Por Redação O Sul | 3 de fevereiro de 2016
Há quase 20 anos, o computador Deep Blue assombrou o mundo ao se tornar a primeira máquina a vencer uma partida de xadrez contra um campeão mundial, então o russo Garry Kasparov. Construído apenas para esse fim pela IBM – empresa americana voltada para a área de informática –, o Deep Blue se baseou principalmente na “força bruta” para bater Kasparov.
O computador era capaz de calcular 200 milhões de movimentos por segundo, sua programação incluía um banco de dados com centenas de milhares de aberturas, desenrolares e encerramentos de jogos, tanto clássicos quanto alimentados por outros grandes mestres, para definir o destino de suas peças. Ainda assim, o feito foi saudado como um importante avanço no campo da IA (inteligência artificial). Só agora, porém, os cientistas foram capazes de fazer o mesmo com o jogo de origem oriental “Go”. Em um estudo publicado na revista Nature, pesquisadores da Google DeepMind, braço de pesquisas na área de IA da gigante da tecnologia, sediado no Reino Unido, relatam como usaram novas abordagens em redes neurais para superar o desafio.
Criado há cerca de 2,5 mil anos na China, o “Go”, também conhecido como “Igo” no Japão e “Baduk” na Coreia, à primeira vista parece bem simples. Munidos de pedras brancas e pretas, dois jogadores devem colocá-las alternadamente nas interseções de um tabuleiro quadrado com 19 linhas em cada lado de forma a cercar completamente a maior área possível ou as peças do adversário, que assim são retiradas do jogo. Ganha quem ao final tiver a maior soma de interseções controladas (totalmente cercadas) e pedras tomadas.
À medida que o tabuleiro começa a ficar cheio, no entanto, a complexidade do jogo cresce exponencialmente. Isso exige um cuidadoso equilíbrio entre defesa e ataque, que devido à grande área de busca e à dificuldade de avaliar posições e movimentos, foi considerado por muito tempo um dos maiores desafios no campo da IA.
Para superá-lo, os cientistas da Google DeepMind criaram um programa, batizado AlphaGo, que usa duas redes neurais atuando em paralelo para fazer suas jogadas. A primeira, chamada “rede de valor”, avalia as posições no tabuleiro, enquanto a segunda, “rede de política”, decide os movimentos.
Além disso, essas duas redes foram treinadas com uma combinação inédita de “aprendizagem profunda” com milhões de jogadas de especialistas humanos para saber quais seriam as respostas mais prováveis a cada movimento seu, reforçada por partidas da máquina contra ela mesma para se concentrarem no resultado desejado da partida, a vitória, e não na eficiência de cada jogada isolada.
Vantagem no jogo.
Com isso, no lugar de calcular todos os movimentos e resultados possíveis até o fim do jogo, como fazia o Deep Blue, o programa analisa apenas as melhores posições momentâneas e em um futuro próximo que lhe darão vantagem no jogo, limitando seus movimentos e estratégias aos mais favoráveis. Assim, o número de avaliações que ele faz é milhares de vezes menor do que fazia o computador da IBM.
Dessa forma, em outubro passado o AlphaGo venceu um torneio contra o atual tricampeão europeu de “Go”, o jogador profissional de origem chinesa Fan Hui, por cinco a zero. E, em março próximo, ele vai enfrentar o sul-coreano Lee Sedol, líder do ranking mundial dos últimos dez anos, em nova série de cinco partidas que está sendo vista como um desafio ainda maior.
“Nossa abordagem colocou o AlphaGo muito mais próximo do que fazem os jogadores humanos do que qualquer outra tentativa anterior”, diz David Silver, chefe da equipe de pesquisadores responsável pelo desenvolvimento do programa.
O desempenho do AlphaGo nas partidas contra Hui foi tão bom que alguns especialistas tiveram até dificuldades em identificar quem era a máquina e quem era o humano ao serem apresentados às jogadas sem saber previamente quem as fez.
Os comentários estão desativados.