هوش مصنوعی در بازی ها (برو، شطرنج و دیگران) انسان ها را شکست داد. Towards Deep Blue: راهنمای گام به گام برای ساختن یک هوش مصنوعی ساده برای بازی شطرنج پروژه آموزش شطرنج و هوش مصنوعی

فرهنگ. پایان نامه. Cand. Ped.Sc. روستوف-آن-دون. 2003.

2. آزاروا ا.ا. اشکال مخرب تربیت خانوادگی، مشکلات کنونی زمان ما، جنایات دوران اخیر: جنبه های معنوی، اخلاقی و جرم شناختی. - روستوف روی دان: انتشارات دانشگاه دولتی آموزشی روسیه، 2005.

3. گابدروا GSh. جنبه های اصلی مشکل اضطراب در روانشناسی // روانشناس مدرسه. - 2004. - شماره 8. - ص 9.

4. Enikolopov S.N. مشکلات خشونت خانوادگی // مشکلات روانشناسی. -2002. -شماره 5-6.

5. تسلویکو وی.ام. روانشناسی خانواده های ناکارآمد: کتابی برای معلمان و والدین. - M.: انتشارات VLADOS-PRESS، 2003.

6.شاپر وی.ب. روانشناسی عملی. روانشناسی روابط بین والدین و فرزندان. -Rostov n/d: Phoenix، 2006.

A.I. علیفیروف

Ph.D. Ped علوم، دانشیار RGSU، مسکو، فدراسیون روسیه

I.V. میخائیلووا Ph.D. Ped علوم، دانشیار RGSU، مسکو، فدراسیون روسیه

"هوش مصنوعی" در شطرنج

حاشیه نویسی

این مقاله به بررسی پیدایش استفاده از نرم‌افزار و سخت‌افزاری می‌پردازد که قادر به انجام فعالیت‌های فکری قابل مقایسه با فعالیت‌های فکری انسان است.

کلید واژه ها

فن آوری های کامپیوتری در شطرنج، برنامه های شطرنج، شطرنج.

امروزه اصطلاح «هوش مصنوعی» (AI) به تئوری ایجاد نرم‌افزار و سخت‌افزاری اشاره دارد که قادر به انجام فعالیت‌های فکری قابل مقایسه با فعالیت‌های فکری انسان است. هنگام حل مسائل عملی، آنها اغلب از یک وظیفه از لیست استفاده می کنند و معتقدند که اگر یک سیستم کامپیوتری قادر به حل این مشکلات باشد، پس یک سیستم هوش مصنوعی است. اغلب این فهرست شامل بازی شطرنج، اثبات قضایا، حل مسائل تشخیصی با استفاده از مجموعه ای ناقص اولیه از داده ها، درک زبان طبیعی، توانایی یادگیری و خودآموزی، توانایی طبقه بندی اشیا، و همچنین توانایی توسعه دانش جدید مبتنی بر دانش است. در مورد تولید قوانین جدید و دانش مدل های منظم سازی

یکی از مهمترین مشکلات علم جدید - سایبرنتیک - این بود که چگونه می توان مدیریت را بهبود بخشید، چگونه تصمیم گیری را بهبود بخشید. یکی از بنیانگذاران سایبرنتیک، سی. شانون، رسمی کردن و برنامه نویسی شطرنج را به منظور استفاده از رایانه شطرنج به عنوان الگویی برای حل مسائل کنترلی مشابه پیشنهاد کرد. اقتدار K. Shannon به حدی بود که ایده های او بلافاصله پایه و اساس یک جهت علمی جدید را گذاشت. ایده های K. Shannon در آثار A. Turing، K. Zuse، D. Prinz مورد استفاده قرار گرفت.

نویسنده نظریه اطلاعات. K. Shannon نوشت: "یک ماشین شطرنج برای شروع ایده آل است زیرا (1) مشکل به وضوح توسط عملیات مجاز (حرکت) و هدف نهایی (مات چک) تعریف می شود؛ (2) آنقدر ساده نیست که بی اهمیت باشد. و دستیابی به یک راه حل رضایت بخش چندان دشوار نیست؛ (3) معتقدیم که شطرنج برای بازی ماهرانه به «فکر کردن» نیاز دارد، حل این مشکل ما را یا به تحسین توانایی های تفکر مکانیزه یا محدود کردن مفهوم «تفکر» سوق می دهد. (4) ساختار گسسته شطرنج به خوبی با ماهیت دیجیتال کامپیوترهای مدرن مطابقت دارد.

