Τα παιχνίδια δεν είναι πια μόνο ανθρώπινη υπόθεση
Η συγκέντρωση μίας παρέας φίλων ή ανθρώπων διαφόρων ηλικιών σε ένα σπίτι για ανταλλαγή απόψεων και διασκέδαση ήταν για αιώνες μία από τις πιο διαδεδομένες και συνήθεις δραστηριότητες. Ένα καλό δείπνο, ένα γευστικό μπουκάλι κρασί και κάποιες φορές ένα ενδιαφέρον παιχνίδι ήταν υπέροχοι λόγοι για να πει κανείς «ναι» σε μία σχετική πρόσκληση. Ειδικότερα τα παιχνίδια, επιτραπέζια, με κάρτες ή ακόμη και με απλές κινήσεις όπως μία παντομίμα, αποτελούσαν την πλέον διασκεδαστική στιγμή σε μία φιλική συγκέντρωση.
Τις τελευταίες δεκαετίες, μάλιστα μπήκαν στη ζωή μας και τα ηλεκτρονικά παιχνίδια, κυρίως κονσόλες, όμως κι αυτά αποτελούν μία εξαιρετική επιλογή για διασκέδαση. Σε γενικές γραμμές, θα μπορούσε να πει κανείς ότι ένα παιχνίδι αποτελούσε μία θαυμάσια ευκαιρία για τους ανθρώπους ώστε να δείξουν την ετοιμότητα, τα αντανακλαστικά τους, τις γνώσεις τους ή και το κοφτερό μυαλό τους, ανάλογα με το είδος που έχουν επιλέξει για τη διασκέδασή τους. Εκείνες τις εποχές, όμως, ψάχναμε ποιος είναι ο πιο έξυπνος της παρέας. Σε λίγο καιρό, αν όχι ακόμη και τώρα, θα ψάχνουμε ποιος είναι εξυπνότερος από τον υπολογιστή!
Δεν έχουν περάσει πολλά χρόνια άλλωστε από τότε που ο υπολογιστής με Τεχνητή Νοημοσύνη που ονομαζόταν Libratus κέρδισε μαζικά ανθρώπους σε ένα πραγματικό παιχνίδι. Οι παρτίδες πόκερ διαδέχονταν η μία την άλλη, με τέσσερις επαγγελματίες του είδους να βρίσκονται αντιμέτωποι με το λογισμικό και στο τέλος να χάνουν. Το Libratus είχε τροφοδοτηθεί από τους προγραμματιστές του με πληροφορίες για όλες τις σημαντικές οδηγίες που χρειαζόταν προκειμένου να επικρατήσει. Δεν έχασε ούτε έναν γύρο!
Πριν από λίγες ημέρες, ένα πολύ πιο σύγχρονο λογισμικό Τεχνητής Νοημοσύνης με το όνομα Cicero («Κικέρων») κυριάρχησε στο παιχνίδι στρατηγικής «Diplomacy». Το Cicero κατάφερε να έρθει σε επαφή με τους άλλους παίκτες, που ήταν όλοι άνθρωποι, να επικοινωνήσει μαζί τους με τη χρήση φυσικής γλώσσας και να ηγηθεί στη διάρκεια του παιχνιδιού, με στρατηγική τακτική με αιτία και επιχειρήματα. Η τεχνολογία του Cicero αυτή τη φορά δεν χρειαζόταν να μάθει τους κανόνες για να κερδίσει, αλλά έπρεπε να ανταποκριθεί στις προκλήσεις που του έθεταν οι άνθρωποι-αντίπαλοι. Και δεν είχε πρόβλημα να τα καταφέρει!
Τα δύο αυτά λογισμικά δεν είναι τα μόνα που επικράτησαν σε κάποιο παιχνίδι. Πρώτος απ’ όλους ήταν ο υπολογιστής Deep Blue, που αντιμετώπισε τον τότε παγκόσμιο πρωταθλητή στο σκάκι. Ο Γκάρι Κασπάροφ βρέθηκε απέναντι στην ευφυΐα της μηχανής, σε μία σειρά αγώνων που έγραψαν ιστορία. Ο ρώσος υπερπρωταθλητής επικράτησε στον πρώτο από αυτούς, όμως στη ρεβάνς που ακολούθησε έναν χρόνο αργότερα ο Deep Blue αποδείχθηκε πολύ βελτιωμένος και νίκησε τη μονομαχία.
Το 2017 το πρόγραμμα Τεχνητής Νοημοσύνης με το όνομα AlphaGo Zero επιστρατεύτηκε για μία αναμέτρηση στο παιχνίδι στρατηγικής με το όνομα Go. Προφανώς δεν γνώριζε τους κανόνες του παιχνιδιού, αλλά τους έμαθε χωρίς ανθρώπινη παρέμβαση, με εκπαίδευση που χρειάστηκε μόλις λίγες ημέρες. Άρχισε να παίζει από το μηδέν, εναντίον του εαυτού του και δημιούργησε μία βάση δεδομένων με πιθανά σενάρια. Αυτός ο τρόπος αποτέλεσε την αφετηρία για τη δημιουργία της σημερινής Τεχνητής Νοημοσύνης. Για την ιστορία ο AlphaGo Zero έμαθε τέλεια το Go και μετά από 40 μέρες και 30 εκατομμύρια παιχνίδια, κέρδισε όλους τους ανθρώπους που έπαιξαν εναντίον του!
Δύο χρόνια μετά, η ίδια εταιρεία έφτιαξε το πρόγραμμα με το όνομα AlphaStar, την πρώτη Τεχνητή Νοημοσύνη που κατάφερε να κερδίσει έναν επαγγελματία. Ο Γκρέγκορ Κόμινζ, γνωστότερος ως «MaNa», ήταν μέλος της ομάδας «Team Liquid» στα eSports. Το StarCraft II ήταν το παιχνίδι του, εκεί όπου ο Πολωνός σούπερ σταρ κυριαρχούσε. Η Τεχνητή Νοημοσύνη ως τότε τα έβρισκε δύσκολα με το StarCraft εξαιτίας της πολυπλοκότητας του παιχνιδιού, που δεν ευνοούσε τα μοντέλα εκμάθησης. Το AlphaStar όμως χρησιμοποίησε νευρωνικά δίκτυα, τροφοδοτήθηκε απευθείας από δεδομένα και εκπαιδεύτηκε τόσο καλά που κέρδισε τον Κόμινζ.
Τον ίδιο χρόνο ο αλγόριθμος με το όνομα DeepCubeA, έφτασε στο σημείο να ολοκληρώνει τον κύβο του Ρούμπικ μέσα σε χρόνο ρεκόρ. Χρειάστηκε το 60% του μέσου όρου των προσπαθειών των κορυφαίων ανθρώπων που έλυσαν το παζλ, σε ένα πείραμα που ήταν περισσότερο συμβολικό από ουσιαστικό. Το DeepCubeA χρειαζόταν περίπου 20 κινήσεις κάθε φορά, αλλά τις περισσότερες φορές απαιτούνταν πολύ λιγότερες.
