Juara dunia Garry Kasparov mengalahkan komputer IBM Deep Blue pada tahun 1996, tetapi dikalahkan pada tahun 1997, kalah 4-2.
Kemenangan komputer IBM Deep Blue tahun 1997 atas grandmaster dan juara dunia Garry Kasparov dianggap sebagai titik balik kemenangan dalam sejarah teknologi, sebanding dengan pendaratan di bulan. Dia tampaknya telah mendemonstrasikan bahwa komputer dapat mengalahkan manusia dalam hal yang dianggap unik bagi kita: berpikir 1 . Teknologi AI simbolis yang digunakan oleh komputer DeepBlue sekarang dianggap usang, terutama untuk game yang lebih kompleks seperti go, yang ditemukan di China dua setengah ribu tahun yang lalu. Namun di tahun 2016, Juara Dunia Go Lee Sedol dikalahkan oleh sistem AI DeepMind AlphaGo Google. Peneliti dan pemodal ventura Li Kaifu menyebut acara ini "Momen Sputnik" untuk China 2: Dia percaya bahwa inilah yang mendorong China untuk menginvestasikan miliaran dolar dalam penelitian AI untuk mengejar dan bahkan mungkin melampaui Amerika Serikat. Kemenangan AlphaGo menggambarkan berkembangnya paradigma AI baru - pembelajaran mendalam dan jaringan saraf - yang merupakan inti dari revolusi AI modern.
Mengapa game seperti catur dan menjadi begitu penting dalam sejarah AI? Para perintis penelitian kecerdasan buatan, termasuk Herbert Simon, Allen Newell, John McCarthy dan Marvin Minsky, memandang kecerdasan manusia melalui prisma tradisional filsafat Barat, yang fondasinya diletakkan oleh Aristoteles. Pandangan maskulin, Eurosentris tentang kecerdasan, yang berakar pada divisi Cartesian dari pikiran dan tubuh, memprioritaskan keterampilan otak - logika, matematika, dan keterampilan pemecahan masalah hingga merugikan bentuk kecerdasan tubuh, emosional, sosial dan budaya. Mereka percaya bahwa jika Nalar (yaitu Logika) membedakan Manusia dari Binatang, maka Logikalah yang harus menjadi dasar kecerdasan.
Blaise Pascal adalah seorang filsuf dan ahli matematika. Pada 1640-an, ia menemukan mesin yang mampu melakukan penambahan untuk membantu ayahnya, seorang pemungut pajak.
Banyak filsuf dan matematikawan Barat, dari Blaise Pascal hingga George Boole dan Bertrand Russell, telah berusaha untuk membuat perhitungan / logika, yang mereka samakan dengan pemikiran itu sendiri, lebih teliti secara matematis (lebih "formal"), atau untuk mengambil langkah berikutnya - untuk memekanisasinya. Pascal sendiri membuat mesin komputasi untuk tujuan ini, dan puncak dari impuls pemikiran Barat ini adalah penemuan komputer digital di abad ke-20. Pelopor penelitian AI pada 1950-an dan 1960-an melihat game sebagai cara lain bagi manusia untuk menunjukkan kecerdasan dengan memecahkan masalah. Jika peneliti AI dapat mensimulasikan bagaimana pemain melakukannya, mereka dapat mengotomatiskan proses ini. Cabang matematika yang disebut teori permainan, diterapkan pada ekonomi dan urusan militer, didirikan oleh ahli matematika dan perintis komputer John von Neumann;itu memberikan optimalisasi strategi dan algoritma yang banyak digunakan dalam ilmu komputer. Pelopor penelitian AI, Herbert Simon, telah menerapkan teori-teori ini pada ilmu komputer dan ekonomi (di mana ia memenangkan Hadiah Nobel). Oleh karena itu, gagasan bahwa game dapat secara serius memodelkan aspek-aspek dunia nyata sangat penting bagi masa-masa awal ilmu komputer. Secara khusus, karena komputer awal mengalami kesulitan dalam mensimulasikan kompleksitas dunia nyata, game dianggap sebagai "dunia mikro" yang disederhanakan, yang batasan dan aturannya dipahami dengan baik oleh komputer yang memungkinkan kemajuan pesat pada tahun 1960-an.Oleh karena itu, gagasan bahwa game dapat secara serius memodelkan aspek dunia nyata sangat penting bagi masa-masa awal ilmu komputer. Secara khusus, karena komputer awal mengalami kesulitan dalam mensimulasikan kompleksitas dunia nyata, game dianggap sebagai "dunia mikro" yang disederhanakan, yang batasan dan aturannya dipahami dengan baik oleh komputer yang memungkinkan kemajuan pesat pada tahun 1960-an.Akibatnya, gagasan bahwa game dapat secara serius mensimulasikan aspek-aspek dunia nyata menjadi inti dari masa-masa awal ilmu komputer. Secara khusus, karena komputer awal mengalami kesulitan dalam mensimulasikan kompleksitas dunia nyata, game dianggap sebagai "dunia mikro" yang disederhanakan, yang batasan dan aturannya dipahami dengan baik oleh komputer yang membuat kemajuan pesat pada tahun 1960-an.
