"Ez elég sokkoló volt. Nem hittem volna, hogy veszíteni fogok. Nem is sejtettem, hogy az AlphaGo ennyire tökéletesen játszhatja a gót" – értékelte keddi vereségét a koreai I Szedol, aki kedden maradt alul egy öt játszmából álló páros mérkőzés első játékában az Alphabet (Google) DeepMind csoportja által fejlesztett mesterséges intelligenciával szemben.

A profi 9 danos játékos igen szoros játszmában maradt alul az AI-val szemben, és elvileg semmi akadálya, hogy a következő négy meccset besöpörve 4-1 arányban megnyerje a páros mérkőzést, ez azonban már nem kisebbítené az AlphaGo történelmi sikerét.

Nagyobb siker, mint a Deep Blue

Az AlphaGo tavaly októberben már legyőzte a profi 2 danos Európa-bajnokot, a kínai származású francia Fan Huit egy öt játszmából álló páros mérkőzésen, ráadásul a gép mind az öt játékot megnyerte. Ez önmagában is példa nélküli teljesítmény volt a DeepMind fejlesztésétől, hiszen nem sokkal korábban a gépek teljesen esélytelenek lettek volna egy profi minősítéssel rendelkező góversenyző ellen; a mostani győzelem viszont azért valódi mérföldkő, mert I Szedol jelenleg a világ egyik legerősebb gójátékosa, tulajdonképpen azt a szintet képviseli, amit egy ember elérhet ebben a játékban.
 

A felállás megfeleltethető az IBM Deep Blue számítógépe és Gari Kaszparov sakkvilágbajnok közötti összecsapásnak, amelyet az orosz sportoló – sokak szerint minden idők legnagyobb sakkozója – két évtizeddel ezelőtt elveszített, lezárva az ember legyőzhetetlenségéről szóló vitákat.

A Deep Blue sikere azonban nem jelentett különösebben fontos állomást a technológiai fejlődésben: a sakk esetében borítékolható volt, hogy a félelmetes számítási teljesítmény és a hatalmas adatbázis előbb-utóbb követhetetlenné válik a humán játékosok szempontjából.

A gépek ráadásul nem szorongnak vagy pánikolnak, nincsenek jó vagy rossz napjaik, és a közönség soraiban megszólaló mobiltelefon sem zökkenti ki őket. Mindez az AlphaGo szoftverére is érvényes, azonban a sakk egy "megfejthető" játék, amelyben a számítási kapacitás és a gondolkodási idő függvényében a gép végső soron "brute force" módszerrel is diadalmaskodhat.
 

A góban ezzel szemben más készségekre, például mintafelismerésre vagy intuícióra is szükség van, amiben – egyelőre – a gépek nem igazán képesek megközelíteni az emberi agy hatékonyságát. Nem véletlen, hogy a korábbi góprogramok még a jobb amatőr játékosokat sem voltak képesek megszorongatni: míg a sakk elsősorban a taktikai elemzésről és a kombinációkról szól, a góban a stratégiai gondolkodásé a főszerep.

Igazából nem a gójátékról van szó

A DeepMind fejlesztői mindezek alapján új megközelítést alkalmaztak a rendszer ideghálót modellező felépítésével és a Monte Carlo módszerű, fa struktúrájú véletlen keresés kombinációjával. Az AlphaGo felügyelet mellett tanult a top gójátékosok mérkőzéseiből és a saját magával folytatott játszmákból, 99 százalékban legyőzve a napjainkban létező legnagyobb játékerejű szoftvereket, utóbb pedig az emberi Európa-bajnokot is.

A gó ugyanakkor csak eszköz a DeepMind kutatásaiban: Erich Schmidt, az Alphabet elnökének megfogalmazása szerint a gépi intelligencia minden olyan dolognak megnövelheti a hatékonyságát, amelyet sok ember használ. (A gót egyébként 60 millióan űzik szervezetszerűen világszerte, az ázsiai profi játékosok komoly pénzdíjakért versenyeznek és helyi hírességnek számítanak; I Szedol például 150 ezer dollárért plusz győzelmenként 20 ezer bónuszért vállalta az AlphaGo elleni páros mérkőzést.)

A társaság egyelőre nem közölt részleteket arról, hogy milyen kereskedelmi termékben köszönhetnek vissza a DeepMind technológiái, de a 2010-ben indult és 2014 óta a Google tulajdonában lévő DeepMind alapítója, Dennis Hassabis az egészségügyet tartja a későbbi fejlesztések fókuszának. Ezen a területen irdatlan adatmennyiséget kell kielemezni, és a döntésekhez elengedhetetlen az adatok struktúrájának felfedezése – mint amilyen például a gó kapcsán is emlegetett mintafelismerés.