Contra "Grandmaster-level Chess without Search" (2024): ເປັນຫຍັງການຮັບຮູ້ແບບຢ່າງດຽວຈຶ່ງສັ້ນລົງ

ເອກະສານສະບັບປີ 2024 ຂອງ Google DeepMind ທີ່ອ້າງເອົາໝາກຮຸກລະດັບນາຍໃຫຍ່ ໂດຍບໍ່ມີສູດການຄິດໄລ່ການຊອກຫາແບບດັ້ງເດີມ ເຮັດໃຫ້ເກີດຄວາມສົງໄສໃນທັນທີ ແລະເປັນພື້ນຖານທີ່ດີໃນທົ່ວຊຸມຊົນການຄົ້ນຄວ້າ AI. ການໂຕ້ຖຽງກົງກັນຂ້າມເປີດເຜີຍຂໍ້ຈໍາກັດພື້ນຖານໃນການທົດແທນການຮັບຮູ້ຮູບແບບດິບສໍາລັບການວິເຄາະລະບົບ - ບົດຮຽນທີ່ຂະຫຍາຍອອກໄປໄກກວ່າ chess ໄປສູ່ອັດຕະໂນມັດທຸລະກິດ, ກອບການຕັດສິນໃຈ, ແລະວິທີການເວທີເຊັ່ນ: Mewayz architect ຂະບວນການອັດສະລິຍະສໍາລັບຜູ້ໃຊ້ຫຼາຍກວ່າ 138,000 ຄົນ.

ເອກະສານຕົ້ນສະບັບອ້າງຫຍັງແທ້?

ການຄົ້ນຄວ້າຕົ້ນສະບັບ, ນໍາໂດຍ Aram Ebrahimi ແລະເພື່ອນຮ່ວມງານຂອງ Google DeepMind, ສະເຫນີວ່າຕົວແບບການຫັນປ່ຽນຂະຫນາດໃຫຍ່ພຽງພໍທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນຕໍາແຫນ່ງ chess ແລະການປະເມີນຜົນຂອງພວກມັນສາມາດຫຼິ້ນໄດ້ໃນລະດັບຄວາມແຂງແຮງຂອງນາຍໃຫຍ່ໂດຍບໍ່ຕ້ອງໃຊ້ວິທີການຄົ້ນຫາທີ່ຊັດເຈນເຊັ່ນ: minimax ຫຼື Monte Carlo tree search. ບໍ່ເຫມືອນກັບເຄື່ອງຈັກເຊັ່ນ: Stockfish ຫຼື AlphaZero, ເຊິ່ງຄົ້ນຫາຫຼາຍພັນຫາລ້ານຂອງຕໍາແຫນ່ງໃນອະນາຄົດກ່ອນທີ່ຈະເລືອກການເຄື່ອນໄຫວ, ວິທີການນີ້ແມ່ນອີງໃສ່ເຄືອຂ່າຍ neural ທີ່ເຮັດໃຫ້ການຄາດເດົາຜ່ານດຽວ - ສໍາຄັນ "intuting" ການເຄື່ອນໄຫວທີ່ດີທີ່ສຸດຈາກການຮັບຮູ້ຮູບແບບຢ່າງດຽວ.

ການຮຽກຮ້ອງແມ່ນມີຄວາມກ້າຫານ: ຖ້າຕົວແບບສາມາດດູດເອົາຄວາມເຂົ້າໃຈດ້ານຕໍາແຫນ່ງພຽງພໍຈາກຂໍ້ມູນການຝຶກອົບຮົມ, ການຄິດໄລ່ຜົນບັງຄັບໃຊ້ brute-force ອາດຈະບໍ່ຈໍາເປັນ. ຜົນ​ການ​ທົດ​ສອບ​ເບື້ອງ​ຕົ້ນ​ປາກົດ​ວ່າ​ມີ​ທ່າ​ທາງ​ດີ, ດ້ວຍ​ຕົວ​ແບບ​ທີ່​ໄດ້​ຮັບ​ການ​ຈັດ​ອັນ​ດັບ Elo ຢູ່​ໃນ​ລະດັບ​ອັນ​ໃຫຍ່​ຫຼວງ​ພາຍ​ໃຕ້​ເງື່ອນ​ໄຂ​ການ​ທົດ​ສອບ​ສະ​ເພາະ.