Mesin catur Turok milik Wolfgang von Kempelen, dikendalikan oleh pemain hidup yang tersembunyi di dalamnya.
Catur, khususnya, secara historis dianggap sebagai puncak aktivitas intelektual di Barat. Itu adalah permainan intelektual yang terkait dengan logika dan strategi. Pikirkan Tuan Spock dari Star Trekmengalahkan pemain manusia dalam catur 3D. Bahkan di abad ke-18, elit Eropa terpesona oleh ide mesin yang mampu bermain catur. Wolfgang von Kempelen menjadi terkenal karena "Mechanical Turk" - mesin catur yang dibuat untuk Permaisuri Austria Maria Theresa dan mengalahkan Benjamin Franklin dan Napoleon. Belakangan diketahui bahwa "Turki" itu palsu dan ada pemain hidup bersembunyi di dalamnya; namun demikian, dia mengejutkan Edgar Allan Poe dan Charles Babbage. Ketertarikan pada catur sebagai indikator kecerdasan meluas ke ahli matematika yang meletakkan dasar untuk teori komputasi di abad ke-20: Alan Turing, Claude Shannon, John von Neumann, Norbert Wiener, dan, tentu saja, pelopor AI Herbert Simon, Allen Newell dan John McCarthy. Secara khusus, Newell dan Simon menganggap catur sebagai tantangan model untuk AI,sempurna untuk solusi pilihan mereka: penelusuran.
1947 .
MIT Bell Labs () 1950 , . MIT ( ). (. 1950 ).
, , 1980 .
Apa itu penelusuran dan bagaimana Anda menggunakannya saat bermain catur? Dalam konteks AI, pencarian tidak berarti mencari teks di web menggunakan Google (meskipun mesin pencari web dapat menggunakan konsep pencarian dalam konteks AI). Dalam AI, pencarian mengacu pada proses trial and error dalam menelusuri kemungkinan solusi untuk suatu masalah. Pencarian adalah salah satu metode dasar AI klasik, juga dikenal sebagai AI "simbolik", karena metode tersebut melibatkan manipulasi daftar simbol, misalnya, seperti dalam soal aljabar. Segala macam proses pemecahan masalah, seperti pembuktian teorema, pemecahan teka-teki, permainan, dan maze driving, melibatkan memutuskan apa yang akan dicoba terlebih dahulu. Pilihan ini dapat dimodelkan sebagai pohon keputusan yang bercabang.
.
-. , , - «».
Katakanlah kita perlu membuat mouse robot untuk mencari jalan keluar dari labirin (kira-kira seperti yang dilakukan Claude Shannon pada tahun 1950). Jika dia menabrak persimpangan dengan empat pintu, dia bisa bergerak ke kanan, ke depan dan ke kiri, tapi dilarang untuk kembali. Ini memberi kita tiga kemungkinan pilihan. Ilmuwan komputer akan mengatakan bahwa mouse memiliki "faktor percabangan" 3. Cara termudah untuk memprogram komputer untuk berjalan melalui (memecahkan) labirin adalah dengan memeriksa setiap opsi, atau cabang, secara bergantian. Ini disebut pencarian brute-force: kami menguji setiap variasi. Namun, mouse kita, tentu saja, akan pergi ke satu persimpangan lagi sebelum diberi kesempatan untuk kembali untuk mencentang semua opsi lain di persimpangan pertama. Setiap kali dia mencapai persimpangan barumouse dapat memilih di antara tiga jalur baru. Kita dapat mengatur jumlah persimpangan yang dapat dicari mouse secara mendalam sebelum kembali dan mencoba jalur yang berbeda.
Claude Shannon menggerakkan mouse listriknya dalam labirin (c. 1952).
