عصر AlphaGo (2015-2017)
من 2015 إلى 2017، حققت سلسلة برامج AlphaGo من Google DeepMind واحدة من أكثر الاختراقات رمزية في تاريخ الذكاء الاصطناعي. في عامين فقط، تحولت Go من "لعبة لا يمكن للذكاء الاصطناعي قهرها" إلى "مجال تجاوز فيه الذكاء الاصطناعي البشر تمامًا".
أكتوبر 2015: AlphaGo يهزم Fan Hui
المباراة السرية التاريخية
في أكتوبر 2015، في مكتب بلندن، رتبت DeepMind مباراة سرية. الخصم كان بطل Go الأوروبي، اللاعب المحترف من الدرجة الثانية Fan Hui.
النتيجة: AlphaGo فاز 5:0.
هذه كانت المرة الأولى في التاريخ التي يهزم فيها برنامج كمبيوتر لاعب Go محترف في ظروف عادلة (بدون منح أحجار). أُعلن الخبر رسميًا في يناير 2016، مما أحدث ضجة عالمية فورية.
تقنية AlphaGo الأصلي
هذه النسخة من AlphaGo استخدمت مزيجًا من تقنيتين رئيسيتين:
-
الشبكات العصبية العميقة: من خلال تعلم مئات الآلاف من مباريات المحترفين البشريين، تم تدريب "شبكة القيمة" لتقييم الأوضاع و"شبكة السياسة" للتنبؤ بالحركة التالية
-
البحث الشجري بـ Monte Carlo (MCTS): استخدام مخرجات الشبكة العصبية لتوجيه البحث، مما قلل بشكل كبير عدد التغيرات التي تحتاج للحساب
هذا المزيج من "الحدس" و"الحساب" هو بالضبط طريقة تفكير اللاعبين البشريين - لكن الذكاء الاصطناعي أفضل في كليهما.
مارس 2016: AlphaGo ضد Lee Sedol
مواجهة القرن
من 9 إلى 15 مارس 2016، لعب AlphaGo خمس مباريات ضد اللاعب العالمي الأول Lee Sedol في سيول. هذه المباراة جذبت أكثر من 200 مليون مشاهد حول العالم، لتصبح واحدة من أكثر الأحداث متابعة في تاريخ الذكاء الاصطناعي.
نتائج المباراة
| المباراة | التاريخ | النتيجة | ملاحظات |
|---|---|---|---|
| المباراة 1 | 9 مارس | فوز AlphaGo | فوز في منتصف اللعبة |
| المباراة 2 | 10 مارس | فوز AlphaGo | فوز في منتصف اللعبة، الحركة 37 الشهيرة |
| المباراة 3 | 12 مارس | فوز AlphaGo | فوز في منتصف اللعبة |
| المباراة 4 | 13 مارس | فوز Lee Sedol | الحركة 78 "حركة الإله" من Lee Sedol |
| المباراة 5 | 15 مارس | فوز AlphaGo | فوز في منتصف اللعبة |
النتيجة النهائية: AlphaGo 4:1 Lee Sedol
الحركة 37 في المباراة 2: "حركة الإله"
في المباراة الثانية، لعب AlphaGo حركة "shoulder hit" على اليمين حيّرت جميع المعلقين.
هذه الحركة بدت بلا معنى، لا تتوافق مع أي joseki بشرية معروفة. قدّر المعلقون احتمال أن يلعبها بشري بأقل من واحد في عشرة آلاف. ومع ذلك، مع تقدم المباراة، ظهر عمق هذه الحركة - كانت تؤثر على اتجاهات متعددة في نفس الوقت بكفاءة عالية جدًا.
هذه الحركة سُميت "حركة الإله"، ترمز إلى أن الذكاء الاصطناعي قد طوّر مفاهيم Go لا يمكن للبشر فهمها.
الحركة 78 في المباراة 4: انتقام البشر
بعد ثلاث خسائر متتالية، لعب Lee Sedol في المباراة الرابعة حركة مذهلة أيضًا - الحركة 78 "wedge".
هذه الحركة كانت tesuji ذكية، أنشأت تغيرًا لم يتوقعه AlphaGo في قتال معقد. بعد هذه الحركة، ظهر ارتباك واضح في AlphaGo، واستسلم في النهاية.
هذا هو الفوز الوحيد للبشر على AlphaGo في مباراة رسمية، وأصبحت حركة Lee Sedol هذه خالدة كرمز للذكاء البشري.
تأثير المباراة
تأثير هذه المباراة تجاوز عالم Go:
- معلم في الذكاء الاصطناعي: أثبت أن التعلم العميق يمكنه التعامل مع مشاكل معقدة للغاية
- اهتمام وطني في كوريا: حسب الإحصاءات، شاهد أكثر من نصف سكان كوريا المباراة
- عصر جديد لـ Go: أدرك اللاعبون المحترفون أنهم يجب أن يتعلموا من الذكاء الاصطناعي
- طفرة في الاستثمار التقني: دفعت الاستثمار العالمي في أبحاث الذكاء الاصطناعي
يناير 2017: Master يحقق 60 فوز متتالي
اللاعب الغامض على الإنترنت
من نهاية 2016 إلى بداية 2017، ظهر حساب باسم "Master" على مواقع Go مثل Yicheng وFox. هزم جميع المتحدين بسرعة مذهلة، بما في ذلك أفضل اللاعبين في العالم مثل Ke Jie وPark Junghwan وIyama Yuta.