ເປັນຫຍັງນັກວິຈານໂຕ້ຖຽງວ່າການຄົ້ນຫາບໍ່ເຄີຍຖືກລົບລ້າງຢ່າງແທ້ຈິງ?

ການໂຕ້ແຍ້ງທີ່ໜ້າສົນໃຈທີ່ສຸດແມ່ນແນໃສ່ຈຸດໃຈກາງຂອງເອກະສານ. ໝໍ້ແປງໄຟຟ້າໄດ້ຮັບການຝຶກອົບຮົມໃນຫຼາຍລ້ານຕຳແໜ່ງທີ່ຖືກປະເມີນໂດຍ Stockfish — ເຄື່ອງຈັກທີ່ອາໄສການຊອກຄົ້ນຫາຢ່າງເລິກເຊິ່ງ. ນັກວິຈານໂຕ້ແຍ້ງວ່າຕົວແບບບໍ່ໄດ້ລົບລ້າງການຄົ້ນຫາ; ມັນ ກັ່ນ ມັນ. ການຄົ້ນຫາພຽງແຕ່ໃສ່ຂໍ້ມູນການຝຶກອົບຮົມດ້ານໜ້າ ແທນທີ່ຈະເຮັດໃນເວລາສະຫຼຸບ.

"ການ​ອ້າງ​ຕົວ​ແບບ​ຫຼິ້ນ​ໝາກ​ຮຸກ​ໂດຍ​ບໍ່​ມີ​ການ​ຊອກ​ຫາ​ໃນ​ຂະ​ນະ​ທີ່​ການ​ຝຶກ​ອົບ​ຮົມ​ມັນ​ໃນ​ຜົນ​ຜະ​ລິດ​ຂອງ​ເຄື່ອງ​ຈັກ​ທີ່​ອີງ​ໃສ່​ການ​ຊອກ​ຫາ​ແມ່ນ​ຄື​ການ​ອ້າງ​ວ່າ​ທ່ານ​ແກ້​ໄຂ maze ໂດຍ​ບໍ່​ມີ​ແຜນ​ທີ່ — ຫຼັງ​ຈາກ​ການ​ຈື່​ຈໍາ​ການ​ແກ້​ໄຂ​ທີ່​ຜູ້​ອື່ນ​ໄດ້​ພົບ​ເຫັນ​ໂດຍ​ການ​ນໍາ​ໃຊ້​ແຜນ​ທີ່​."

ຄວາມແຕກຕ່າງນີ້ສຳຄັນຫຼາຍ. ຮູບແບບໄດ້ຮຽນຮູ້ການບີບອັດຕົວແທນຂອງຜົນການຄົ້ນຫາ, ບໍ່ແມ່ນຄວາມເຂົ້າໃຈຕໍາແຫນ່ງເອກະລາດ. ເອົາສັນຍານການຝຶກອົບຮົມທີ່ມາຈາກການຄົ້ນຫາ, ແລະປະສິດທິພາບຫຼຸດລົງ. ອັນນີ້ມີຄວາມຂະໜານກັນໂດຍກົງໃນຄວາມສະຫຼາດທາງທຸລະກິດ: ເຄື່ອງມືການຕັດສິນໃຈທີ່ຂັບເຄື່ອນດ້ວຍ AI ແມ່ນດີເທົ່າກັບການວິເຄາະລະບົບທີ່ຝັງຢູ່ໃນທໍ່ຝຶກອົບຮົມຂອງມັນເທົ່ານັ້ນ.

ການຮັບຮູ້ຮູບແບບອັນບໍລິສຸດແຕກຫັກຢູ່ໃນພາກປະຕິບັດຢູ່ໃສ?