Ini disebut sebagai kedalaman penelusuran, dan dalam konteks game, "lihat ke depan". Seperti yang Anda lihat, jumlah jalur yang perlu dicari oleh mouse bertambah dengan sangat cepat: seperti 3 (faktor percabangan), dikalikan dengan sendirinya sebanyak yang kami periksa secara proaktif di pohon keputusan. Dengan kata lain, masalahnya tumbuh secara eksponensial. Dalam industri AI, ini sering disebut sebagai masalah "ledakan kombinatorial".
Papan catur dalam teori awal
Metode serupa juga bisa digunakan dalam catur. Pada setiap gerakan pemain, kami memiliki pilihan maksimal 38 gerakan yang diizinkan, yaitu, masalah catur memiliki faktor percabangan 38. Untuk memilih yang terbaik dari 38 gerakan ini, metode kuantitatif digunakan untuk menilai manfaat relatif dari satu posisi catur di atas yang lain. Ini disebut "fungsi penilaian". Permainan catur rata-rata membutuhkan 42 langkah, dan karena ada dua pemain, ini perlu dikalikan dengan dua, yang menghasilkan kira-kira 38 84 - lebih banyak dari jumlah bintang di alam semesta. Bahkan pada tahap awal sejarah AI, menjadi jelas bahwa pencarian dengan brute force search untuk catur dan tugas lainnya tidak akan berhasil pada peralatan pada waktu itu; ada terlalu banyak pilihan dan komputer terlalu lemah. Claude Shannon adalah salah satu orang pertama yang menggunakan algoritme "minimax "dalam program catur komputer (algoritme ini masih menjadi dasar sebagian besar program catur), setelah memperhatikan bahwa berkat pengetahuan dan pengalaman manusia dalam permainan, Anda dapat dengan cepat memotong banyak cabang tanpa melihatnya. Herbert Simon dan Allen Newell menyarankan penggunaan" heuristik ", atau aturan praktis yang sebagian digunakan manusia saat memecahkan masalah, paling sering mereka berhasil, tetapi ini tidak selalu terjadi. Heuristik adalah jenis pengetahuan manusia yang dapat diprogram ke dalam komputer.
Catur
Catur memiliki lebih banyak cabang di pohon keputusannya daripada tic-tac-toe. Telah dihitung bahwa jumlah varian permainan catur kurang lebih sama dengan 10 120 , lebih banyak dari jumlah atom di alam semesta.
Penampilan yang terikat
Mengingat banyaknya cabang, program catur hanya dapat melihat ke depan melalui pohon pencarian sampai kedalaman yang terbatas, jika tidak pencarian akan berlangsung selamanya.
Salah satu heuristik yang terbukti berguna dalam catur adalah " alpha-beta cutoffArtinya, jika program telah menentukan bahwa salah satu gerakan dapat dengan mudah ditangkal oleh musuh, maka tidak perlu mencari cara lain untuk menangkal gerakan yang sama. Pencarian lebih lanjut di sepanjang jalur ini dapat diabaikan, memotong seluruh cabang dari pohon Hal ini dapat secara signifikan mengurangi faktor percabangan, dari 38 menjadi 6, dan kadang-kadang menjadi 3. Selain itu, mengingat keterbatasan komputer pada saat itu, sebagian besar program hanya dapat melihat 4 langkah ke depan. Salah satu program catur pertama yang bermain secara kompeten melawan amatir , dibuat sekitar 1959-1962 oleh mahasiswa MIT Alan Kotok di bawah arahan John McCarthy Program Kotoka-McCarthy menggunakan kliping alfa-beta.
, IBM 7090 . , - . 1967 , , 3-1 .
1959 MIT , . , , . . 1962 .
Newell dan Simon percaya bahwa semua masalah AI, seperti catur, dapat diselesaikan dengan melakukan pencarian dalam kombinasi dengan heuristik, atau "pencarian heuristik". Pencarian heuristik adalah ide sentral di balik terobosan awal Newell dan Simon, Ahli Teori Logika dan Pemecah Masalah Umum, dan menjadi pilar penting dalam teori mereka bahwa kecerdasan untuk manusia dan mesin terletak pada manipulasi simbol sederhana, blok bangunan fundamental. matematika dan bahasa. Hipotesis "sistem fisik simbol" ini menjadi premis yang mendasari seluruh proyek kecerdasan buatan simbolis, dari permulaannya pada 1950-an hingga awal 2000-an. Teori ini, yang mendalilkan kesetaraan "otak" komputer dan manusia, telah menjadi sangat berpengaruh dalam psikologi kognitif.dan kemudian bahkan menjadi budaya populer berkat karya dalam genre cyberpunk, di mana orang dapat mengunggah otak mereka ke Internet atau menggantinya dengan chip.
