Contra "සෙවීමකින් තොරව ග්‍රෑන්ඩ්මාස්ටර් මට්ටමේ චෙස්" (2024): රටා හඳුනාගැනීම පමණක් කෙටි වන්නේ ඇයි

Google DeepMind හි 2024 පත්‍රිකාව සාම්ප්‍රදායික සෙවුම් ඇල්ගොරිතම නොමැතිව ග්‍රෑන්ඩ්මාස්ටර් මට්ටමේ චෙස් සඳහා හිමිකම් කියන AI පර්යේෂණ ප්‍රජාව හරහා ක්ෂණික සහ හොඳින් පදනම් වූ සංශයවාදයක් ඇති කළේය. ප්‍රතිවිරුද්ධ තර්ක මඟින් ක්‍රමානුකූල විශ්ලේෂණය සඳහා අමු රටා හඳුනාගැනීම ආදේශ කිරීමේ මූලික සීමාවන් හෙළි කරයි - චෙස් වලින් ඔබ්බට ව්‍යාපාර ස්වයංක්‍රීයකරණය, තීරණ ගැනීමේ රාමු සහ Mewayz ගෘහ නිර්මාණ ශිල්පියා වැනි වේදිකා 138,000 කට අධික පරිශීලකයින් සඳහා බුද්ධිමත් කාර්ය ප්‍රවාහයන් දක්වා විහිදෙන පාඩම්.

මුල් පත්‍රය ඇත්ත වශයෙන්ම හිමිකම් පෑවේ කුමක්ද?

Aram Ebrahimi සහ Google DeepMind හි සගයන් විසින් මෙහෙයවන ලද මුල් පර්යේෂණය යෝජනා කළේ චෙස් ඉරියව් සහ ඒවායේ ඇගයීම් පිළිබඳව පුහුණු කරන ලද ප්‍රමාණවත් තරම් විශාල ට්‍රාන්ස්ෆෝමර් ආකෘතියක් minimax හෝ Monte Carlo ගස් සෙවීම වැනි පැහැදිලි සෙවුම් ඇල්ගොරිතම භාවිතා නොකර ග්‍රෑන්ඩ්මාස්ටර් ශක්තියෙන් ක්‍රීඩා කළ හැකි බවයි. Stockfish හෝ AlphaZero වැනි එන්ජින් මෙන් නොව, පියවරක් තෝරා ගැනීමට පෙර දහස් ගණනක් සිට මිලියන ගණනක් අනාගත ස්ථාන ගවේෂණය කරයි, මෙම ප්‍රවේශය තනි-පාස් පුරෝකථනයන් කරන ස්නායුක ජාලයක් මත රඳා පැවතුනි - අත්‍යවශ්‍යයෙන්ම රටා හඳුනාගැනීමෙන් පමණක් හොඳම පියවර "තේරුම්" කරයි.

ප්‍රකාශය නිර්භීත විය: ආකෘතියකට පුහුණු දත්ත වලින් ප්‍රමාණවත් ස්ථානීය අවබෝධයක් උකහා ගත හැකි නම්, තිරිසන් බලය ගණනය කිරීම අනවශ්‍ය විය හැකිය. නිශ්චිත පරීක්‍ෂණ තත්ත්‍වයන් යටතේ ග්‍රෑන්ඩ්මාස්ටර් පරාසය තුළ Elo ශ්‍රේණිගත කිරීම් ලබා ගැනීමත් සමඟ මූලික මිණුම් සලකුණු ප්‍රතිඵල යහපත් ලෙස දිස් විය.

විවේචකයින් තර්ක කරන්නේ සෙවීම කිසි විටෙක සත්‍ය වශයෙන්ම ඉවත් නොකළේ ඇයි?

වඩාත් බලගතු පරස්පර තර්කය කඩදාසියේ කේන්ද්‍රීය පරිශ්‍රය ඉලක්ක කරයි. ට්‍රාන්ස්ෆෝමරය ස්ටොක්ෆිෂ් විසින් ඇගයීමට ලක් කරන ලද ස්ථාන මිලියන ගණනක් පිළිබඳව පුහුණු කර ඇත - ගැඹුරු සෙවීම් මත දැඩි ලෙස රඳා පවතින එන්ජිමකි. විවේචකයින් තර්ක කරන්නේ ආකෘතිය සෙවීම ඉවත් නොකළ බවයි; එය එය ආසවනය කළා. සෙවුම නිගමන වේලාවේදී සිදු කරනු ලබනවාට වඩා පුහුණු දත්ත වලට ප්‍රථමයෙන් පටවා ඇත.