ການ​ທົດ​ສອບ​ໂດຍ​ນັກ​ຄົ້ນ​ຄວ້າ​ເອ​ກະ​ລາດ​ໄດ້​ເປີດ​ເຜີຍ​ຮູບ​ແບບ​ຄວາມ​ລົ້ມ​ເຫຼວ​ທີ່​ສຳ​ຄັນ​ທີ່​ມາດ​ຕະ​ຖານ​ເດີມ​ໄດ້​ບັງ​ຄັບ​ໄວ້:

• ຕໍາແໜ່ງຍຸດທະວິທີຢ່າງເລິກເຊິ່ງ: ຮູບແບບທີ່ຂາດການປະສົມຢ່າງຕໍ່ເນື່ອງທີ່ຮຽກຮ້ອງໃຫ້ມີການຄິດໄລ່ເກີນ 4-5 ການເຄື່ອນໄຫວ, ບ່ອນທີ່ເຄື່ອງຈັກແບບດັ້ງເດີມດີເລີດຜ່ານຕົ້ນໄມ້ຄົ້ນຫາທີ່ຊັດເຈນ.
• ສະ​ຖາ​ນະ​ການ​ການ​ຈົບ​ເກມ​ນະ​ວະ​ນິ​ຍາຍ​: ຕໍາ​ແຫນ່ງ​ນອກ​ການ​ແຈກ​ຢາຍ​ການ​ຝຶກ​ອົບ​ຮົມ​ເປີດ​ເຜີຍ​ຄວາມ​ບໍ່​ສາ​ມາດ​ຂອງ​ຕົວ​ແບບ​ທີ່​ຈະ​ໃຫ້​ເຫດ​ຜົນ​ຈາກ​ຫຼັກ​ການ​ທໍາ​ອິດ​, ເຮັດ​ໃຫ້​ເກີດ​ຄວາມ​ຜິດ​ພາດ​ປະ​ຖົມ​ທີ່​ບໍ່​ມີ​ມະ​ນຸດ​ຜູ້​ໃຫຍ່​ຈະ​ເຮັດ​ໄດ້​.
• ຄວາມແຂງກະດ້າງຂອງຝ່າຍກົງກັນຂ້າມ: ເມື່ອຝ່າຍກົງກັນຂ້າມຕັ້ງໃຈຊີ້ນໍາເກມເຂົ້າໄປໃນຕໍາແຫນ່ງທີ່ຜິດປົກກະຕິ, Elo ຂອງຕົວແບບຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ — ແນະນໍາການຈື່ຈໍາແທນທີ່ຈະເຂົ້າໃຈຢ່າງແທ້ຈິງ.
• ຄວາມສອດຄ່ອງພາຍໃຕ້ຄວາມກົດດັນ: ໃນຂະນະທີ່ປະສິດທິພາບສະເລ່ຍປະກົດວ່າລະດັບ grandmaster, ຄວາມແຕກຕ່າງແມ່ນສູງກວ່າມະຫາສະມຸດຂອງມະນຸດ ຫຼືເຄື່ອງຈັກຊອກຫາທີ່ອີງໃສ່ເຄື່ອງຈັກຊອກຫາ, ໂດຍມີຄວາມຜິດພາດທີ່ຮ້າຍກາດເກີດຂຶ້ນໃນອັດຕາທີ່ບໍ່ເຫມາະສົມກັບການຫຼິ້ນ grandmaster ທີ່ແທ້ຈິງ.
• ການ​ປັບ​ຂະ​ໜາດ​ຄວາມ​ຊັບ​ຊ້ອນ​ດ້ານ​ຕຳ​ແໜ່ງ: ເມື່ອ​ຄວາມ​ສັບ​ສົນ​ຂອງ​ຄະ​ນະ​ເພີ່ມ​ຂຶ້ນ, ຊ່ອງ​ຫວ່າງ​ລະ​ຫວ່າງ​ຕົວ​ແບບ​ທີ່​ບໍ່​ມີ​ການ​ຊອກ​ຫາ ແລະ​ເຄື່ອງ​ຈັກ​ທີ່​ອີງ​ໃສ່​ການ​ຊອກ​ຫາ​ໄດ້​ກວ້າງ​ອອກ​ເປັນ​ເລກ​ເລກ​ຕົວ​ເລກ.

ການໂຕ້ວາທີນີ້ຫມາຍຄວາມວ່າແນວໃດສໍາລັບລະບົບທຸລະກິດທີ່ຂັບເຄື່ອນດ້ວຍ AI?

