At skelne mellem mennesker og computere i spillet go

(Phys.org) – Ved at analysere de statistiske træk ved tusindvis af go-spil, der spilles af mennesker og computere, forskere har fundet ud af, at det er overraskende nemt at se, om et spil bliver spillet af et menneske eller af en computer. Resultaterne peger på grundlæggende forskelle i den måde, som mennesker og computere løser problemer på, og kan føre til en ny slags Turing-test designet til at skelne mellem de to.

Forskerne, C. Coquidé og B. Georgeot ved universitetet i Toulouse, og O. Giraud ved universitetet i Paris-Saclay, har udgivet et papir om deres statistiske analyse af go-spil spillet af mennesker og computere i et nyligt nummer af EPL .

"Vi mener, at vores arbejde indikerer en vej mod en bedre karakterisering og forståelse af forskellene mellem menneskelige og computeres beslutningsprocesser, som kan anvendes på mange forskellige områder, " fortalte Giraud Phys.org .

Som forskerne forklarer, go er en særlig god platform til at undersøge, hvordan computere løser komplekse problemer på grund af det store antal mulige bevægelser, som en spiller kan foretage på enhver tur. På et 19x19 go board, der er 10 ¹⁷¹ mulige retsstillinger (sammenlignet med "bare" 10 ⁵⁰ i skak). Ud over, antallet af mulige go-spil blev for nylig anslået til at være mindst 10 ^{10^108} . Sådanne tal er gigantiske selv for en computer, hvilket gør det umuligt for ethvert program blot at bruge brute-force metoder til at analysere alle mulige bevægelser og spil. I stedet, computere skal bruge mere sofistikerede tilgange.

I den nye undersøgelse, forskerne konstruerede databaser med 8000 spil spillet af amatørmennesker; 8000 spil spillet af softwaren Gnugo, som bruger en deterministisk tilgang; 8000 spil spillet af softwaren Fuego, som bruger en Monte Carlo tilgang; og 50 spil spillet af softwaren AlphaGo, som er blevet berømt i de sidste par år for at slå verdensmestrene i human go-spillere. Forskerne byggede derefter netværk for hver database, der fanger information om bevægelsesmønstrene på farten.

Et af de mest interessante resultater er, at netværkene baseret på software - især Gnugo - har et stort antal "fællesskaber, " som er dele af et netværk, der er stærkt forbundet i sig selv, men svagt knyttet til resten af ​​netværket. Som forskerne forklarer, tilstedeværelsen af ​​disse fællesskaber indikerer, at softwareprogrammerne skaber mange forskellige typer strategier, der er forskellige fra andre typer strategier; det er, deres strategier er varierede og forskelligartede. Til sammenligning, netværkene baseret på menneskelige spil har færre fællesskaber og flere store hubs med masser af direkte links, hvilket indikerer, at menneskelige strategier var mere relateret til hinanden og mindre forskelligartede.

Mens det er oplysende, disse resultater er ikke uventede, da de svarer til nogle tidligere observationer af computere, der spiller go. For eksempel, i 2016 og 2017, menneskelige analytikere, der så AlphaGo konkurrere mod verdensmestre, blev ofte overrasket og forundret over de strategier, som computeren brugte.

Samlet set, forskerne fandt ud af, at de statistiske forskelle mellem computer- og menneskeskabte netværk er meget større end variabiliteten inden for hvert netværk, hvilket indikerer, at forskellene er statistisk signifikante og potentielt kan bruges til at skelne mellem grupper af menneskespillede spil og computerspillede spil. Yderligere, resultaterne viser, at det ikke er nødvendigt at analysere tusindvis af spil, da forskellene kunne være betydelige selv for den relativt lille 50-spils database fra AlphaGo.

Som en konsekvens, forskerne foreslår, at de statistiske forskelle kan bruges til at designe en ny slags Turing-test, svarende til den originale test, hvor en person forsøger at fortælle, om de interagerer med et menneske eller en computer ved at stille spørgsmål. Den nye version af Turing-testen ville involvere at spille go-spil i stedet for at stille spørgsmål, og derefter udføre statistiske tests for at identificere karakteristiske træk ved menneskelige og computerspillere.

Forskerne forventer også, at det ville være interessant at bruge lignende statistiske metoder til at undersøge forskellene i, hvordan mennesker og computere griber andre komplekse problemer an. Ud fra disse data, det kan være muligt at få en bedre forståelse af, hvordan computere "tænker".

"Vi vil gerne studere mere detaljeret oprindelsen af ​​forskellene mellem de menneskeskabte og computergenererede netværk, for at se, hvordan de reflekterer i forhold til forskelle i strategier, der bruges i spillet, " sagde Giraud. "Vi planlægger også at anvende disse teknikker til andre områder, hvor computere og mennesker er til stede, begyndende med andre brætspil såsom skak."

© 2017 Phys.org