پس از آن، شطرنج به موضوع رقابت بین هوش طبیعی و مصنوعی تبدیل شد و تعدادی مسابقه بین شطرنج بازان پیشرو جهان در برابر رایانه برگزار شد. در سال 1995، در مصاحبه ای با مجله محبوب Wired، G.K. کاسپاروف دیدگاه خود را در مورد بازی شطرنج تشریح کرد: "شطرنج ریاضی نیست، خیال و تخیل است، منطق انسانی است و نه یک بازی با نتیجه قابل پیش بینی. من فکر نمی کنم که از لحاظ نظری بازی شطرنج را بتوان در آن گنجاند. مجموعه ای از فرمول ها یا الگوریتم ها. دو سال بعد، ابرکامپیوتر DEEP BLUE با شکست سیزدهمین قهرمان جهان G.K. کاسپاروا در یک بازی برگشت شش بازی، موضوع قابلیت های هوش مصنوعی شطرنج را از دستور کار حذف کرد. DEEP BLUE یک پایگاه داده کامل از همه بازی ها را در حافظه ذخیره می کند و استراتژی را منحصراً با محاسبه تجزیه و تحلیل می کند. بعد از بازی G.K. کاسپاروف دیدگاه خود را تغییر داد و اعتراف کرد که: "شطرنج تنها رشته ای است که در آن می توان شهود و خلاقیت انسان را با قدرت و ماشین ها مقایسه کرد." این مسابقه مسیر توسعه شطرنج کلاسیک و کامپیوتر را تغییر داد. کمک هوش مصنوعی به طور گسترده در سیستم آموزشی مورد استفاده قرار گرفته است. DI. برونشتاین در کتاب خود "دیوید علیه جالوت" (2003) نوشت: "بوتوینیک معتقد بود که شطرنج هنر تجزیه و تحلیل است و زمان بداهه نوازان تنها مانند اندرسن، مورفی، زوکرتورت برای همیشه گذشته است. با نگاهی به شطرنج مدرن، ما می بینیم باید اعتراف کرد که Botvinnik معلوم شد که درست می‌گوید. "پسران کامپیوتر" ایده او را در مورد نیاز به تجزیه و تحلیل خانگی به حد پوچ رساندند. آنها حتی این واقعیت را پنهان نمی‌کنند که تغییرات ابتدایی را به یک نتیجه واضح می‌رسانند. در تورنمنت لینارس (2000)، لکو مجارستانی بدون سایه ای از خجالت اعتراف کرد که کل بازی با آناند روی کامپیوتر او بوده است!

فهرست ادبیات مورد استفاده:

1. Alifirov A.I. کار هدایت شغلی در مدارس متوسطه با استفاده از شطرنج / Alifirov A.I. // مشکلات توسعه علم و آموزش: تئوری و عمل. مجموعه مقالات علمی بر اساس مطالب کنفرانس علمی و عملی بین المللی 31 مرداد 1394: در 3 قسمت. قسمت دوم. م.: «آر-کنسالت»، 1394 - صص 13-14.

2. Mikhailova I.V., Alifirov A.I. اقدامات تاکتیکی شطرنج بازان / Mikhailova I.V., Alifirov A.I. // نتایج تحقیقات علمی مجموعه مقالات کنفرانس علمی و عملی بین المللی. ویراستار اجرایی: سوکیاسیان آساتور آلبرتوویچ (15 فوریه 2016) ساعت 4 بعد از ظهر قسمت 3 - Ufa: AETERNA. -2016.S. 119-121.

3. Mikhailova I.V., Alifirov A.I. مبانی نظری و روش شناختی روش تفکر با طرح های شطرنج بازان / میخائیلووا I.V.، Alifirov A.I. // نتایج تحقیقات علمی مجموعه مقالات کنفرانس علمی و عملی بین المللی. ویراستار اجرایی: سوکیاسیان آساتور آلبرتوویچ (15 فوریه 2016) ساعت 4 بعد از ظهر قسمت 3 - Ufa: AETERNA. - 1395. صص 123-125.

4. Mikhailova I.V. آموزش شطرنج بازان جوان با مهارت بالا با استفاده از برنامه های شطرنج کامپیوتری و اینترنت: چکیده نویسنده. دیس ... می تونم Ped علوم: 13.00.04 / میخائیلووا ایرینا ویتالیونا; RGUFK. - م.، 2005. - 24 ص.

