Tata Steel speelt Go
Vorig weekend was Judit Polgar in Wijk aan Zee. Zij speelde verschillende malen mee bij de Masters en werd in 2003 tweede door Anatoly Karpov te verslaan. Zij is een graag geziene gast in Wijk aan Zee.
Op 13-jarige leeftijd speelde Judit al op meesterniveau met een Elo rating boven 2300. Judit was toen niet de enige met dit niveau. Ook de in Londen geboren Demis Hassabis was een uitzonderlijk jeugdtalent. Hij was enkele dagen jonger dan Judit en had ook een rating van rond de 2300!
Google DeepMind en AlphaGo
Demis Hassabis begon zijn carrière bij een bedrijf in computergames. Daarna besloot hij computerwetenschappen te gaan studeren aan het Queens College in Cambridge. Daarna gaf hij enkele jaren leiding aan technologiebedrijven. Vervolgens ging hij weer terug naar de Londense universiteit, promoveerde en deed verder onderzoek op zijn gebied van neurowetenschappen en kunstmatige intelligentie.
In 2010 richtte hij met andere wetenschappers het bedrijf DeepMind op met steun van vooraanstaande technologie-iconen en grote investeerders.
In 2014 werden zij overgenomen door Google. Dit was tevens de grootste Europese overname van Google die hiervoor het lieve sommetje van 600 miljoen euro betaalde.
Demis Hassabis is nu de algemeen directeur van Google DeepMind.
Computer verslaat Europese Kampioen Go
Deze week verscheen een publicatie in het toonaangevende blad Nature waarin Hassabis c.s. er hun aanpak van het computerprogramma AlphaGo uiteengezet hebben. Dit programma combineert Monte Carlo zoekmethoden met kunstmatige intelligentie en diep neurale netwerken en gebruikt nieuwe patroonherkenningstechnieken. Het programma is zelflerend en combineert de kennis van in de praktijk gespeelde go-partijen van toppers met de ervaringen van tegen zichzelf gespeelde partijen.
Recent werd de Europese Go Kampioen Fan Hui in een match over 5 partijen verslagen door AlphaGo met 5-0. Eerder hadden zij al alle andere computer Go programma’s verslagen.
Dit was een prestatie van formaat omdat niemand er rekening mee hield dat dit nu al mogelijk zou zijn. Men dacht aan 2020-2025. Bij het schaken zijn er 10 tot de macht 38 verschillende stellingen maar bij Go zijn er 10 tot de macht 171 stellingen mogelijk. Dus alleen met brute rekenkracht komt men er niet. Door het toepassen van kunstmatige intelligentie, patroonherkenning en het gebruik van de rekencapaciteit in neurale netwerken kon deze grote stap voorwaarts worden gemaakt.
Nu gaat een vergelijking met de match Kasparov tegen IBM’s Deep Blue, bijna 20 jaar geleden, niet geheel op. Kasparov was wereldkampioen. Bij Go is er nog een groot verschil in sterkte tussen de Europees en wereldkampioen. Europees Kampioen Fan Hui is tweede ‘dan’ en de wereldkampioen Go is negende ‘dan’!
In maart zal AlphaGo het in Seoul opnemen, in een match van 5 partijen, tegen de Zuid-Koreaanse wereldkampioen Lee Sedol, bij leven al een legende. Als Lee wint mag hij minstens een miljoen dollar op zijn rekening bijschrijven.
Voor Google is dit een belangrijk project want mogelijk zijn diverse technieken ook bruikbaar bij projecten als de zelfrijdende auto, medicijnen op maat in de gezondheidszorg etc.
]
Staal maken met kunstmatige intelligentie
Twee dagen na de publicatie van het succes van Google DeepMind met het computerprogramma AlphaGo kwam Tata Steel met het volgende persbericht (waarvan slechts een deel hieronder is opgenomen, foto’s toegevoegd).
Burgemeester Van der Laan van Amsterdam opent vanmiddag (29 januari) een vestiging van Tata Steel op het Amsterdam Science Park. Tata Steel zet in op het creëren van staal met een hogere toegevoegde waarde voor zijn klanten door het inzetten van kunstmatige intelligentie (‘artificial intelligence’). Op het Amsterdam Science Park gaan onderzoekers van Tata Steel samenwerken met innovatieve, hightech start-ups om via digitale innovaties als kunstmatige intelligentie nieuwe technieken te ontwikkelen en implementeren om nog hogere kwaliteiten staal te kunnen maken. Inmiddels is een project gestart met het aldaar gevestigde bedrijf Scyfer (een spin-off van de Universiteit van Amsterdam), gericht op het verbeteren van inspectietechnieken voor de oppervlaktekwaliteit van staal.
