Невронните мрежи като имитация на хората

Програмата, създадена от изследователи от Университета в Торонто, Университета Корнел и Microsoft Research, по записа на вече играни шахматни партии, разпознава кой точно ги е играл. Тя разпознава шахматиста по неговите ходове и може да го различи сред игрите на хиляди други шахматисти, които редовно играят онлайн в средата на популярния сървър Lichess. По същество този ИИ определя присъщия на всеки играч стил на вземане на решения.

Феновете на шаха отдавна знаят, че гросмайсторите имат свой собствен разпознаваем стил на игра. Някои от тях играят напористо и не се страхуват да поемат рискове, докато други са по-предпазливи и чакат грешките на противника. Има такива, които са силни в дебюта или мителшпила, докато други, напротив, са особено опасни в ендшпила, когато на дъската са останали малко фигури. Тоест, всеки шахматист е уникален и в избора му на ходове има нещо, което го отличава от всички останали. Това „нещо“ е уникално като пръстов отпечатък, нещо като „отпечатък“ на стила.

Именно него улавя ИИ програмата, на която ѝ е все едно кой прави ходовете – гросмайстор или начинаещ шахматист. Алгоритъмът с лекота разпознава отделните хора.

Машинното обучение на новия ИИ е осъществено с помощта на записите на шахматните партии на шахматистите от Lichess, които са играли в тази платформа над 1000 пъти, като от всяка партия са подбрани последователности от не повече от 32 хода. Всеки един ход означава смяна на позицията и е кодиран във вид на числа, които са подавани към невронната мрежа, която представя всяка партия като точка в многоизмерно пространство. За невронната мрежа всички партии шах изглеждат като струпване на точки (клъстър). Особеното тук е, че тя е обучена да максимизира плътността на клъстъра на всеки шахматист и разстоянието между клъстърите на отделните играчи.

По този начин невронната мрежа се е научила да разпознава хората по това, доколко ходовете в техните партии са сходни с един или друг клъстър. По този начин се създава нов клъстър, който съдържа индивидуалния стил на всеки конкретен шахматист. Той понякога не е явно изразен, но новият ИИ го вижда. При това изкуственият интелект съвсем лесно разпознава шахматистите с висок рейтинг, дори да е бил обучен чрез партии между любители. Тоест, този алгоритъм с елементи на изкуствен интелект улавя индивидуалността на хората.

Разбира се, това е само началото. Авторите на публикуваната наскоро научна работа (Detecting Individual Decision-Making Style: Exploring Behavioral Stylometry in Chess) заявиха, че съвсем същото може да бъде направено и при покера. А ако има достатъчно данни хората мигат да бъдат безпогрешно идентифицирани по начина, по който шофират, както и по използването на мобилния телефон.

Ето, че стигнахме до най-същественото: вместо поредица от шахматни ходове могат да бъдат използвани всякакви цифрови следи. Всяка достатъчно дълга и дигитализирана история на поведението потенциално съдържа данните за обучението на подобни ИИ програми. Всеки човек лесно се разпознава по характерните поредици от действия. Това е така, понеже ние всички сме различни и всеки човек дори и със съвсем малко се различава от другите. Преди време, за да се заметат и скрият следите, бе достатъчно да се промени почерка или гласа, но сега да се промени стила на вземаните решения е невероятно трудно и е все едно да се подмени психиката, но в такъв случай ще имаме някакъв друг човек с други характерни особености. Особено интересен момент е, че предварително няма как да разберем кои признаци ще подбере тази невронна мрежа, за да знаем какво да маскираме.

От търсенето на стила към прогнозирането и моделирането на хората

Интересно е, че създателите на тази програма започнаха да се безпокоят, че техният ИИ е подходящ не само за шахмата, но и за съвсем други сфери и области. По принцип тази невронна мрежа може да бъде обучена с помощта на всякакви достъпни данни, само че в някои случаи това не е етично. Така или иначе, не само хакери и мошеници, но и съвсем обикновените хора искат да останат анонимни, при това без да имат користни цели. Но този тип машинно обучение ще ги направи видими.

На теория това означава, че излизането в интернет пространството под чужд IP адрес вече няма да помогне – всеки човек може да бъде разпознат по неговия уникален стил, независимо в коя област е изразен.

Да, засега това е само на теория. На практика това не е толкова лесно: за обучаването на изкуствения интелект е необходимо да бъдат събрани конкретни данни, които понякога се наричат етикетирани данни. Това са поотделно записани цифрови следи на всеки един от милионите хора, присъстващи в уеб пространството, като е силно желателно тези данни да за записвани в продължение на месеци, а  след това да бъдат проследявани в Глобалната мрежа. Това изисква сериозни изчислителни мощности, а те от своя страна, изразходват големи количества електрическа енергия. Но все пак хората посещават най-различни сайтове и обединяването на информацията в една обща история може да стане само ако тези сайтове активно обменят информация помежду си. Това е трудно за реализиране, но не и невъзможно – достатъчно е да споменем за Facebook и Instagram.