"නිර්මාණයක් සෙවුම්-පාදක එන්ජිමක ප්‍රතිදානයන් මත එය පුහුණු කරන අතරතුර 'සෙවුම් නොමැතිව' චෙස් ක්‍රීඩා කරන බව ප්‍රකාශ කිරීම, ඔබ සිතියමක් නොමැතිව ප්‍රහේලිකාවක් විසඳූ බව ප්‍රකාශ කිරීමක් වැනිය - වෙනත් අයෙකු සිතියමක් භාවිතයෙන් සොයාගත් විසඳුම කටපාඩම් කිරීමෙන් පසුව."

මෙම වෙනස ඉතා වැදගත් වේ. ආකෘතිය ඉගෙන ගත්තේ සෙවුම් ප්‍රතිඵලවල සම්පීඩිත නිරූපණයන් මිස ස්වාධීන ස්ථානීය අවබෝධයක් නොවේ. සෙවුම්-ව්‍යුත්පන්න පුහුණු සංඥා ඉවත් කරන්න, සහ කාර්ය සාධනය බිඳ වැටේ. මෙය ව්‍යාපාරික බුද්ධියේ සෘජු සමාන්තර ඇත: ඕනෑම AI මත පදනම් වූ තීරණ ගැනීමේ මෙවලමක් හොඳ වන්නේ එහි පුහුණු නල මාර්ගයේ කාවැදී ඇති ක්‍රමානුකූල විශ්ලේෂණය තරම් පමණි.

පවිත්‍ර රටා හඳුනාගැනීම ප්‍රායෝගිකව බිඳ වැටෙන්නේ කොතැනින්ද?

ස්වාධීන පර්යේෂකයන් විසින් සිදු කරන ලද ආනුභවික පරීක්ෂණ මගින් මුල් මිණුම් සලකුණු අපැහැදිලි වූ විවේචනාත්මක අසාර්ථක ක්‍රම හෙලිදරව් විය:

• ගැඹුරු උපක්‍රමික ස්ථාන: සම්ප්‍රදායික එන්ජින් පැහැදිලි සෙවුම් ගස් හරහා විශිෂ්ට වන 4-5 චලනයන් ඔබ්බට ගණනය කිරීම අවශ්‍ය වන සංයෝජන ආකෘතියට නිරන්තරයෙන් මග හැරී ඇත.
• නව අවසන් ක්‍රීඩා අවස්ථා: පුහුණු බෙදාහැරීමෙන් පිටත ස්ථාන, පළමු මූලධර්මවලින් තර්ක කිරීමට නිරූපිකාවට ඇති නොහැකියාව හෙලිදරව් කරන ලද අතර, කිසිදු මානව ග්‍රෑන්ඩ්මාස්ටර් විසින් සිදු නොකරන මූලික දෝෂ වලට තුඩු දෙයි.
• ප්‍රතිවාදී ශක්තිමත් බව: විරුද්ධවාදීන් හිතාමතාම ක්‍රීඩා අසාමාන්‍ය ස්ථානවලට යොමු කළ විට, ආකෘතියේ Elo සැලකිය යුතු ලෙස පහත වැටුණි - අව්‍යාජ අවබෝධයට වඩා කටපාඩම් කිරීම යෝජනා කරයි.
• පීඩනය යටතේ අනුකූලතාව: සාමාන්‍ය කාර්ය සාධනය ග්‍රෑන්ඩ්මාස්ටර් මට්ටමින් දිස් වූ අතර, විචලනය මානව ග්‍රෑන්ඩ්මාස්ටර් හෝ සෙවුම්-පාදක එන්ජින්වලට වඩා බෙහෙවින් වැඩි වූ අතර, සැබෑ ග්‍රෑන්ඩ්මාස්ටර් ක්‍රීඩාවට නොගැලපෙන මිල ගණන් යටතේ ව්‍යසනකාරී වැරදි සිදු විය.
• ස්ථානීය සංකීර්ණතා පරිමාණය: පුවරු සංකීර්ණත්වය වැඩි වූ විට, සෙවුම්-නිදහස් ආකෘතිය සහ සෙවුම්-පාදක එන්ජින් අතර පරතරය රේඛීයව නොව ඝාතීය ලෙස පුළුල් විය.

AI-ධාවන ව්‍යාපාර පද්ධති සඳහා මෙම විවාදයෙන් අදහස් කරන්නේ කුමක්ද?

