Las computadoras y los humanos usan diferentes tipos de estrategias cuando juegan go, señalando diferencias fundamentales en la resolución de problemas.
(Phys.org):al analizar las características estadísticas de miles de juegos de go que juegan humanos y computadoras, Los investigadores han descubierto que es sorprendentemente fácil saber si un humano o una computadora están jugando un juego. Los resultados apuntan a diferencias fundamentales en las formas en que los humanos y las computadoras resuelven problemas y pueden conducir a un nuevo tipo de prueba de Turing diseñada para distinguir entre los dos.
Los investigadores, C. Coquidé y B. Georgeot en la Universidad de Toulouse, y O. Giraud en la Universidad de Paris-Saclay, han publicado un artículo sobre su análisis estadístico de los juegos de go jugados por humanos y computadoras en una edición reciente de EPL .
"Creemos que nuestro trabajo indica un camino hacia una mejor caracterización y comprensión de las diferencias entre los procesos de toma de decisiones humanos e informáticos, que podría aplicarse en muchas áreas diferentes, "Giraud dijo Phys.org .
Como explican los investigadores, go es una plataforma particularmente buena para investigar cómo las computadoras resuelven problemas complejos debido a la gran cantidad de movimientos posibles que un jugador puede realizar en cualquier turno. En una tabla de 19x19, hay 10 171 Posibles posiciones legales (en comparación con "solo" 10 50 en ajedrez). Además, el número de posibles juegos de go se estimó recientemente en al menos 10 10 ^ 108 . Tales números son gigantescos incluso para una computadora, haciendo imposible que cualquier programa utilice simplemente métodos de fuerza bruta para analizar todos los movimientos y juegos posibles. En lugar de, las computadoras deben utilizar enfoques más sofisticados.
En el nuevo estudio, los investigadores construyeron bases de datos de 8000 juegos jugados por humanos aficionados; 8000 juegos jugados por el software Gnugo, que utiliza un enfoque determinista; 8000 partidas jugadas por el software Fuego, que utiliza un enfoque de Monte Carlo; y 50 juegos jugados por el software AlphaGo, que se ha hecho famoso en los últimos dos años por vencer a los campeones mundiales de human go jugadores. Luego, los investigadores construyeron redes para cada base de datos que capturan información sobre los patrones de movimientos en el tablero.
Uno de los resultados más interesantes es que las redes basadas en software, especialmente Gnugo, tienen un gran número de "comunidades, "que son partes de una red que están fuertemente vinculadas dentro de sí mismas pero débilmente vinculadas al resto de la red. Como explican los investigadores, la presencia de estas comunidades indica que los programas de software están creando muchos tipos diferentes de estrategias que son diferentes de otros tipos de estrategias; es decir, sus estrategias son variadas y diversas. En comparación, las redes basadas en juegos humanos tienen menos comunidades y más centros grandes con muchos enlaces directos, indicando que las estrategias humanas estaban más relacionadas entre sí y menos diversas.
Mientras ilumina, estos resultados no son inesperados, ya que corresponden a algunas observaciones previas de computadoras jugando go. Por ejemplo, en 2016 y 2017, Los analistas humanos que veían a AlphaGo competir contra campeones del mundo a menudo se sorprendían y desconciertaban por las estrategias que usaba la computadora.
En general, Los investigadores encontraron que las diferencias estadísticas entre las redes generadas por computadora y por humanos son mucho mayores que la variabilidad dentro de cada red, lo que indica que las diferencias son estadísticamente significativas y podrían potencialmente usarse para distinguir entre grupos de juegos jugados por humanos y juegos jugados por computadora. Más lejos, los resultados muestran que no es necesario analizar miles de juegos, ya que las diferencias podrían ser significativas incluso para la base de datos relativamente pequeña de 50 juegos de AlphaGo.
Como consecuencia, los investigadores proponen que las diferencias estadísticas podrían usarse para diseñar un nuevo tipo de prueba de Turing, similar a la prueba original en la que una persona intenta saber si está interactuando con un humano o una computadora haciendo preguntas. La nueva versión de la prueba de Turing implicaría jugar juegos de go en lugar de hacer preguntas, y luego realizar pruebas estadísticas para identificar rasgos característicos de jugadores humanos y de computadora.
Los investigadores también esperan que sea interesante utilizar métodos estadísticos similares para investigar las diferencias en cómo los humanos y las computadoras abordan otros problemas complejos además de ir. A partir de estos datos, puede ser posible obtener una mejor comprensión de cómo "piensan" las computadoras.
"Nos gustaría estudiar con más detalle el origen de las diferencias entre las redes generadas por humanos y generadas por computadora, para ver cómo se reflejan en términos de diferencias en las estrategias utilizadas en el juego, ", Dijo Giraud." También estamos planeando aplicar estas técnicas a otras áreas donde las computadoras y los humanos están presentes, comenzando con otros juegos de mesa como el ajedrez ".
© 2017 Phys.org
