, a ne zeměmi. Byl to zápas mezi naším programem vyvinutým na Ústavu teoretické a experimentální fyziky a programem Johna McCarthyho, velmi známé osobnosti v počítačovém světě, jednoho z tvůrců programovacích jazyků, který měl tehdy rád šachové programy. Pohyby se přenášely telegrafem, protože tehdy neexistovaly žádné sítě.
– A kdo vyhrál?
Tehdy jsme vyhráli 3:1. Hrály se 4 hry. Přesun se dělal každý den, protože Američané měli výkonnější a hlubší programy, které myslely dlouhou dobu, a hráli jsme na různých verzích programů, které myslely rychle i pomalu. Naše vítězství bylo naším prvním úspěchem. Tento směr se začal postupně rozvíjet a zvláště aktivní v 70. letech. Kolem roku 1974 se ve Stockholmu konalo první mistrovství světa mezi šachovými programy. Zúčastnilo se asi osm programů, včetně našeho. A pak jsme také vyhráli a stali se prvními mistry světa. Od té doby se mistrovství světa konají pravidelně, každé 3 roky. Zúčastnili jsme se jich ještě dvakrát - v roce 1977 a v roce 1980. Tehdy jsme nezískali žádný vavřín, protože v roce 1977 jsme se dělili o 2. a 3. místo (účastnilo se mnoho šachových programů, byly dokonce krajské výběry), v roce 1980 - 4. resp. 5. místo. Obecně se pomalu vracely zpět. Faktem je, že v této době již došlo k obrovskému pokroku ve výpočetní technice a stále jsme hráli na poněkud zastaralých počítačích. A v roce 1980 nám bylo jasné, že soutěžit na strojích, na kterých pracujeme, ztratilo veškerý smysl a obecně začala práce na poli šachových programů v Rusku přicházet vniveč. I když zajímavých teoretických prací bylo poměrně dost. O něco později vytvořili snad první program, který obletěl svět a dokázal naprosto přesně zahrát komplexní koncovku, tedy dámu a pěšce proti dámě nebo věž a pěšce proti věži. Program takové koncovky jednoduše zvážil až do konce, tj. v jakékoli pozici dal naprosto správný pohyb. Algoritmus byl postaven na principech mírně odlišných od jednoduchého výčtu, na úplné kontrole celé sady pozic. No, pak udělali nějakou práci tohoto druhu v šachu. A pak jsme se rozloučili s praktickou hrou, protože rozdíly v rychlostech byly již stonásobné. Ale šampionáty pokračovaly a vývoj šachových programů postoupil na zcela novou úroveň, jakmile se vše přesunulo na PC. V důsledku rozsáhlé komercializace se do šachových programů začaly investovat obrovské peníze a vše bylo okamžitě utajováno. A dříve patřili k vědcům, kteří, pokud nejsou výslovně donuceni, své úspěchy neskrývají, ale naopak propagují. V roce 1980 jsme poprvé pocítili, že nastal čas pro komerční programování. Tento svět je samozřejmě jedinečný. Za prvé proto, že se do něj investují peníze, a za druhé proto, že se z něj peníze těží. Přestože existují časopisy o šachových programech, za posledních 15 - 17 let se skutečná výměna nápadů značně zmenšila, protože se z nich stal obrovský byznys na PC.
– Ale obchod stimuluje rozvoj trhu se šachovým softwarem?
– Dříve byly počítačové soutěže načasovány tak, aby se kryly s fóry výpočetní techniky. Existuje taková organizace - IFI (Mezinárodní federace informatiky) a mistrovství světa jsou obvykle načasována tak, aby se kryla s jejím kongresem. Nyní se staly zcela nezávislými akcemi, docela prestižními. Takových programů jsou již stovky a stovky. Samotná úroveň programování a úroveň našich znalostí je již taková, že vyrobit jednoduchý šachový program není sebemenší problém. To je normální studentská práce. Jen to svěřím nějakému studentovi. Porazit šachový program se stalo takříkajíc samozřejmostí.
– Ale jako vždy, nižší úroveň se stává jednodušší a vyšší se stává komplikovanější?