Zelflerende systemen
“Exclusief voor Tata Steel ontwikkelt Scyfer zelflerende algoritmes, die enorme hoeveelheden complexe data met miljoenen variabelen analyseren en daar patronen in herkennen”, aldus Max Welling, oprichter van Scyfer en hoogleraar Machine Learning aan de Universiteit van Amsterdam. “Aan de hand daarvan kun je bijvoorbeeld op een rol staal van twee kilometer lengte tot op de vierkante millimeter nauwkeurig vaststellen wat de oppervlaktekwaliteit is en hoe die zich verhoudt tot de wensen van de klant. Ik ben ervan overtuigd dat het toepassen van kunstmatige intelligentie voor hightech bedrijven als Tata Steel dé manier is om zich te onderscheiden ten opzichte van concurrenten. Dit wordt een game changer binnen de staalindustrie en een katalysator voor hightech innovatie”, aldus Welling. Scyfer is gespecialiseerd in het ontwikkelen van hoogwaardige machine learning en deep learning technologie en het toepassen daarvan in de industrie, media en gezondheidszorg. Op het Amsterdam Science Park bevindt zich een van de grootste concentraties aan wetenschappelijk onderzoek in Europa met state-of-the-art faciliteiten en laboratoria en toegang tot de kennis van ruim 8.000 wetenschappers, getalenteerde studenten, science-based start-ups en bedrijven.
Franka Rolvink Couzy in het Financiële Dagblad:
‘Staalfabrikant Tata Steel zet zelflerende computers in om de concurrentiestrijd met de Chinezen aan te kunnen. Chinese staalbedrijven dumpen hun overproductie op de Europese markt. Ook Tata Steel heeft hier last van. Door het productieproces met zelflerende computers oftewel kunstmatige intelligentie slimmer te maken kan het concern klanten op maat gemaakt staal verkopen tegen dezelfde kosten als waartegen het grote volumes produceert. Ook kan zo vrij precies woorden bepaald waar ‘onregelmatigheden’ in het staal zitten zodat minder fouten in de productie van bijvoorbeeld de autoproducenten ontstaan.’
Stand van zaken bij het schaken
Naast het voortdurend verbeteren van schaakprogramma’s (engines) zijn er geen grote stappen voorwaarts meer gemaakt. Met de partijen van het Tata Steel Chess Tournament lopen diverse engines mee zoals bij alle grote toernooien gebruikelijk is. Bij de ‘live-coverage’ wordt hiervan ook gebruik gemaakt.
Probleem is dat de resultaten van de engines vaak onverklaarbaar zijn en makkelijk van ‘+ ‘ naar ’– ‘springen en omgekeerd zonder dat hiervoor vaak een goede reden is. M.a.w. de engines kunnen wel van alles vinden maar ze zijn niet in staat dit in heldere taal ‘live’ uit te leggen. Nu produceren ze alleen lange series zetten. Mat, pat of stukwinst in een paar zetten is geen probleem meer.
Kenmerkend is ook dat er nog geen goede computerondersteunde en didactische verantwoorde serie programma’s bestaat om goed schaken te leren ongeacht de leeftijd, het schaken te oefenen op alle niveaus van beginnend amateur tot grootmeester en eigen gespeelde partijen te analyseren in de context van het geleerde. Big data technieken en kunstmatige intelligentie technieken bij grote databases met partijen staan nog in de kinderschoenen. Ook is er nog relatief weinig voortgang geboekt m.b.t. tablebases. (Wat is de uitslag van een partij bij acht of meer stukken op het bord?)
Voor computers worden effectieve zelflerende technieken ontwikkeld en de vraag is hoe een effectief zelflerend systeem voor de schaker er uit zou kunnen zien?
Een compliment voor dit artikel. Het go gedeelte is erg intrigerend. Nooit geweten (ik ken het spel dan ook niet) dat het aantal mogelijkheden van go zoveel groter is dan bij schaak. En de regels simpeler! Terwijl de schaakregels al zo eenvoudig zijn. Maart is een belangwekkende maand voor het schaken met het kandidatentoernooi, maar minstens zo interessant lijkt dus de go-match tussen mens en computer.