චෙස් රහිත-සෙවුම් මතභේදය නවීන AI යෙදවීමේ හදවතේ ආතතියක් ආලෝකවත් කරයි. රටා හඳුනා ගැනීම සහ ක්‍රමානුකූල විශ්ලේෂණය එකිනෙකට හුවමාරු කළ නොහැක - ඒවා අනුපූරක වේ. වඩාත්ම ඵලදායි පද්ධති, කොටස් ඉහළ මට්ටමක පවතින ව්‍යුහාත්මක තර්කනය සමඟ වේගවත් බුද්ධිමය ප්‍රතිචාර ඒකාබද්ධ කරයි.

මෙවාස්ගේ මොඩියුල 207 ව්‍යාපාරික මෙහෙයුම් පද්ධතිය පිටුපස ඇති ගෘහ නිර්මාණ ශිල්පය මෙයයි. තනිකරම රටා-ගැළපෙන හූරිස්ටික්ස් හෝ සම්පූර්ණයෙන්ම රීති මත පදනම් වූ තර්කය මත රඳා නොසිට, වේදිකාව එහි වැඩ ප්‍රවාහ ස්වයංක්‍රීයකරණය, CRM, ව්‍යාපෘති කළමනාකරණය සහ මූල්‍ය මොඩියුල හරහා ප්‍රවේශයන් දෙකම ඒකාබද්ධ කරයි. ක්‍ෂණික රටා මත පදනම් වූ යෝජනා සාමාන්‍ය තීරණ හසුරුවන අතර ව්‍යුහගත විශ්ලේෂණ රාමු සංකීර්ණ අවස්ථා සඳහා යෙදේ - ප්‍රබලම චෙස් එන්ජින් ස්නායුක ජාල ඇගැයීම ඉලක්කගත සෙවුම සමඟ යුගල කරන ආකාරය පිළිබිඹු කරයි.

ප්‍රතිවිරෝධතා විශ්ලේෂණයෙන් පාඩම පැහැදිලිය: පිරිසිදු බුද්ධියට පක්ෂව ක්‍රමානුකූල තර්ක ඉවත් කරන බව පවසන පද්ධති අනිවාර්යයෙන්ම කාර්ය සාධනය සිවිලිමට පහර දෙයි. චෙස් ඉරියව්වක් හෝ ව්‍යාපාරික නල මාර්ගයක් කළමනාකරණය කළත්, හිතාමතා විශ්ලේෂණය සමඟ වේගවත් රටා හඳුනාගැනීමේ එකතුව හුදකලා ප්‍රවේශයක් අඛණ්ඩව අභිබවා යයි.

ඉදිරියට යන "ඉදිරියට යන" AI හිමිකම් අපි ඇගයීමට ලක් කළ යුත්තේ කෙසේද?

විරෝධතා තර්ක මගින් අභිලාෂකාමී AI පර්යේෂණ හිමිකම් විවේචනාත්මකව ඇගයීම සඳහා ප්‍රයෝජනවත් රාමුවක් ස්ථාපිත කරයි. පළමුව, ප්‍රකාශිත හැකියාව සත්‍ය වශයෙන්ම සාක්ෂාත් කර ගත්තේද නැතහොත් හුදෙක් යලි බෙදාහැරීමද යන්න පරීක්ෂා කරන්න - පද්ධතිය සෙවීම ඉවත් කළේද, නැතහොත් පුහුණු ක්‍රියාවලියේදී එය සඟවා තිබේද? දෙවනුව, හිතකර මිණුම් සලකුණු පමණක් නොව, එදිරිවාදී සහ බෙදා හැරීමෙන් පිටත යෙදවුම් මත කාර්ය සාධනය පරීක්ෂා කරන්න. තෙවනුව, සාමාන්‍යයන් සමඟ අනුකූලතාව සහ නරකම කාර්ය සාධනය මැනීම, 90% කාලය විශිෂ්ට ලෙස ක්‍රීඩා කරන නමුත් කාලයෙන් 10% ක් ව්‍යසනකාරී ලෙස වැරදි කරන පද්ධතියක් කිසිදු අර්ථවත් අර්ථයකින් ග්‍රෑන්ඩ්මාස්ටර් මට්ටම නොවේ.

ව්‍යාපාර ඔවුන්ගේ මෙහෙයුම් සඳහා AI බලයෙන් ක්‍රියාත්මක වන මෙවලම් තක්සේරු කරන විට මෙම ඇගයීම් මූලධර්ම සමානව අදාළ වේ. මතුපිට මට්ටමේ මිණුම් සලකුණු මගින් සැබෑ ලෝක තත්ත්‍වයන් යටතේ මතුවන තීරනාත්මක දුර්වලතා අපැහැදිලි කළ හැක - එය එහි සමස්ත මොඩියුල පරිසර පද්ධතිය හරහා විශ්වසනීයත්වය ගොඩනැගීමට Mewayz ගේ ප්‍රවේශය දැනුම් දුන් යථාර්ථයකි.