النتيجة النهائية: 60 فوز في 60 مباراة (مباراة واحدة انتهت بالتعادل بسبب انقطاع الخصم)
بعد المباراة 60، أعلنت DeepMind رسميًا: Master هو النسخة الجديدة من AlphaGo.
المفاهيم الجديدة التي أظهرها Master
أسلوب Master كان مختلفًا بوضوح عن النسخة التي هزمت Lee Sedol قبل عام:
- سرعة حساب أسرع: كل حركة في عشرات الثواني فقط
- حركات أكثر جرأة: استخدام متكرر لحركات تعتبرها النظرية التقليدية "سيئة"
- الدخول إلى 3-3 أصبح سائدًا: Master كان غالبًا يدخل مباشرة إلى 3-3 في الافتتاحية
هذه الحركات قلبت نظرية Go التي راكمها البشر لمئات السنين، وبدأ اللاعبون المحترفون يقلدون حركات الذكاء الاصطناعي بكثافة.
مايو 2017: AlphaGo ضد Ke Jie
التحدي البشري الأخير
في مايو 2017، في Wuzhen الصينية، لعب AlphaGo ثلاث مباريات ضد اللاعب الأول في العالم Ke Jie. اعتُبرت هذه "التحدي البشري الأخير".
نتائج المباراة
| المباراة | التاريخ | النتيجة | ملاحظات |
|---|---|---|---|
| المباراة 1 | 23 مايو | فوز AlphaGo | فوز بـ 1/4 نقطة (أصغر فارق) |
| المباراة 2 | 25 مايو | فوز AlphaGo | فوز في منتصف اللعبة |
| المباراة 3 | 27 مايو | فوز AlphaGo | فوز في منتصف اللعبة |
النتيجة النهائية: AlphaGo 3:0 Ke Jie
دموع Ke Jie
في منتصف المباراة الثانية، غادر Ke Jie مقعده لفترة، وعاد بعيون حمراء. بعد المباراة قال:
"إنه كامل جدًا، لا أرى أي أمل في الفوز."
"في اللعب ضد AlphaGo، أشعر بحبه لـ Go."
بعد هذه المباراة، أعلنت DeepMind اعتزال AlphaGo، ولن يشارك في مباريات علنية بعد الآن.
أكتوبر 2017: ورقة AlphaZero
تجاوز من الصفر
في أكتوبر 2017، نشرت DeepMind ورقة AlphaZero، عارضة إنجازًا أكثر إذهالًا.
اختراق AlphaZero كان: لا يحتاج سجلات مباريات بشرية على الإطلاق.
البرنامج أُخبر فقط بقواعد Go، ثم تعلم من خلال اللعب ضد نفسه. من "الصفر"، احتاج AlphaZero 40 يومًا فقط من التدريب الذاتي ليتجاوز جميع نسخ AlphaGo السابقة.
ذكاء موحد
الأكثر إذهالًا، نفس برنامج AlphaZero (بتغيير قواعد اللعبة فقط) وصل في Go والشطرنج والشوجي الياباني إلى مستوى يتجاوز جميع البشر وأقوى البرامج السابقة.
هذا أثبت عمومية التعلم المعزز العميق - نفس الخوارزمية يمكنها إتقان ألعاب ذكاء مختلفة تمامًا.
التحليل التقني
الشبكات العصبية العميقة
الشبكة العصبية التي يستخدمها AlphaGo لها جزءان رئيسيان:
شبكة السياسة (Policy Network)
- المدخل: وضع اللوح الحالي
- المخرج: احتمال اللعب في كل موقع
- الوظيفة: محاكاة "الحدس" البشري، تضييق نطاق البحث بسرعة
شبكة القيمة (Value Network)
- المدخل: وضع اللوح الحالي
- المخرج: تقدير نسبة الفوز في الوضع الحالي
- الوظيفة: تقييم جودة الوضع، تحل محل البحث الشامل التقليدي
البحث الشجري بـ Monte Carlo (MCTS)
MCTS هي خوارزمية بحث تعمل بالخطوات التالية:
- الاختيار (Selection): بدءًا من العقدة الجذر، اختيار العقد الفرعية حسب استراتيجية معينة
- التوسع (Expansion): إضافة عقد فرعية جديدة عند عقد الأوراق
- المحاكاة (Simulation): من العقدة الجديدة، إجراء محاكاة عشوائية حتى نهاية اللعبة
- الانتشار العكسي (Backpropagation): نقل نتيجة المحاكاة للأعلى، تحديث إحصائيات جميع العقد في المسار
ابتكار AlphaGo كان استبدال المحاكاة العشوائية بالشبكة العصبية، مما رفع كفاءة البحث بشكل كبير.
التعلم المعزز
من AlphaGo Lee إلى AlphaZero، لعب التعلم المعزز دورًا متزايد الأهمية:
- AlphaGo Fan (هزم Fan Hui): اعتمد أساسًا على سجلات مباريات بشرية للتدريب
- AlphaGo Lee (هزم Lee Sedol): سجلات بشرية + لعب ذاتي
- AlphaGo Master (60 فوز متتالي): تدريب لعب ذاتي معزز
- AlphaZero: لعب ذاتي كامل، بدون سجلات بشرية
هذا التطور يُظهر أن الذكاء الاصطناعي يمكنه في النهاية الوصول لمستوى فوق بشري بالاعتماد كليًا على التعلم الذاتي.
انتهى عصر AlphaGo في 2017، لكن التقنيات والمفاهيم التي أسسها استمرت في التأثير على Go والذكاء الاصطناعي. عصر KataGo التالي أوصل هذه التقنيات إلى كمبيوتر وهاتف كل محب لـ Go.
التالي: عصر KataGo