ການ​ໂຕ້​ຖຽງ​ກັນ​ໂດຍ​ບໍ່​ມີ​ການ​ຊອກ​ຫາ​ໝາກ​ຮຸກ​ເຮັດ​ໃຫ້​ຄວາມ​ເຄັ່ງ​ຕຶງ​ເປັນ​ຫົວ​ໃຈ​ຂອງ​ການ​ນຳ​ໃຊ້ AI ທີ່​ທັນ​ສະ​ໄໝ. ການຮັບຮູ້ຮູບແບບແລະການວິເຄາະລະບົບແມ່ນບໍ່ສາມາດແລກປ່ຽນກັນໄດ້ - ພວກມັນແມ່ນປະສົມປະສານ. ລະບົບປະສິດຕິພາບສູງສຸດລວມເອົາການຕອບໂຕ້ທີ່ເຂົ້າໃຈໄດ້ໄວດ້ວຍການໃຫ້ເຫດຜົນທີ່ມີໂຄງສ້າງທີ່ສະເຕກສູງ.

ນີ້ແມ່ນສະຖາປັດຕະຍະກຳທີ່ຊັດເຈນຢູ່ເບື້ອງຫຼັງລະບົບການດຳເນີນທຸລະກິດ 207 ໂມດູນຂອງ Mewayz. ແທນທີ່ຈະອີງໃສ່ພຽງແຕ່ heuristics ການຈັບຄູ່ຮູບແບບຫຼືເຫດຜົນຕາມກົດລະບຽບຢ່າງດຽວ, ເວທີຈະປະສົມປະສານທັງສອງວິທີການໃນທົ່ວລະບົບການເຮັດວຽກອັດຕະໂນມັດ, CRM, ການຄຸ້ມຄອງໂຄງການ, ແລະໂມດູນທາງດ້ານການເງິນ. ການແນະນຳທີ່ອີງໃສ່ຮູບແບບດ່ວນຈັດການການຕັດສິນໃຈແບບປົກກະຕິ, ໃນຂະນະທີ່ໂຄງຮ່າງການວິເຄາະທີ່ມີໂຄງສ້າງມີສ່ວນຮ່ວມກັບສະຖານະການທີ່ຊັບຊ້ອນ — ສະທ້ອນເຖິງວິທີການທີ່ເຄື່ອງຈັກໝາກຮຸກທີ່ເຂັ້ມແຂງທີ່ສຸດຈັບຄູ່ການປະເມີນເຄືອຂ່າຍ neural ກັບການຊອກຫາເປົ້າໝາຍ.

ບົດ​ຮຽນ​ຈາກ​ການ​ວິ​ເຄາະ​ທາງ​ກົງ​ກັນ​ຂ້າມ​ເປັນ​ທີ່​ຈະ​ແຈ້ງ: ລະ​ບົບ​ທີ່​ອ້າງ​ວ່າ​ຈະ​ລົບ​ລ້າງ​ການ​ໃຫ້​ເຫດ​ຜົນ​ທີ່​ເປັນ​ລະ​ບົບ​ເພື່ອ​ຄວາມ​ໂປດ​ປານ​ຂອງ intuition ອັນ​ບໍ​ລິ​ສຸດ inevitably ຕີ​ເພດານ​ການ​ປະ​ຕິ​ບັດ. ບໍ່ວ່າຈະເປັນການຈັດການຕໍາແຫນ່ງ chess ຫຼືທໍ່ທຸລະກິດ, ການປະສົມປະສານຂອງການຮັບຮູ້ຮູບແບບຢ່າງໄວວາກັບການວິເຄາະໂດຍເຈດຕະນາສະເຫມີຜົນດີກວ່າວິທີການໃນການໂດດດ່ຽວ.

ພວກເຮົາຄວນປະເມີນ "ຄວາມບຸກທະລຸ" ການຮຽກຮ້ອງ AI ກ້າວໄປຂ້າງໜ້າແນວໃດ?