() , -, Logic Theorist, General Problem Solver NSS ( --). JOHNNIAC RAND.
Komputer menjadi lebih cepat, dan ilmuwan komputer yang juga merupakan pecatur berpengalaman, seperti Richard Greenblatt dan Hans Berliner, membuat program catur mereka sendiri. Mereka menemukan bahwa program catur pertama (seperti yang ditulis oleh Kotok) bermain sangat buruk, dan menambahkan pengetahuan mereka sendiri tentang bagaimana pemain langsung mendekati permainan dengan program mereka; Pengetahuan ini berupa heuristik tambahan untuk meningkatkan estimasi posisi bidak, database gerakan pembuka dan permainan akhir, serta pengenal pola lapangan. Seiring waktu, bagaimanapun, menjadi jelas bahwa program catur yang dijalankan pada komputer yang lebih cepat atau peralatan khusus dapat mengungguli program yang memiliki banyak pengetahuan manusia yang tertanam di dalamnya. Ini terjadi karena tidak ada heuristik yang sempurna dan tidak dapat menjelaskan semua situasi.Terkadang gerakan cerdik muncul karena pemain mencoba melakukan sesuatu yang kebanyakan orang akan anggap sebagai langkah buruk. Kebanyakan heuristik akan menghentikan langkah seperti itu tanpa pencarian lebih lanjut, yang berarti bahwa program yang menggunakan pengetahuan manusia tidak akan pernah melakukan langkah seperti itu.
Hans Berliner (latar belakang), Murray Campbell (kiri) dan Feng Xiong Xu pada Kejuaraan Catur Komputer ACM Tahunan ke-20 di Reno, Nevada. Tempat pertama dibagi oleh dua tim - HiTech (tim Berliner) dan Deep Thought (tim Campbell dan Xu); keduanya mewakili Universitas Carnegie Mellon. Tiga anggota tim Deep Thought (termasuk Campbell dan Xu) kemudian dipekerjakan oleh IBM untuk membuat Deep Blue.
Ketika komputer menjadi lebih cepat, mereka dapat melihat ke depan lebih dalam, 6, 7, 8 gerakan, dengan mudah mengalahkan program yang hanya memprediksi 4 langkah ke depan. Algoritma pencarian yang lebih efisien ditemukan yang disebut "pencarian memperdalam berulang"; dia bisa secara bertahap meningkatkan kedalaman pencarian di sepanjang jalur yang terlihat paling menjanjikan. Ini pertama kali digunakan di Catur 4.5.3 David Slate dan Larry Atkins - program pertama yang memenangkan turnamen catur manusia tahun 1976. Kapasitas memori yang meningkat juga memungkinkan program untuk mempertahankan posisi yang ditinjau sebelumnya, yang selanjutnya mengurangi jumlah pencarian yang diperlukan. Semua inovasi ini (pemangkasan alfa-beta, pendalaman berulang, penyimpanan posisi terverifikasi, dan database bukaan dan permainan akhir) dipertukarkan secara bebas oleh pengembang program catur di turnamen catur komputer, sehingga menjadi teknik standar.
Pada tahun 1977, Ken Thompson (lebih dikenal sebagai penulis bersama sistem operasi Unix) dan Joe Condon dari Bell Laboratories merancang Belle, sebuah mesin catur khusus. Peralatan catur khusus dan basis data permainan akhir Belle telah merevolusi catur komputer.
Belle 13- . Belle , Cray Blitz. 1970 1994 (Association for Computing Machinery, ACM) .
1980- Belle, Bell Labs, . Belle CHAOS WCCC 1980 , , . Belle CHAOS .
Belle Chess 4.0 4- (WCCC), - 1983 . : , . : Chess . Cray Blitz, Bebe.
Terlepas dari kemajuan perangkat lunak, dengan meningkatnya kecepatan komputer di tahun 1970-an, program catur secara otomatis menjadi lebih baik tanpa inovasi perangkat lunak apa pun. Pada 1980-an, faktor dominan dalam kemajuan catur komputer adalah penggunaan perangkat keras untuk mempercepat pencarian. Mereka telah menjadi tantangan desain komputer, bukan tantangan AI. Pada tahun 1997, Deep Blue masih menggunakan teknik pemrograman yang sama seperti program catur 20 tahun sebelumnya; namun, ia berhasil mengalahkan Kasparov terutama karena ia adalah komputer yang cepat dengan banyak prosesor paralel khusus. Dalam arti tertentu, ketika komputer tumbuh dalam kecepatan, program catur menjadi kurang cerdas.
