Magnus Eriksson bio photo

Magnus Eriksson

Internet and beyond. Pre-modern, post-human, para-academic.

Email Twitter Github Zotero

Googles program AlphaGo utvecklat ur deras neurala nätverk DeepMind har vunnit första matchen av fem mot Sydkoreanske Go-mästare Lee Se-dol. Det är första gången en artificiell intelligens har vunnit en Go-match mot en högt rankad mänsklig spelare.

När Deep Blue vann mot Kasparov förändrades schack för alltid. Det blev inte länge en symbol för den mänskliga intelligensens triumfer. Det blev något vardagligt, ett avkodat fritidsnöje i stil med räkneövningar med penna och papper eller att lösa Rubiks Kub. Schack blev ändligt.

Go har fortfarande den mystiska auran kring sig. Spelets möjligheter ter sig oändliga där varje sten på varje punkt kan få oändligt många betydelser beroende på hur den står i relation till andra stenar i komplexa mönster. Även på hög nivå i Go betonas intuitionen, drag som “känns bra”, och att mönster som ser vackra ut troligtvis också är starka mönster.

Vid sammankomsten vid NSU:s vintersymposium hade Gustav Nipe ett föredrag om singulariteten så som den kommer i uttryck i Silicon Valley:s ideologi vid det Singularity University som han hade spenderat 3 månader vid. I det föredraget påpekade han att Artificiell Intelligens kallar vi det som datorer alltid ännu inte kan göra. När det sker praktiska tillämpningar som avknoppning från AI-forskningen får den istället andra namn som “maskininlärning” eller som i det aktuella fallet med DeepMind: “Neurala Nätverk”. Vid varje sådan avknoppning kan det finnas anledning att tänka kring hur den opererar jämfört med tidigare varianter och den här matchen är ett ypperligt tillfälle.

Det finns en skillnad mellan Deep Blue och Deep Mind. Med Deep blue var det så tydligt att datorns sätt att fungera var så oerhört långt från schackspelets logik och det sätter den mänskliga hjärnan fungerade och såg på schackbrädet. De tidiga schackdatorerna använde sig av brute force och gjorde miljontals beräkningar där de gick igenom olika drag steg för steg ett antal hopp in i framtiden och avgjorde vilket som var bäst. Därför var de väldigt bra på göra korta taktiska sekvenser i komplexa situationer, men dåliga på att få en strategisk överblick över brädet. Det är detta som hela kontroversen i match 2 mellan Kasparov och Deep Blue handlade om där Kasparov tyckte att datorn gjorde ett alldeles för strategiskt drag som mer handlade om att ha närvaro i ett territorium som spelet troligtvis kommer att flytta sig till än att vinna korta taktiska poänger. Det ledde till att Kasparov anklagade IBM för att ha fuskat och att bakom kulisserna ha haft mänskliga storspelare som rättade datorns alltför kortsiktiga drag. Här finns en videoanalys av det draget och här kommer draget i den fascinerande dokumentären om när Kasparov möter Deep Blue. Kasparov blev mer och mer paranoid och trodde att IBM avlyssnade hans hotellrum och jag tror att han ännu i dag menar att allt inte gick rätt till. En intressant anmärkning är att det idag inte är datorerna som är de bästa schackspelarna, utan team som utgörs av datorer och människor där båda kan förlita sig på sina respektive styrkor. Kanske finns hopp för “the human-machine resistance” ändå!

När det gäller DeepMind å andra sidan så finns det anledning att tänka sig att både det neurala nätverket, Go-brädet, och den mänskliga hjärnan i någon mån är isomorfa. Neurovetenskapen konceptualiserar hjärnan som ett gigantiskt neuralt nätverk och DeepMinds neurala nätverk lär sig genom att koppla samman och känna igen mönster, inte genom att göra mekaniska beräkningar. Och vad är Go-brädet, men sina relationella distributioner av vikt hos stenarna om inte ett enda stort nätverk?

Jag väntar fortfarande på mer insatta analyser kring de strategier som DeepMind använde. Hur reaktiv var den mot Lee:s drag? Hur tänkte den kring öppna territorier? Själv tycker jag att spelplanen inte såg så vacker ut mot slutet om det ska vara något att gå efter. Och hur “tänker” ett neuralt nätverk egentligen? Schackdatorerna var så väldigt tidsbundna. De klarade av att beräkna alla möjligheter kring ett antal drag framåt i tiden. Men om maskininlärning handlar om att känna igen mönster på en holistisk nivå borde inte samma tidsaspekt väga in. De neurala nätverken är på så vis ännu dummare än schackdatorerna då det inte finns någon logik inbyggd annat än ren mönsterigenkänning. Kanske är det i så fall vi människor som är dummast av dem alla med vår intuition för det vackra.