ການ​ໂຕ້​ຖຽງ​ກັນ​ສ້າງ​ຂອບ​ເຂດ​ທີ່​ເປັນ​ປະ​ໂຫຍດ​ສໍາ​ລັບ​ການ​ວິ​ຈານ​ວິ​ຈານ​ການ​ຮ້ອງ​ຂໍ​ການ​ຄົ້ນ​ຄວ້າ AI ທະ​ເຍີ​ທະ​ຍານ. ທໍາອິດ, ກວດເບິ່ງວ່າຄວາມສາມາດທີ່ອ້າງວ່າບັນລຸໄດ້ຢ່າງແທ້ຈິງຫຼືພຽງແຕ່ແຈກຢາຍຄືນ - ລະບົບໄດ້ລົບລ້າງການຄົ້ນຫາ, ຫຼືເຊື່ອງມັນຢູ່ໃນຂະບວນການຝຶກອົບຮົມບໍ? ອັນທີສອງ, ການທົດສອບການປະຕິບັດການປ້ອນຂໍ້ມູນຂອງສັດຕູແລະນອກການແຈກຢາຍ, ບໍ່ພຽງແຕ່ມາດຕະຖານທີ່ເອື້ອອໍານວຍ. ອັນທີສາມ, ການວັດແທກຄວາມສອດຄ່ອງ ແລະການປະຕິບັດກໍລະນີທີ່ຮ້າຍແຮງທີ່ສຸດຄຽງຄູ່ຄ່າສະເລ່ຍ, ເນື່ອງຈາກລະບົບທີ່ຫຼິ້ນໄດ້ຢ່າງສະຫຼາດ 90% ຂອງເວລາແຕ່ເຮັດຜິດຢ່າງຮ້າຍແຮງ 10% ຂອງເວລານັ້ນບໍ່ແມ່ນລະດັບໃຫຍ່ໃນຄວາມໝາຍອັນໃດອັນໜຶ່ງ.

ຫຼັກການ​ການ​ປະ​ເມີນ​ຜົນ​ເຫຼົ່າ​ນີ້​ຖືກ​ນຳ​ໃຊ້​ຢ່າງ​ເທົ່າ​ທຽມ​ກັນ​ເມື່ອ​ວິ​ສາ​ຫະ​ກິດ​ປະ​ເມີນ​ເຄື່ອງ​ມື​ທີ່​ນຳ​ໃຊ້ AI ສຳ​ລັບ​ການ​ດຳ​ເນີນ​ງານ​ຂອງ​ເຂົາ​ເຈົ້າ. ມາດຕະຖານລະດັບຫນ້າດິນສາມາດປິດບັງຈຸດອ່ອນທີ່ສໍາຄັນທີ່ເກີດຂື້ນພາຍໃຕ້ເງື່ອນໄຂຂອງໂລກ - ຄວາມເປັນຈິງທີ່ແຈ້ງໃຫ້ຮູ້ວິທີການຂອງ Mewayz ໃນການສ້າງຄວາມຫນ້າເຊື່ອຖືໃນທົ່ວລະບົບນິເວດຂອງໂມດູນທັງຫມົດ.

ຄຳຖາມທີ່ຖາມເລື້ອຍໆ

ຕົວແບບການຊອກຄົ້ນຫາໝາກຮຸກບໍ່ເຖິງລະດັບໃຫຍ່ແທ້ບໍ?

ພາຍ​ໃຕ້​ເງື່ອນ​ໄຂ​ມາດ​ຕະ​ຖານ​ທີ່​ຄວບ​ຄຸມ​ໄດ້, ຕົວ​ແບບ​ໄດ້​ບັນ​ລຸ​ການ​ຈັດ​ອັນ​ດັບ Elo ໃນ​ລະ​ດັບ grandmaster. ຢ່າງໃດກໍຕາມ, ການທົດສອບເອກະລາດໄດ້ເປີດເຜີຍຄວາມບໍ່ສອດຄ່ອງ, ຊ່ອງໂຫວ່ຂອງສັດຕູ, ແລະຈຸດຕາບອດທີ່ມີສິດເທົ່າທຽມທີ່ເລິກເຊິ່ງເຮັດໃຫ້ການແບ່ງປະເພດ grandmaster. ການຫຼິ້ນໃຫຍ່ແທ້ຕ້ອງການຄວາມໜ້າເຊື່ອຖື ແລະ ຄວາມເລິກ ເຊິ່ງຕົວແບບດັ່ງກ່າວບໍ່ໄດ້ສະແດງໃຫ້ເຫັນຢ່າງສະໝໍ່າສະເໝີ, ເຮັດໃຫ້ການຮຽກຮ້ອງທາງດ້ານເຕັກນິກແຄບລົງ ແທນທີ່ຈະຖືກຕ້ອງຢ່າງກວ້າງຂວາງ.

