Člověk vs. stroj: Ve kterých hrách má umělá inteligence navrch?

Nejenže vymýšlíme stále nové hry, vývoj postupuje i v oblasti výzkumu umělé inteligence, která ony hry dokáže ovládnout! Jak si stojí člověk proti stroji? Které hry nám ještě AI nechala?
Zrovna šachy už umělá inteligence zvládá lépe než člověk.
Zrovna šachy už umělá inteligence zvládá lépe než člověk.
istockphoto.com
Reklama
Reklama
Reklama
Reklama
Reklama
Reklama
Reklama
Reklama
Reklama
Reklama

Že nás umělá inteligence nepředčí v řadě aktivit, které vyžadují komplexnější uvažování, prozatím víme. Platí naše přetrvávající dominance i ve sféře, která je pro uměle vytvořené systémy „myšlení“ vlastně domácí? Máme na mysli hry, jež se řídí konkrétními pravidly a měly by tudíž nastavovat jasně dané hranice, tolik potřebné pro správné fungování umělé inteligence. Pojďme se podívat na několik příkladů her, v nichž stroje dokážou lidským hráčům pořádně zatopit.

Umělá inteligence v nejtěžších hrách

Nejslavnější aplikací systému na způsob umělé inteligence, který slavil úspěch ve hrách, je takzvaný Monte Carlo Tree Search (MCTS). Jeho počátky sahají až do 40. let, ale hlouběji začal být prozkoumáván na přelomu let 80. a 90. V roce 1998 se na tomto základě podařilo naučit počítač hrát šachy, a to s docela solidními výsledky. Právě v těchto hrách, tedy s jasnými pravidly a předem omezeným počtem možností (jakkoli se jedná o obrovské číslo), se MCTS uplatňuje nejlépe. Což se potvrdilo i o necelé dvě dekády později, v roce 2016, kdy počítač s názvem AlphaGo porazil šampióna ve hře go. Ta je považována za jednu z nejsložitějších na světě, jelikož způsobů, kterak umístit kameny po herním poli, je opravdu nepřeberné množství. Úspěchy modifikace tohoto systému s názvem AlphaZero, který zase ovládl zmíněné šachy, jsou už skoro samozřejmostí.

Jak MCTS konkrétně funguje? Jednoduše řečeno, využívá metodu pokus–omyl. Náhodně zkouší různé kombinace povolených tahů a učí se, co je efektivní a co nikoli. Fanoušci počítačových her možná vědí, že na těchto základech byla naprogramována i umělá inteligence ve hře Total War: Rome II z roku 2013. Podle toho, jak každá partie dopadne, inteligence vyhodnotí klíčové body, jež vedly k úspěchu či neúspěchu, a tím pádem se zvýší/sníží šance jejich použití v budoucnu. Při dostatečném počtu opakování by tak MCTS mělo dokázat přijít na ideální průchod hrou při jakémkoli možném vývoji situace.

Stroje vládnou i střílečkám

Jiná technologie byla využita v roce 2013, kdy se podařilo umělou inteligenci naučit hrát hry pro platformu Atari 2600. Slavná konzole byla domovem pro mnoho úspěšných her především v 80. letech, které byly často velmi obtížné – dnešní hezky vypadající, leč často primitivnější hry se jim v náročnosti leckdy rovnat nemohou. Spousta logických her tak postupem času našla v umělé inteligenci přemožitele, ovšem třeba v takové plošinovce Montezuma’s Revenge, v níž je třeba kombinovat opravdu velkou spoustu pohybů, jsou šikovní lidé mnohonásobně úspěšnější. Zatím.

Za většinou zmíněných úspěchů umělé inteligence stojí nejznámější společnost, která se tímto tématem zabývá. Britskou firmu DeepMind v roce 2014 koupil Google, čímž dal jasně najevo, že má s umělou inteligencí velké plány. A co se týče pokoření složitých her, chytré hlavy v DeepMind si dávají stále vyšší mety – vedle zaměření na go se například nedávno začaly věnovat slavné střílečce Quake III Arena, která i přes zdánlivou jednoduchost nabízí obrovské množství taktických prvků. Přesto dosavadní výsledky nedopadly pro živé protivníky vůbec dobře…

Postupně tedy vyvíjíme systémy, které si dokážou poradit se stále náročnějšími hrami. Měli bychom však mít na paměti, že zatím je každý učící algoritmus závislý na dané úloze; jakkoli „chytrá“ umělá inteligence si tedy poradí pouze s tím zadáním, k němuž je určena. Éra, kdy nám budou dominovat stroje, tedy ještě úplně za rohem není, ale sledovat vývoj bezesporu vzrušující je.

Text: MS

Reklama
Reklama
Reklama
Reklama
Reklama