Deep Thought I, 1988 . Deep Thought, — , Deep Blue.
Deep Blue.
IBM Deep Blue ( , , , , . . ).
1997 Deep Blue (-).
Pada 1980-an, pencarian pertama secara mendalam sebagai topik dominan dalam penelitian AI sudah menurun. Mulai 1960-an, peneliti seperti Ed Feigenbaum di Stanford telah menciptakan apa yang disebut "sistem pakar", di mana sejumlah besar pengetahuan ahli manusia dituangkan ke dalam program AI dalam bentuk aturan jika-maka. Seperti dalam kasus program heuristik pertama, aturan ini diprogram ke dalam kode perangkat lunak, tetapi tidak seperti sistem heuristik, "basis pengetahuan" dipisahkan dari bagian logis dari program ("mesin inferensi"). Feigenbaum dan penganut sistem pakar lainnya berpendapat bahwa "pengetahuan adalah kekuatan." Dengan kata lain, mereka percaya bahwa basis pengetahuan yang besar mengkompensasi kurangnya penalaran yang kompleks: semakin banyak pengetahuan, semakin sedikit pencarian, dan sebaliknya.
Tiger in a Cage: Menerapkan Sistem Basis Pengetahuan, Kuliah oleh Edward Feigenbaum, 1993
Diskusi sejarah AI di AAAI-17: sistem pakar, 2017
Pada 1980-an, sistem pakar melahirkan banyak perusahaan komersial. Semua aktivitas ini hampir tidak mempengaruhi program catur, yang pada saat itu sedang berlangsung ke arah yang berbeda: kembali ke pencarian brute force dengan bantuan peralatan khusus. Mesin catur terkemuka dari jenis ini adalah Belle of Bell Labs milik Ken Thompson dan dua proyek Universitas Carnegie Mellon yang terpisah: HiTech Hans Berliner dengan Feng Xiong Xu dan Deep Thought dari Murray Campbell, yang kemudian berkembang menjadi Deep Blue IBM. Artinya, pada saat mesin mengalahkan Kasparov, program catur praktis tidak lagi dikaitkan dengan bidang umum penelitian AI, meskipun mereka menyediakan iklan yang bagus.
Yang lebih meresahkan, bagaimanapun, adalah serangan terhadap proyek AI simbolis berdasarkan hipotesis simbol fisik Newell dan Simon pada awal 1990-an. Para pengkritiknya, khususnya filsuf Hubert Dreyfus, mulai mempertanyakan proyek AI simbolik pada 1960-an, dengan alasan bahwa asumsi filosofis tentang pemisahan otak dan tubuh salah dan ketinggalan jaman. Filsuf abad ke-20 seperti Martin Heidegger berpendapat bahwa pemikiran manusia tidak dapat dipisahkan dari pengalaman jasmani dan lingkungan budaya terdekat dari subjek tersebut.
Peneliti AI bereaksi sangat tajam terhadap kritik terhadap Dreyfus (meskipun dia sendiri tidak terlalu diplomatis): otoritas terkemuka di bidang jurnal terancam AI ketika mereka menerbitkan karya Dreyfus. Mereka bersuka cita ketika Dreyfus, yang tidak pandai catur, dikalahkan oleh program catur MacHack Richard Greenblatt. Namun, keberhasilan program catur tidak membuktikan bahwa kritik Dreyfus salah. Faktanya, fakta bahwa program catur seperti Deep Blue menggunakan pencarian brute force berarti mereka tidak memainkan peran khusus dalam proyek AI untuk keperluan umum yang lebih besar. Drama kekalahan gemuruh Kasparov dielu-elukan sebagai tonggak kemenangan Mesin atas Manusia, tetapi pada kenyataannya itu adalah kemenangan para insinyur Deep Blue atas satu pemain catur. Dan pencipta Deep Blue tidak mengklaimbahwa komputer mereka cerdas. Mereka berkata: jika kebakaran mulai terjadi di dalam gedung, Kasparov akan cukup pintar untuk melarikan diri, dan mobil akan tetap berada di tempatnya. Dan meskipun sebelumnya pelopor AI John McCarthy menganggap catur sebagai tugas utama AI, setelah kemenangan Deep Blue, ia mengkritik catur karena gagal mengembangkan satu teori baru tentang cara meniru kecerdasan manusia.