ການຄົ້ນຄວ້າ AI chess ທີ່ບໍ່ມີການຄົ້ນຫາຍັງມີຄຸນຄ່າເຖິງແມ່ນວ່າຈະວິພາກວິຈານເຫຼົ່ານີ້ບໍ?

ຢ່າງ​ແທ້​ຈິງ. ການຄົ້ນຄວ້າໄດ້ສະແດງໃຫ້ເຫັນວ່າສະຖາປັດຕະຍະກໍາຂອງເຄື່ອງຫັນເປັນສາມາດບີບອັດຄວາມຮູ້ຂອງຫມາກຮຸກຈໍານວນຫຼວງຫຼາຍເຂົ້າໃນການປະເມີນແບບດຽວຢ່າງໄວວາ. ນີ້ມີຄໍາຮ້ອງສະຫມັກພາກປະຕິບັດສໍາລັບການປະເມີນຜົນໂດຍປະມານໄວ, ການຊ່ວຍເຫຼືອການຝຶກອົບຮົມ, ແລະລະບົບປະສົມ. ການໂຕ້ແຍ້ງທີ່ກົງກັນຂ້າມບໍ່ໄດ້ເຮັດໃຫ້ການຄົ້ນຄວ້າບໍ່ຖືກຕ້ອງ — ພວກມັນດັດແປງຂອບເຂດຈໍາກັດຂອງມັນຢ່າງຖືກຕ້ອງ ແລະທ້າທາຍການສະຫຼຸບເກີນຈິງ.

ການໂຕ້ວາທີນີ້ກ່ຽວຂ້ອງກັບການເລືອກເຄື່ອງມືອັດຕະໂນມັດທາງທຸລະກິດແນວໃດ?

ບົດຮຽນຫຼັກແມ່ນວ່າອັດຕະໂນມັດທີ່ມີປະສິດທິພາບຮຽກຮ້ອງໃຫ້ມີການຈັບຄູ່ວິທີການສົມເຫດສົມຜົນທີ່ຖືກຕ້ອງກັບແຕ່ລະປະເພດວຽກ. ການຕັດສິນໃຈແບບງ່າຍດາຍ, ຊໍ້າຊ້ອນໄດ້ຮັບຜົນປະໂຫຍດຈາກການຮັບຮູ້ຮູບແບບໄວ. ການຕັດສິນໃຈທີ່ສັບສົນ, ມີສະເຕກສູງຮຽກຮ້ອງໃຫ້ມີການວິເຄາະໂຄງສ້າງ. ແພລດຟອມທີ່ດີທີ່ສຸດ - ເຊັ່ນ: OS ທຸລະກິດປະສົມປະສານຂອງ Mewayz - ປະສົມປະສານທັງສອງຢ່າງ, ຮັບປະກັນວ່າບໍ່ມີວິທີການໃດນຶ່ງທີ່ກາຍເປັນຂໍ້ບົກຜ່ອງ ຫຼືຈຸດຂອງຄວາມລົ້ມເຫຼວໃນທົ່ວການດໍາເນີນງານຂອງທ່ານ.

ພ້ອມທີ່ຈະດໍາເນີນທຸລະກິດຂອງທ່ານຢູ່ໃນລະບົບທີ່ສ້າງຂຶ້ນເພື່ອທັງຄວາມໄວແລະຄວາມເລິກບໍ? Mewayz ໄດ້ລວມເອົາ 207 ໂມດູນປະສົມປະສານກັບລະບົບອັດຕະໂນມັດອັດສະລິຍະທີ່ອອກແບບມາເພື່ອຄວາມຊັບຊ້ອນຂອງໂລກຕົວຈິງ — ບໍ່ແມ່ນມາດຕະຖານການສະແດງລະຄອນ. ແຜນການເລີ່ມຕົ້ນທີ່ $19/ເດືອນ ສໍາລັບທີມງານທີ່ຕ້ອງການຄວາມຫນ້າເຊື່ອຖືໃນທຸກລະດັບ. ເລີ່ມການທົດລອງໃຊ້ຟຣີຂອງທ່ານທີ່ app.mewayz.com ແລະປະສົບການຂອງລະບົບການດຳເນີນທຸລະກິດທີ່ແທ້ຈິງ.