Подобни количества от данни могат да осигурят социалните мрежи със своята огромна аудитория. Всъщност, те по принцип събират, записват, съхраняват и анализират цифровите следи на своите посетители, но не за баналното разкриване на техните личности. Много по-перспективно е тези данни да се използват за изучаване и прогнозиране на поведението – нещо, което е изключително важно за маркетинга. Социалните мрежи са един подходящ полигон за подобни действия, но най-доброто са масовите онлайн игри.

Играта изключително ефективно разкрива особеностите и свойствата на човешката психика. По време на игра хората вземат голям брой решения и взаимодействат с другите играчи в една сложна и бързо променяща се ситуация. Налага се да се мисли тактически и стратегически. Налага се бързо учене и трупане на опит.

Някои игри се играят от хората в продължение на години, а това означава натрупване на богата история на действията и постъпките. И което е още по-важно, тези игри се играят от милиони потребители. Всичко това създава огромни бази данни с богати статистики, които са предостатъчни за най-разнообразно машинно обучение.

Хората, които са започнали да играят още като тинейджъри и продължават да играят след много години, се развиват заедно с игровата вселена. През това време техният уникален стил е дълбоко изучен и добре определен, като по-късно тази информация може да се окаже изключително ценна. Понякога бившите тинейджъри стават лидери в бизнеса, висши управляващи кадри, политици и военноначалници от най-високо ниво. Един изкуствен интелект, обучен с подобен огромен масив от данни не само ще знае по какъв точно начин мисли и действа даден човек, но ще може да прави и съвсем реалистични прогнози за неговите постъпки.

Разбира се, точността на прогнозата зависи и от това дали хората запазват стила си на вземане на решения в продължение на десетилетия. На този въпрос е трудно да се отговори категорично, но направените през последните няколко години проучвания показват, че основните черти на личността остават стабилни от юношеството до зрялата възраст. Ако едно младо момиче е склонно към себеанализ, то тя ще наблюдава себе си и в напреднала възраст. Ако един млад мъж е прекалено впечатлителен, то с възрастта той няма да загуби това свое качество.

Различните нюанси могат да бъдат изгладени, а други развити, но ядрото на психиката е на практика невъзможно да бъде променено. Може да се каже, че след съзряването, особеностите на мисленето, на възприятието, както и темперамента, се запазват за цял живот. И ако ИИ програмите се научат да улавят тези особености, то ще настъпят много сериозни последствия.

Но силата на невронните мрежи не е само в намирането на скритите шаблони в масив от данни. Един съвременен изкуствен интелект може и да възпроизвежда тези шаблони. Шахматната програма, създадена в университета на Торонто може да имитира играта на всеки един шахматист, може с голяма точност да прогнозира ходовете на конкретен играч и дори да предвижда типичните грешки, които той би допуснал в партията. Този ИИ знае какви точно грешки допускат гросмайсторите от различно ниво и може да укаже нивото, при което хората престават да допускат подобни грешки.

С други думи, в този случай програмата не търси най-добрия ход в дадена позиция, а предлага ходовете, които би направил един съвсем конкретен човек. Новото е, че тя моделира самия процес на вземане на решение, в дадения случай от шахматистите. Това е един съвсем нов тип прогнозиране.

От прогнозирането към влиянието: ИИ машините като психолози

Едва ли всичко това ще се ограничи в изкуствената среда на шахмата. Миналата година психолози от Принстън публикуваха в списание Science научната работа „Използване на мащабни експерименти и машинно обучение за създаване на нови теории за вземането на решения от хората“ (Using large-scale experiments and machine learning to discover theories of human decision-making). Авторите на този материал са обучили невронна мрежа с помощта на голяма база данни, събирана от учените в продължение на много години. Тя включва резултатите от най-различни психологически експерименти – за това, по какъв начин хората правят рискован избор, как играят хазартни игри и т.н. Базата данни включва над 10 000 различни ситуации, в които хората са вземали едни или други решения.

Оказа се, че изкуствен интелект, който е обучен по такъв начин, може с много голяма точност да имитира реалното поведение на човека, като едновременно с това този ИИ значително превъзхожда приетите в психологията модели за рискован избор.

По този начин машинното обучение помогна на психолозите да създадат една съвсем нова и по-ефективна теория на човешкото поведение, каквато досега не е създавана. Това не е за учудване: в опитите си обяснят начина на взимане на решения от страна на хората специалистите от тази област предлагат хипотези и разчитат на своята интуиция, само че тя е ограничена в рамките на експерименти, които човешкият ум може да обхване. Нито един психолог не е в състояние да запомни и анализира една огромна база данни, в която са записани решенията на стотици хиляди участници в хиляди най-различни ситуации за вземане на решение.

За разлика от хората, за изкуствения интелект това не е проблем.

Край на първа част. Във втората част ще продължим с новото засега имитиране на човешкото поведение от страна на изкуствените интелекти, за появилата се възможност ИИ да оказва влияние върху вземането на решения от страна на хората, върху човешкия талант и други.