නිතර අසන ප්‍රශ්න

සෙස් රහිත චෙස් ආකෘතිය ඇත්ත වශයෙන්ම ග්‍රෑන්ඩ්මාස්ටර් මට්ටමට පැමිණ තිබේද?

පාලිත මිණුම් සලකුණු තත්ව යටතේ, ආදර්ශය Grandmaster පරාසය තුළ Elo ශ්‍රේණිගත කිරීම් ලබා ගත්තේය. කෙසේ වෙතත්, ස්වාධීන පරීක්ෂණ මගින් අනනුකූලතා, විරුද්ධවාදී දුර්වලතා සහ ග්‍රෑන්ඩ්මාස්ටර් වර්ගීකරණයට වල කපන ගැඹුරු උපායශීලී අන්ධ ස්ථාන අනාවරණය විය. සත්‍ය ග්‍රෑන්ඩ්මාස්ටර් ක්‍රීඩාව සඳහා ආකෘතිය අඛණ්ඩව පෙන්නුම් නොකළ විශ්වසනීයත්වය සහ ගැඹුර අවශ්‍ය වන අතර, හිමිකම් පෑම පුළුල් ලෙස වලංගු වනවාට වඩා තාක්ෂණික වශයෙන් පටු කරයි.

මෙම විවේචන නොතකා සෙවුම්-නිදහස් AI චෙස් පර්යේෂණ තවමත් වටිනවාද?

අනිවාර්‍යෙන්ම. ට්‍රාන්ස්ෆෝමර් ගෘහ නිර්මාණ ශිල්පයට දැවැන්ත චෙස් දැනුම සීඝ්‍ර තනි සාමාර්ථ ඇගයීමකට සම්පීඩනය කළ හැකි බව පර්යේෂණයෙන් පෙන්නුම් කර ඇත. මෙය වේගවත් ආසන්න ඇගයීම්, පුහුණු සහාය සහ දෙමුහුන් පද්ධති සඳහා ප්‍රායෝගික යෙදුම් ඇත. පරස්පර තර්ක පර්යේෂණය අවලංගු නොකරයි - ඒවා නිවැරදිව එහි සීමාවන් සන්දර්භගත කරන අතර අධිප්‍රකාශිත නිගමනයකට අභියෝග කරයි.

මෙම විවාදය ව්‍යාපාර ස්වයංක්‍රීය මෙවලම් තේරීමට සම්බන්ධ වන්නේ කෙසේද?

ප්‍රධාන පාඩම නම් ඵලදායි ස්වයංක්‍රීයකරණයට එක් එක් කාර්ය වර්ගයට නිවැරදි තර්ක ප්‍රවේශය ගැලපීම අවශ්‍ය බවයි. සරල, පුනරාවර්තන තීරණ වේගවත් රටා හඳුනාගැනීමෙන් ප්‍රතිලාභ ලබයි. සංකීර්ණ, ඉහළ තීරණ ගැනීම් සඳහා ව්‍යුහාත්මක විශ්ලේෂණයක් අවශ්‍ය වේ. හොඳම වේදිකා - Mewayz හි ඒකාබද්ධ ව්‍යාපාරික OS වැනි - දෙකම ඒකාබද්ධ කරයි, ඔබේ මෙහෙයුම් හරහා කිසිදු ප්‍රවේශයක් බාධාවක් හෝ අසාර්ථකත්වයක් බවට පත් නොවන බව සහතික කරයි.

වේගය සහ ගැඹුර යන දෙකම සඳහා ගොඩනගා ඇති පද්ධතියක් මත ඔබේ ව්‍යාපාරය පවත්වාගෙන යාමට සූදානම්ද? Mewayz තථ්‍ය-ලෝක සංකීර්ණත්වය සඳහා නිර්මාණය කර ඇති බුද්ධිමත් ස්වයංක්‍රීයකරණය සමඟ ඒකාබද්ධ මොඩියුල 207 ඒකාබද්ධ කරයි — මිණුම් දණ්ඩ නාට්‍ය නොවේ. සෑම මට්ටමකින්ම විශ්වසනීයත්වය ඉල්ලා සිටින කණ්ඩායම් සඳහා සැලසුම් $19/mo සිට ආරම්භ වේ. app.mewayz.com හිදී ඔබගේ නොමිලේ අත්හදා බැලීම අරඹන්න සහ සැබෑ ව්‍යාපාරික මෙහෙයුම් පද්ධතියකට හැඟෙන දේ අත්විඳින්න.