- A je to. Proto nejnovější programy, ty, které nyní vítězí, zejména program, který porazil Kasparova, se staly mnohem silnějšími. Hloubka hledání se výrazně zvýšila a je to samozřejmě výsledek našeho matematického pokroku a částečně jednoduše pokroku výpočetní techniky. Koneckonců, pokud dříve bylo zvažováno zvažování 1000 pozic za sekundu, nyní se v těch stromech, o kterých jsme již mluvili, uvažuje více než milion pozic. A milion navíc znamená několik úrovní tahů se správným výběrem. A každá úroveň hloubky vyhledávání výrazně posiluje program. Každá úroveň na pohyb vpřed je přibližně hodnost a řekněme hloubka hledání čtyř tahů je třetí pozice a pět tahů je již druhá pozice. Když dosáhneme úrovně 11–13 tahů, jedná se o mistrovskou úroveň a je poměrně obtížné pokračovat ve hře se strojem. Samozřejmě teď vedou Američané, protože vědí, jak do takových věcí investovat velké peníze.
– Jakýkoli program umělé inteligence pro rozhodování potřebuje nejen heuristické mechanismy, ale také nějaký druh znalostní báze. Jaký je vztah mezi znalostní bází a algoritmy, které generují pozice v šachových programech?
– Nikdo to nemůže říct s jistotou, protože jde o spekulace. Existovaly docela silné programy s prostě minimálními znalostmi, záměrně minimálními, konkrétně proto, aby viděli, co se dá vymáčknout z čisté matematiky. V určitém okamžiku to bylo způsobeno komercializací a zejména tím, že začali vyrábět co nejvýkonnější programy - bez ohledu na to, co. Ale částečně díky tomu, že práce s vloženými znalostmi je samostatný úkol, je jich hodně. Nejprve byla vytvořena obrovská referenční kniha. Nyní adresáře obsahují stovky tisíc pozic. Do hodnocení pozic se pak vždy investuje hodně šachové inteligence. Záleží samozřejmě na hracím materiálu, který je triviální, a na některých pozičních faktorech. Takže poziční faktory jsou čistě šachová inteligence, která je samozřejmě naprogramovaná, ale tady se toho hodně stanoví a neustále se zlepšuje. A čím více faktorů je do toho vloženo, tím silnější je program. Schopnost vyhodnotit pozici a hloubku hledání jsou v jistém smyslu vzájemně zaměnitelné věci. Kdybychom uměli bravurně vyhodnotit pozici, tak by nám stačilo vyzkoušet všechny první tahy. To je jako extrémní příklad. Je zřejmé, že lepší posouzení pozice má odpovídajícím způsobem větší vliv na hloubku vyhledávání. Toto je druhá, základní metoda. Existuje poměrně hodně programů, kde je šachová inteligence zakotvena ve výběru samotných možností, tedy nějaké čistě šachové úvahy, nějaké plány. Takových úvah je poměrně hodně, což omezuje rozsah vyhledávání. Oblast jejich působnosti není příliš široká a intelektuální data specifická pro šachy zpomalují vyhledávání. Mimochodem, právě pro intelektuální věci Botvinnik kdysi silně obhajoval. Byl velkým nadšencem pro strojové šachy a přispěl tam několika nápady. Sice se mu nikdy nepodařilo vytvořit fungující program, nicméně jeho autorita byla v té době velmi vysoká. Takže byl velmi naštvaný, že obecně není směr tak „intelektuální“, jak by si přál, a do programů bylo investováno velmi omezené množství čistých šachových znalostí.
– A co specializované šachové počítače? Jednají zřejmě přesně metodou generování?
- Samozřejmě. Za prvé, z hlediska generování je vyhledávání schematické. Za druhé, neméně důležité jsou jakékoliv tabulky pozic, protože v šachu je opakování pozic velmi vysoké. Jdete E4E6D4 nebo D4E6E4 - pozice bude stejná, ale jedná se pouze o 3 poloviční tahy. A když začneme jít hlouběji, opakování pozic je velmi vysoké. Za třetí, technická oblast. Vlastně jsme svého času budovali teorie o tom, u kterých pozic lokální změny zásadně nemohou vést ke změnám vynucených možností, jak vytvořit nějaké šablony. Šablony pro takové možnosti dobře zapadají do různých čistě technických počítačových schémat. Velmi důležité jsou samozřejmě referenční diagramy.
– Existují nějaké prostředky k vytvoření univerzálního mentálního aparátu, do kterého by se dala vložit znalostní báze – nezáleží na šachových pozicích nebo čemkoli jiném, pravidla, podle kterých se s těmito znalostmi musí pracovat – a získat z toho adekvátní výsledky?
