انتقل إلى المحتوى الرئيسي

تاريخ ذكاء Go الاصطناعي

لفترة طويلة، كانت Go تُعتبر أصعب لعبة يمكن للذكاء الاصطناعي التغلب عليها. على لوح 19×19 = 361 تقاطع، كل نقطة يمكن أن تُوضع عليها حجر، عدد التغيرات يتجاوز العدد الإجمالي للذرات في الكون (حوالي 10^170 وضع محتمل للعبة). طريقة البحث الشامل التقليدية فشلت تمامًا أمام Go.

ومع ذلك، بين 2015 و2017، غيّرت سلسلة برامج AlphaGo من DeepMind كل هذا. هذه الثورة لم تؤثر فقط على Go، بل دفعت تطور مجال الذكاء الاصطناعي بأكمله.

لماذا Go صعبة جدًا؟​

فضاء بحث هائل​

خذ الشطرنج كمثال، في المتوسط كل حركة لها حوالي 35 حركة قانونية، ولعبة كاملة حوالي 80 حركة. بينما Go في المتوسط كل حركة لها حوالي 250 حركة قانونية، ولعبة كاملة حوالي 150 حركة. هذا يعني أن فضاء البحث في Go أكبر بمئات المراتب من الشطرنج.

صعوبة تقييم الوضع​

في الشطرنج، كل قطعة لها قيمة واضحة (الملكة 9 نقاط، القلعة 5 نقاط، إلخ)، يمكن تقييم الوضع بصيغة بسيطة. لكن في Go، قيمة حجر واحد تعتمد على علاقته بالأحجار المحيطة، لا توجد طريقة تقييم بسيطة.

هل مجموعة من الأحجار حية أم ميتة؟ كم تساوي منطقة نفوذ من النقاط؟ هذه الأسئلة حتى للخبراء البشريين غالبًا تحتاج حسابات وأحكام عميقة.

معضلة برامج Go المبكرة​

قبل AlphaGo، أقوى برامج Go كانت فقط بمستوى هواة 5-6 dan، بعيدة جدًا عن اللاعبين المحترفين. هذه البرامج استخدمت أساسًا طريقة "البحث الشجري بـ Monte Carlo" (MCTS)، تقيّم الأوضاع من خلال محاكاة عشوائية كثيفة.

لكن هذه الطريقة لها قيود واضحة: المحاكاة العشوائية لا يمكنها التقاط التفكير الاستراتيجي في Go، والبرامج كانت ترتكب أخطاء يعتبرها البشر غبية جدًا.

عصران لذكاء Go الاصطناعي​

عصر AlphaGo (2015-2017)​

هذا العصر بدأ بهزيمة AlphaGo لـ Fan Hui، وانتهى بنشر ورقة AlphaZero. في عامين فقط، حققت DeepMind قفزة من هزيمة لاعب محترف إلى تجاوز الحدود البشرية.

المعالم الرئيسية:

  • أكتوبر 2015: هزيمة Fan Hui (أول هزيمة للاعب محترف)
  • مارس 2016: هزيمة Lee Sedol (4:1)
  • يناير 2017: Master يحقق 60 فوز متتالي على الإنترنت
  • مايو 2017: هزيمة Ke Jie (3:0)
  • أكتوبر 2017: نشر AlphaZero

عصر KataGo (2019-الآن)​

بعد اعتزال AlphaGo، استلم المجتمع مفتوح المصدر الشعلة. KataGo وLeela Zero وغيرها من الذكاء الاصطناعي مفتوح المصدر أتاحت للجميع استخدام محركات Go عالية المستوى، وغيّرت طريقة تعلم وتدريب Go تمامًا.

سمات هذا العصر:

  • ديمقراطية أدوات الذكاء الاصطناعي
  • استخدام اللاعبين المحترفين للذكاء الاصطناعي في التدريب على نطاق واسع
  • تأثير الذكاء الاصطناعي على أسلوب اللعب البشري
  • رفع المستوى العام لـ Go

الصدمة المعرفية التي جلبها الذكاء الاصطناعي​

إعادة تعريف "الحركة الصحيحة"​

قبل ظهور الذكاء الاصطناعي، راكم البشر آلاف السنين من الخبرة وأسسوا نظرية Go تُعتبر "صحيحة". ومع ذلك، كثير من حركات الذكاء الاصطناعي تخالف المعرفة التقليدية البشرية:

  • الدخول المباشر إلى 3-3: الرأي التقليدي أن الدخول المباشر إلى 3-3 في الافتتاحية "حركة مبتذلة"، لكن الذكاء الاصطناعي يفعل ذلك كثيرًا
  • Shoulder hit: ما كان يُعتبر "حركة سيئة" ثبت أنه الخيار الأفضل في بعض الأوضاع بفضل الذكاء الاصطناعي
  • الهجوم اللصيق: الذكاء الاصطناعي يحب القتال عن قرب، مختلفًا عن الفكرة التقليدية "الهجوم يبدأ من بعيد"

حدود وإمكانيات البشر​

أظهر الذكاء الاصطناعي للبشر حدودهم، لكنه أيضًا أظهر إمكانياتهم.

بمساعدة الذكاء الاصطناعي، تسارع نمو اللاعبين الشباب بشكل كبير. ما كان يحتاج عشر سنوات للوصول إليه، الآن قد يحتاج ثلاث إلى خمس سنوات فقط. المستوى العام لـ Go يرتفع.

مستقبل Go​

يقلق البعض من أن الذكاء الاصطناعي سيجعل Go بلا معنى - لماذا نلعب إذا لن نتغلب على الذكاء الاصطناعي أبدًا؟

لكن الحقائق أثبتت أن هذا القلق زائد. الذكاء الاصطناعي لم يُنهِ Go، بل فتح عصرًا جديدًا لها. اللعب بين البشر لا يزال مليئًا بالإبداع والعواطف وعدم التنبؤ - وهذه هي جوهر ما يجعل Go ممتعة.

دعونا نتعرف بالتفصيل على تطور هذين العصرين.

  • عصر AlphaGo - من هزيمة لاعب محترف إلى تجاوز الحدود البشرية
  • عصر KataGo - الذكاء الاصطناعي مفتوح المصدر والنظام البيئي الجديد لـ Go