AI kan slå os på poker – lad os nu se, om det kan fungere med os

Martin Nicolausson

Fremskridt inden for kunstig intelligens er længe blevet målt ved dets beherskelse af brætspil som skak, backgammon og Go. Forskere arbejder nu på poker og computerspil såsom Starcraft.

Iyad Rahwan , en professor ved MIT, respekterer disse milepæle, men siger, at fokus på at slå mennesker i direkte konkurrence har fået os til at forsømme andre måder at måle og fremme AI på. Han argumenterer for, at efterhånden som smarte maskiner ser ud til at blive gennemgående, bør der bruges flere kræfter på at skabe software, der lærer at samarbejde med mennesker.

Dette er det næste vigtige problem, fordi AI'er ikke altid skal erstatte os, de skal leve med os, siger Rahwan. Det meste af menneskelig interaktion er ikke nulsum - dette var på en eller anden måde et blindt punkt for ambitiøse AI-projekter.

Rahwan har forsøgt at henlede opmærksomheden på den blinde plet med samarbejdspartnere i USA, U.K., Frankrig, Australien og De Forenede Arabiske Emirater. I en nylig undersøgelse , genbrugte de simple spil brugt i adfærdsvidenskab til at studere, hvordan mennesker samarbejder (eller ikke gør) for at teste, hvordan algoritmer kunne lære at arbejde med mennesker.

Disse spil inkluderede Prisoners' Dilemma, en standard inden for spilteoretisk forskning, hvor spillere i rollen som kriminelle skal beslutte, om de vil forråde hinanden. Selvom det er enkelt, kan det bruges til at analysere strategier på rodede områder som klimapolitik og reklame.

De første resultater var skuffende, med samarbejde mellem menneskelige og kunstige spillere mindre almindeligt end mellem mennesker. Det ændrede sig, da forskerne gav både mennesker og deres algoritmer mulighed for at kommunikere forud for et spil ved hjælp af en menu med 19 sætninger, inklusive Gør som jeg siger, eller jeg vil straffe dig, jeg ændrer min strategi, og Giv mig en anden chance.

I det øjeblik maskinen begynder at tale, er der et helt andet svar fra folk, siger Jacob Crandall , en lektor ved Brigham Young University også involveret i arbejdet. De havde svært ved at skelne mennesker fra maskiner. Det kræver to at samarbejde, og at bruge de simple beskeder var nok til, at maskiner fik mennesker til at være åbne over for at arbejde sammen.

På tværs af de tre forskellige testede spil endte folk med at være nogenlunde lige så tilbøjelige til at samarbejde med en maskinspiller som med en anden menneskelig. Samlet set scorede maskin-maskine-par højest i gennemsnit i spillene, fordi de samarbejdede mere pålideligt (og i modsætning til menneskelige spillere løj de aldrig).

Algoritmen, der opnåede, beregner nogle lovende strategier for spillet, der spilles på forhånd, før man lærer, hvilken man skal bruge baseret på dens medspillers handlinger. Det er ikke sandsynligt, at det bliver grundlaget for fremtidige menneske-robot-relationer, men har til formål at vise, hvordan eksperimenter kan teste samarbejde og inspirere til yderligere forskning i ideen, siger Rahwan.

Oren Etzioni , direktør for Allen Institute for Artificial Intelligence, i Seattle, håber, at det sker. Den fremtid, vi skal have, er en fremtid, hvor vi samarbejder med maskiner på arbejdspladsen, så det giver mening at undersøge formen for det samarbejde, siger han.

Overgangen fra simple adfærdsvidenskabelige spil til mere komplekse scenarier vil dog kræve betydeligt arbejde, siger Etzioni. Samarbejde i komplekse situationer ville kræve software med en god sprogbeherskelse for at kommunikere med andre spillere, noget der ikke besværliggør software til at tage Go eller Starcraft. Forskere behøver dog ikke opgive brætspil. Etzioni foreslår, at Risk eller Diplomacy, hvor spillere skal indgå alliancer og gode køb, kunne være gode testpladser for maskinernes samarbejdsevner.

skjule