Nota video

Teks penuh video

Kalau kau suruh robot Lego kira setiap langkah Go yang mungkin, satu per satu sampai habis permainan, kau dah ada juara Go! Masalahnya, robot tu cuma siap berfikir lepas alam semesta dah tamat. Tapi papan Go sembilan belas kali sembilan belas ada lebih banyak susunan buah daripada bilangan atom di alam semesta!

Jadi, robot hanya meneroka dahan pokok carian yang nampak menjanjikan, main simulasi pantas sampai tamat, dan pilih dahan yang paling kerap membawa kemenangan. Ini namanya Monte Carlo Tree Search. Tapi kalau simulasi pilih langkah secara rawak, robot membazir masa pada langkah yang mengarut!

Jadi, robot belajar daripada kira-kira tiga puluh juta kedudukan permainan pemain pakar, supaya ia boleh meneka langkah yang paling berpotensi. Ini namanya rangkaian polisi. Tapi kalau sekadar meniru manusia, robot takkan jadi lebih hebat daripada gurunya!

Jadi, robot bertanding melawan salinan dirinya sendiri berjuta kali, dan setiap langkah yang membawa kemenangan diberi ganjaran lalu diperkukuh. Ini namanya pembelajaran pengukuhan. Tapi main simulasi sampai tamat untuk setiap dahan memakan masa terlalu lama!

Jadi, satu lagi rangkaian dilatih untuk melihat papan sekali pandang dan terus menganggar peluang siapa yang bakal menang. Ini namanya rangkaian nilai. Tapi semua pengiraan ni sangat berat, sedangkan setiap langkah dalam pertandingan ada had masa!

Jadi, kerja carian dibahagikan kepada lebih seribu pemproses yang berfikir serentak, lalu menghantar jawapan kembali ke satu otak utama. Ini namanya pengkomputeran teragih. Pada Mac dua ribu enam belas di Seoul, AlphaGo ciptaan DeepMind menewaskan juara dunia Lee Sedol dengan keputusan empat satu.

Rahsianya bukan sekadar laju, tapi gabungan pokok carian, rangkaian polisi, rangkaian nilai dan latihan main sendiri, sampai ia mampu mencipta langkah kreatif yang tak pernah terfikir dek pemain pakar. Lepas ni nak belajar apa pula?

Siri Teknologi dan AI dalam animasi 3D LEGO (V916-018) oleh KongsikanDotCom. Tonton lagi di