– Je jasné, že z hlediska konstruktivity se dnes takový úkol vyřešit nedá a není relevantní. I když se nyní řeší mnoho intelektuálních problémů, jako je rozpoznávání textu. Můžete vložit kus textu do skeneru a zobrazit jej na obrazovce ve Wordu. Přečte se to samo, pozná se každé písmeno. Ve skutečnosti jsme pokročili v mnoha intelektuálních úkolech. Některé z nich jsou již vyřešeny, jiné se řeší. V některých ohledech to funguje srovnatelně lépe než s lidskou účastí, v jiných je to stále horší. Příkladů praktických problémů je mnoho. Pokud jde o univerzální umělý mentální mechanismus, je to spíše filozofický problém než praktický. Vždyť i u tak jednoduché hry, jako jsou šachy, nám trvalo 30 - 40 let, než jsme něčeho skutečně dosáhli. Veškerá filozofie je založena na názorech. Každý si myslí, že má pravdu a možná každý má svým způsobem pravdu. Umělou inteligencí se například zabývám celý život a věřím, že lidský mozek není nic jiného než velký počítač, proto nelze říci, že je v podstatě nemožné vytvořit mu podobný. Otázkou je jeho výkon, rychlostní charakteristiky a naplnění znalostí. Není zde nic nepochopitelného. To je můj osobní úhel pohledu. Ale jsou i jiné názory. Samozřejmě, pokud rozpoznáme božskou podstatu člověka, pak musíme zvolit jednu ze dvou epistemologických možností. Buď ano, máme božskou přirozenost, ale je to poznat. V tomto případě nebudeme schopni pravdivě reprodukovat to, co Pán Bůh dokázal, ale alespoň budeme moci Jeho výtvory alespoň částečně znovu vytvořit. Nebo stojíme na pozici agnosticismu, a pak je to nepoznatelné a otázka je zcela odstraněna. Ukazuje se, že lidský mozek řeší některé problémy – a nikdo o tom nepochybuje. Ale mozek nemůžeme dohnat, protože ho na jedné straně stvořil Bůh a na druhé ho nejsme schopni poznat. Všechny tři pozice jsou spojeny s vírou, protože ve skutečnosti není nutné znát všechny funkce mozku. Pokud vyrobíme stroj se stejnou silou jako mozek, nebude mít potřebu myslet jako mozek. Bude to fungovat jinak.
– V psychologii, pokud vím, je intelektuální vývoj člověka určován třemi kritérii: schopností abstrahovat, vytvářet intelektuální řadu a ještě něčím... Do jaké míry jsou tyto schopnosti realizovány v umělé inteligenci a jsou realizovány vůbec?
– Existuje mnoho programů, které jsou specificky zaměřeny na vytváření konceptů, které abstrahují od existujícího faktického materiálu. Takové programy fungují dobře. Další otázkou je, že člověk ví, jak tyto pojmy vytvořit, jakoby podle svých zákonů, které si sám vymyslí. Všechny naše pokusy přeložit tyto jeho zákony do jazyka logické algebry se ukázaly jako marné. Lidé mají mnohem silnější mechanismus myšlení, který prostě neznáme. Nevíme, jak „vůbec“ nic dělat. Vytváříme formulace, které potřebujeme, ale nemůžeme je „vyjádřit“ v přesných strojových problémech. Všechno se s obtížemi přiblíží mechanickým problémům, a i když se to pokazí, je to pomalé. Pravděpodobně zatím neznáme přímější cesty k dosažení cíle. Do počítače můžete vložit cokoliv. Otázkou je, že s těmito znalostmi je člověk schopen neustále manipulovat, ale zatím neví, jak k tomu samému přinutit stroj kvůli omezenému objemu a rychlosti dat.
– Možná ale nedává smysl nutit stroj, aby manipuloval se znalostmi?
– Zde se dotýkáme jak nemorálních, tak konstruktivních aspektů. K bouřícím strojům máme ještě hodně daleko. Určitě bude dostatek klidu pro můj život a pro váš taky. Ani v omezených oblastech jsme se ještě nenaučili, jak přinutit stroj, aby manipuloval s úkoly, dokonce i s těmi, které dokáže vyřešit. Zadali jsme úkol a ona myslí jen na povel.
– Vladimíre Lvoviči, řekněte mi, kdyby nyní opět nastal úsvit výpočetní techniky, stálo by za to pracovat na šachových programech? Opravdu tolik přispěli k pokroku?
– Přesto nám šachy rozšiřují obzory. V šachových programech se zadávají úkoly, je vidět výsledek, hodnotíme ho. Přesto by mělo existovat mnoho vyřešených zajímavých problémů, což přispívá k pokroku ve výpočetní technice.
