W marcu 2016 roku AlphaGo firmy Google DeepMind zadziwiło świat, pokonując Lee Sedola, wówczas czołowego gracza w Go. To zwycięstwo nie oznaczało tylko wygrania meczu; oznaczało to ogromny krok naprzód w dziedzinie sztucznej inteligencji. Historia AlphaGo nie jest nagłym przełomem, ale raczej wynikiem skupionego wysiłku, który rozpoczął się od prostego pomysłu stażysty.
Impuls początkowy
Projekt rozpoczął się od pytania zadanego przez Ilję Sutskevera, przyszłego współzałożyciela OpenAI: czy sztuczna inteligencja może nauczyć się grać w Go na poziomie eksperckim? Sutskever argumentował, że jeśli ludzie wybiorą swoje ruchy w ciągu pół sekundy, sieć neuronowa powinna być w stanie przybliżyć ten proces. Opierało się to na wcześniejszych sukcesach w rozpoznawaniu obrazów, w przypadku których sztuczna inteligencja udowodniła już swoją zdolność do szybkiego przetwarzania informacji wizualnych.
Chris Maddison, wówczas student studiów magisterskich, dołączył do Google Brain jako stażysta latem 2014 r., aby rozpocząć opracowywanie niezbędnych sieci neuronowych. Zespół, w skład którego wchodzili Aya Huang i David Silver, początkowo testował różne podejścia. Maddison odkrył, że najprostsza strategia — uczenie sieci neuronowej przewidywania następnego ruchu eksperta — daje najlepsze rezultaty.
Od projektu stażowego do zjawiska globalnego
Pod koniec tego lata sieci Maddisona pokonywały już graczy DeepMind. Ten wczesny sukces doprowadził do zwiększenia inwestycji i rozbudowy zespołu pracującego nad projektem. Cel zmienił się z weryfikacji koncepcji na pokonanie najlepszych na świecie.
Zespół trzymał na biurkach zdjęcie Lee Sedola, aby stale przypominać o tej ciężkiej próbie. Każde ulepszenie AI było mierzone poziomem umiejętności. Jak to ujął Maddison: „Czy jesteśmy trochę lepsi, jak blisko jesteśmy Lee Sedola?” Odpowiedź, jak powiedział Huang, była taka, że Sedol był „jeden kamień od Boga”.
Mecz w Seulu i poza nim
Maddison opuścił projekt przed historycznym meczem z Sedolem, decydując się skupić na doktoracie. Jednak jego początkowa praca położyła podwaliny pod sztuczną inteligencję, która ostatecznie zwycięży. Atmosfera w Seulu podczas meczów była napięta. Pomimo zaufania do sztucznej inteligencji istniało poczucie niepewności. Nawet przy przewadze statystycznej wszystko może się zdarzyć.
Zwycięstwo było nie tylko zwycięstwem DeepMind, ale także momentem kulturowym. Pierwszy mecz w samych Chinach obejrzały setki milionów ludzi, a tłumy przybywały do Seulu, aby oglądać mecze na żywo na gigantycznych ekranach.
Ewolucja sztucznej inteligencji: długoterminowy wpływ AlphaGo
Sukces AlphaGo nie był odosobnionym wydarzeniem. Położyło podwaliny pod nowoczesne systemy sztucznej inteligencji, w tym duże modele językowe (LLM). Podstawowa zasada pozostaje ta sama: naucz sieć neuronową przewidywania następnego elementu (ruchu lub słowa) na podstawie istniejących danych, a następnie udoskonalaj ten model, korzystając z uczenia się przez wzmacnianie, aby dostosować go do konkretnych celów.
Klucz do postępu, jak wykazało AlphaGo, leży nie tylko w inteligentnych algorytmach, ale także w posiadaniu wystarczającej ilości danych do treningu przedtreningowego i wyraźnych sygnałów nagrody przed kolejnym treningiem. Bez tych składników żadna innowacja techniczna nie pomoże.
Czynnik ludzki
Zwycięstwo nad Lee Sedolem było słodko-gorzkie. Sam Sedol przeprosił ludzkość za swoją porażkę, nazywając ją swoją porażką, a nie ich. Tradycja analizy pomeczowej, kamień węgielny kultury Go, była niemożliwa, ponieważ AlphaGo nie było człowiekiem. Zespół patrzył, jak przyjaciele Sedola próbowali wypełnić pustkę, ale to nie było to samo.
Ostatecznie AlphaGo było produktem zbiorowego wysiłku „plemienia” tworzącego artefakt zdolny przewyższyć ludzkie umiejętności w złożonej grze. Celem Go może być zwycięstwo, ale jego cel wykracza poza rozrywkę i eksplorację, zapewniając, że nawet przy dominacji sztucznej inteligencji ludzkie zaangażowanie pozostanie.