UDC 378.046.2

A.I. علیفیروف

کاندیدای علوم تربیتی، دانشیار RGSU، مسکو، فدراسیون روسیه V.V. فدچوک، Ph.D.

Blagopoluchie LLC، مربی ارشد روش شناس، مسکو، مطالعه RF سطح سلامت جسمانی نوجوانان

حاشیه نویسی

در این مقاله مشکل سلامت جسمی نوجوانان و تأثیر عوامل مختلف مورد بحث قرار گرفته است

عکس ها از منابع باز

هوش مصنوعی جدید تنها در 4 ساعت تمرین بهترین شطرنج باز روی زمین شد! (سایت اینترنتی)

آیا به یاد دارید که ابرکامپیوتر شطرنج "Deep Blue" در سال 1996 با پیروزی در اولین بازی مقابل قهرمان روسیه گری کاسپاروف چه حسی ایجاد کرد؟ علیرغم اینکه هموطن ما همچنان برنده این بازی بود، اما حتی از آن زمان مشخص شد که هوش مصنوعی به سرعت در حال پیشرفت است و روزی به طرز جذابی تبدیل به بهترین شطرنج باز خواهد شد و پس از آن بازی کردن با این برنامه برای مردم بی فایده خواهد بود. تنها سوالی که باقی می ماند این بود که چه زمانی این اتفاق می افتد.

نمایندگان شرکت معروف گوگل گفتند که بالاخره این زمان فرا رسیده است. به گفته کارشناسان، شبکه عصبی AlphaZero که آنها تنها در 4 ساعت خودآموزی توسعه دادند، به باهوش ترین و بی عیب و نقص ترین بازیکن شطرنج در کل تاریخ این بازی تبدیل شد. یک هوش مصنوعی فوق قدرتمند، شطرنج بازی را یاد گرفت و فقط قوانین آن را دانست. پس از 4 ساعت بازی با خود، ربات یاد گرفت که بی نقص بازی کند و به راحتی برنامه شطرنج Stockfish را که قبلاً کامل ترین برنامه در نظر گرفته می شد شکست داد. رایانه ها 100 بازی انجام دادند - AlphaZero موفق شد 28 بازی را به دست آورد و 72 بازی باقیمانده را قرعه کشی کرد. یک شبکه عصبی پیشرفته که کار مغز انسان را تقلید می کند قادر است ریسک کند و حتی از نوعی شهود استفاده کند.

دیگر نیازی به رویای پیروزی بر هوش مصنوعی نیست.

مدل های قبلی AlphaZero این بازی را با تماشای زنده شطرنج بازان آموختند. توسعه دهندگان تصور می کردند که این به هوش مصنوعی کمک می کند تا استراتژی های بازی را بهتر درک کند. در واقع، معلوم شد که نظارت بر افراد فقط توسعه برنامه را کند می کند. هنگامی که شبکه عصبی به حال خود رها شد، توانایی های آن به شدت افزایش یافت. اکنون مهندسان گوگل به این فکر می کنند که چگونه از چنین فناوری هایی برای منافع واقعی بشریت استفاده کنند، زیرا یک بازی شطرنج، حتی استادانه ترین بازی، هیچ هدف عملی ندارد.

در سال 1968، دیوید لوی معروف شرط بندی کرد که هیچ برنامه ای در دهه آینده او را شکست ندهد. در تمام این مدت، استاد بزرگ دائماً با رایانه های مختلف شطرنج مسابقه می داد و هر بار در برابر آنها پیروز می شد. او در سال 1978 قوی ترین برنامه آن زمان شطرنج 4.7 را شکست داد و برنده شرط بندی شد. متأسفانه، این روزها دیگر چنین دعواهای جالبی وجود نخواهد داشت - اکنون فقط باید در مورد نحوه شکست یک شبکه عصبی خارق العاده دیگری بیاموزیم. شطرنج بازان زنده دیگر حتی نمی توانند رویای شکست چنین هیولاهایی را داشته باشند. و این تنها آغاز چنین پیروزی های هوش مصنوعی بر انسان است...

