LOGIN
ثبت نام یا ورود
Avatar
هنوز ثبت نام نکرده اید؟

هم اکنون عضو پلاک آبی شوید .و به اطلاعات وب سایت ما دسترسی داشته باشید

تنظیم مجدد کلمه عبور - نام کاربری را فراموش کرده ام

نام کاربری
کلمه عبور
مرا به خاطر بسپار

placabi articles

مطالعه موردی : به کارگیری هوش مصنوعی در توسعه بازی AlphaGo

  • این مورد را ارزیابی کنید
    (12 رای‌ها)

در 19 مارس 2016  قوی­‌ترین بازیکن بازی سنتی Go به نام Lee Se-dol در بازی با برنامه‌ی کامپیوتری AlphaGo (یکی از برنامه‌های هوش مصنوعی شرکت DeepMind از زیرمجموعه‌های گوگل) شکست خورد!!

مطالعه موردی ( Case Study ):

AlphaGo یک برنامه کامپیوتری است که در اکتبر سال 2015 در لندن توسط شرکت گوگل برای انجام بازی Go ساخته شد و در سال 2016 توسعه پیدا کرد.

خودِ بازی Go، قدمتی 2500 ساله در کشور چین دارد و در واقع شبیه ساز یک جنگ انتزاعی است. بازیکنان بازی را با یک صفحه‌­ی شطرنجی خالی آغاز می‌کنند و سپس در هر حرکت یک مهره سیاه و یا سفید را روی خانه­‌های صفحه قرار می‌دهند. وقتی مهره‌ای در یک خانه شطرنجی قرار می‌گیرد، دیگر نمی‌تواند جابه‌جا شود و اگر این مهره توسط مهره‌های رنگ مخالف محاصره شود، کشته می‌شود. بازی با حرکت یک درمیان مهره‌­های سفید و سیاه آنقدر ادامه می­‌یابد تا تمام صفحه توسط مهره‌­ها تسخیر شود. هدف بازی، تصاحب سطح بیشتری از زمین شطرنجی بازی توسط مهره‌هاست و رنگی که سطح بیشتری را اشغال کرده باشد، برنده است.

قواعد بازی بسیار ساده است اما بازی ظاهرا بی‌­پایان است زیرا تعداد موقعیت‌­های بالقوه برای حرکت قانونی مهره‌­ها برابر است با عدد 171 رقمی زیر:

208,168,199,381,979,984,699,478,
633,344,862,770,286,522,453,884,
530,548,425,639,456,820,927,419,
612,738,015,378,525,648,451,698,
519,643,907,259,916,015,628,128,
546,089,888,314,427, 129,715,319,
317,557,736,620,397,247,064,840,935.

یعنی عددی بزرگتر از تعداد اتم­‌های سازنده جهان هستی!! انجام بازی Go به دلیل گزینه‌های بسیار زیاد موجود برای حرکت مهره‌ها، حتی برای کامپیوترها نیز بسیار دشوار است. به طوری که برخی این بازی را "جام مقدس" (دست نیافتنی) در هوش مصنوعی می‌­نامیدند.

AlphaGo از الگوریتم جستجوی اکتشافی به نام Monte Carlo tree search و استفاده از دانش یاد گرفته شده از تجربه­‌های قبلی، برای تشخیص و پیدا کردن حرکت­ هایش  بهره می­‌برد. این الگوریتم بر پایه­‌ی یادگیری ماشین یا Machine Learning و به‌طور خاص شبکه عصبی مصنوعی ( Artificial Neural Network ) که یکی از اصول Deep Learning یا یادگیری عمیق است، استوار است.

یادگیری عمیق و Machine Learning

راه‌­هایی که ما می­‌توانیم از طریق Machine Learning به پیشرفت‌­های انقلابی برسیم، مانند توانایی تقلید از خلاقیت و قدرت شهود انسان ­ها، بی ­پایان است.

یادگیری عمیق مفهومی جدید در علم یادگیری داده است. در این روش با استفاده از مدل‌های پیشرفته شبکه های عصبی مصنوعی، از طریق تعداد زیاد گره‌های ورودی، می‌توان روابط غیرخطی و خطی گوناگون را از داده ها استخراج نمود.

 یادگیری ماشین فرآیند استفاده از الگوریتم­ ها برای تجزیه داده جهت استخراج مفاهیم از آن­ها و پیش‌بینی و بیان هر آنچه در جهان است می‌باشد. Machine Learning تاکید بر نوشتن نرم­‌افزار با استفاده از تجربیات گذشته دارد. اگر بخواهیم تعریف تام میشل پروفسور دانشگاه کارنگی ملون را ساده کنیم، Machine Learning یعنی نوعی از یک برنامه کامپیوتری که بتواند عملکرد خود را با استفاده از تجربیات گذشته بهبود بخشد.

 همین اتفاق، یعنی بهبود عملکرد با استفاده از تجربیات گذشته، اتفاقی است که در ست‌های متوالی بازی Go در مقابل Lee  قهرمان جهانی بازی Go رخ داد. یادگیری از تجربه‌ی سه برد و یک باخت در چهار ست متوالی رفته رفته AlphaGo را قوی‌­تر ساخت و با برد در ست پنجم موجب حیرت جهانیان شد.

مهم‌­ترین چیزی که از پیروزی AlphaGo بر قهرمان جهانی بازی Go می­توان آموخت این نیست که هوش مصنوعی شرکت DeepMind توانایی غلبه بر بازی Go را دارد! بلکه این است که با گسترش به‌کارگیری تکنیک‌های یادگیری ماشین می‌توان هر مسئله ساده‌تری از Go را نیز به راحتی تسخیر نمود، و این یعنی حل تعداد بسیار زیادی از مسائل جهان.

اما در اصل AlphaGo تنها ساخته­‌ی دست بشر است. یکی از دانشمندان کامپیوتر به نام Andy Salerno بیان کرد: AlphaGo یک موجود ناشناخته از سیاره‌­ای دیگر نیست بلکه او خود ماست! Lee نباید از شکست خود شرمسار باشد زیرا او به یک ماشین نباخته است بلکه این پیروزی ماحصل به‌کارگیری توانمندی‌های ذهن و توانایی­‌های ما انسان‌ها بوده است.

برای مطالعه شرح کامل این مسابقه،  مقاله How Google's AlphaGo Beat a Go World   Champion را مطالعه کنید.

Save

خواندن 925 دفعه آخرین ویرایش در دوشنبه, 24 مهر 1396 23:21
مژگان وظیفه دوست

کارشناس تحقیق و توسعه شرکت پلاک آبی

مدرس دوره های اصول و مبانی داده کاوی شرکت پلاک آبی

 

عضو تیم تولید محتوای وب سایت و شبکه‌های اجتماعی شرکت پلاک آبی

دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه صنعتی امیرکبیر

  • هیچ نظری یافت نشد

نظر خود را اضافه کنید.

ارسال نظر به عنوان مهمان

0
نظر شما به دست مدیر خواهد رسید
 تماس با ما

شهرک غرب، بلوار فرحزادی، خیابان تربیت معلم،
انتهای خیابان گلبان،
مجتمع موج، واحد 105
کد پستی: 1998963193
تلفن: 5 - 88560784
فکس: 88560786
پست الکترونیک:
info @ p l a c a b i . com
ibig @ p l a c a b i . com

 

We use cookies to improve our website. By continuing to use this website, you are giving consent to cookies being used. More details…