Media menggambarkan tayangan ulang tahun 1997 antara juara catur dunia Garry Kasparov dan superkomputer khusus IBM Deep Blue sebagai pertarungan antara manusia dan mesin. Di sampul Newsweek, dia dijuluki "Garis Pertahanan Terakhir Otak." Pandangan seperti itu membesar-besarkan kekuatan komputer dan meminimalkan tenaga kerja orang-orang yang membuat mesin itu sendiri.
Pada awal 1990-an, para peneliti mulai menanggapi kritik Dreyfus dengan serius dan mulai menemukan jenis AI baru, seperti AI yang secara tegas memiliki tubuh, seperti robot Rodney Brooks 4, atau yang berhubungan dengan emosi. Seperti yang akan kita lihat di bagian kedua artikel ini, di tahun 2000-an, tradisi AI yang sama sekali berbeda yang disebut pembelajaran mesin mulai menggantikan AI simbolik. Pembelajaran mesin mampu melakukan tugas yang tidak pernah dilakukan AI simbolik lebih baik dari manusia, seperti mengenali wajah atau memahami ucapan manusia. Hal yang sama berlaku untuk game yang tidak dapat dimainkan oleh mesin secara kompetitif dengan heuristik search, yaitu go.
Namun, meskipun penelusuran telah kehilangan kehebatannya sebagai teknik AI utama, ia tidak pernah kehilangan kegunaannya dalam bidang ilmu komputer yang lebih luas. Kemajuan yang signifikan telah dibuat dalam meningkatkan algoritma pencarian untuk penyelesaian masalah yang optimal dan efisien. Teknik ini sangat mendasar sehingga pembuatan dan pencarian pohon keputusan tersebar luas; hampir tidak mungkin untuk membuat daftar semua program yang menggunakannya.
Pencarian berperan dalam tugas apa pun untuk mendapatkan informasi, mulai dari menjalankan kueri terhadap database hingga mencari di web. Algoritme pencarian A * pertama kali ditemukan untuk robot ShakeySRI, banyak digunakan untuk perutean kendaraan otonom dan aplikasi GPS. Dan bahkan saat ini, program AI yang memainkan game menggunakan pembelajaran mesin menggunakan berbagai jenis pencarian, bahkan jika itu bukan lagi komponen yang paling menarik darinya. Namun, seperti teknik lain yang dulunya dianggap sebagai "kecerdasan buatan", penelusuran modern dianggap hanya teknik dasar komputer, tidak lebih cerdas dari program biasa. Ini menggambarkan pola historis perkembangan AI: setelah menjadi standar dan otomatis, orang tidak lagi menganggapnya sebagai "kecerdasan". Sebelumnya, ketika kita berbicara tentang "AI", kemungkinan besar itu adalah pencarian. Saat "AI" disebutkan hari ini, biasanya dimaksudkan untuk merujuk pada penerus AI simbolis - pembelajaran mesin.
Di bagian kedua artikel ini, kita akan menjelajahi revolusi pembelajaran mesin dalam kecerdasan buatan, kedalaman perbedaan antara pembelajaran mendalam versus pencarian dan AI simbolik, dan bagaimana AlphaGo dari DeepMind menggunakan pembelajaran mendalam untuk mengalahkan Juara Dunia Go Lee Sedol.
Catatan
1. Nathan Ensmenger, “Apakah Catur adalah Drosophila dari Kecerdasan Buatan? Sebuah Sejarah Sosial Algoritma, " Ilmu Sosial Ilmu 42, no. 1 (Februari 2012): 22, https://doi.org/10.1177/0306312711424596 .
2. Kai-Fu Lee, Kekuatan Super AI: Cina, Lembah Silikon, dan Tatanan Dunia Baru. (Boston; New York: Houghton Mifflin Harcourt, 2019), 1-5.
3. Stuart J. Russell dan Peter Norvig, Artificial Intelligence: A Modern Approach , edisi ke-3, Prentice Hall Series dalam Artificial Intelligence (Upper Saddle River, NJ: Pentice Hall, 2010), 110.
4. Rodney A. Brooks, “ Gajah Jangan Bermain Catur, ” Robotika dan Sistem Otonom, Mendesain Agen Otonom, 6, no. 1 (1 Juni 1990): 3-15, https://doi.org/10.1016/S0921-8890(05)80025-9 .
Periklanan
Jika Anda membutuhkan server dengan aktivasi instan di Linux atau Windows untuk bekerja , maka Anda pasti datang kepada kami - server siap bekerja dalam satu menit setelah pembayaran!