تاریخ توسعه اتوماسیون و فناوری کامپیوتر به طرز عجیبی با شطرنج مرتبط است. در قرن 18 ماشین های شطرنج "فکر" برای حقه ها و حقه ها خدمت می کردند. اولین ماشین با هوش مصنوعی واقعی که در اوایل قرن بیستم در اسپانیا ساخته شد، توانست شطرنج‌بازی را که با یک شاه بازی می‌کرد با یک شاه و یک روک مات کند. ظاهراً تصادفی نیست که یکی از اولین کارهای فکری واقعی که در طلوع فناوری رایانه به برنامه نویسان محول شد، بازی شطرنج بود. یکی از کسانی که اولین برنامه های شطرنج را ایجاد کرد، دکترای علوم فنی، پروفسور ولادیمیر لوویچ آرلازاروف، در مورد برنامه های شطرنج و ارتباط این بازی باستانی با توسعه فناوری های هوش مصنوعی صحبت می کند.

- ولادیمیر لوویچ، چگونه به این ایده رسیدید که رایانه می تواند مشکلات فکری را حل کند؟

- هنگامی که آنها متوجه شدند که رایانه ها نه تنها می توانند محاسبه کنند، همانطور که از همان ابتدا اختراع شد، که در پشت عملیات حسابی یک عمل منطقی وجود دارد که نه تنها عملکردهای کمکی را در فعالیت های برنامه های رایانه ای انجام می دهد، بلکه به کمک آن نیز انجام می شود. حل مشکلات مستقل امکان پذیر است، واضح است: ارزش تلاش برای قرار دادن وظایف فکری روی رایانه را دارد. در جایی از اواخر دهه 40 تا اواخر دهه 50، این به طور فعال مورد بحث قرار گرفت، علاوه بر این، سؤالات نیمه فلسفی مطرح شد: شاید رایانه ها از مردم باهوش تر باشند؟ و پس از آن چه؟ و با جدیت تمام. امروزه چنین سوالاتی مطرح نمی شود، بالاخره 40 سال گذشته است. سپس، در طلوع فناوری کامپیوتر، ما فقط متوجه شدیم که ماشین ها اصولاً چه کاری می توانند انجام دهند. ما متوجه شدیم که مغز انسان دستگاهی است شبیه کامپیوتر و هزاران میلیون بار قدرتمندتر، اما اساساً کمی متفاوت است. روشن شد که حداقل اکثر مشکلات عقلانی که یک فرد حل می کند را می توان به یک ماشین اختصاص داد. بنابراین، می توانید سعی کنید برنامه هایی بنویسید که این مشکلات را حل کنند. یک، دو، هزار... بالاخره یک نفر هم بی نهایت مشکل را حل نمی کند. و به اصطلاح می توان همه فعالیت های فکری یک فرد را برنامه ریزی کرد.

- چرا تصمیم گرفتید به بازی روی بیاورید؟

- همانطور که قبلاً گفتم، به طور گسترده بحث شده است که آیا یک ماشین می تواند فکر کند یا خیر. با این حال، کاملاً واضح است که اگر ما در مورد برنامه نویسان صحبت می کنیم، در مورد افرادی که نه با فلسفه، بلکه با یک کامپیوتر واقعی سروکار دارند، سؤال این نیست که آیا دستگاه اصولاً می تواند کاری انجام دهد، بلکه در جستجوی نمونه هایی از مکان ماشین ها است. تصمیم گیری در مورد وظایف فکری و آنهایی که در فعالیت فکری فرد در دسترس است. خط اینجا البته مشخص نیست. اما واضح است که اگر شخصی اعداد 20 رقمی را ضرب کند ، با یک کار عمیق فکری سر و کار ندارد ، زیرا برای انجام آن می توان الگوریتم بی اهمیتی را پیدا کرد که برای هر دانش آموز مدرسه ای شناخته شده است. اما کارهایی که کاملاً واضح است که شخص هیچ الگوریتم پیشینی ندارد، اما با این وجود آنها را به خوبی حل می کند، ما آن را روشنفکر می نامیم. اولین مدعیان چنین وظایفی بازی ها هستند، به این دلیل ساده که حداقل قوانین به وضوح بیان شده است. این کار بسیار دشوار است، اما قواعد بازی به راحتی قابل فرمول‌بندی است و بنابراین تعیین عملکرد دستگاه آسان است. از طرفی شطرنج برای انسان کار سختی است که به نوعی هرگز مطرح نشده و اکنون مطرح نیست.

- چرا شطرنج را به عنوان یک بازی انتخاب کردید؟ شاید یک سنت؟

- چرا فقط شطرنج؟ ما بازی های کراس کانتری و دیگر بازی ها را امتحان کردیم. اما شطرنج نسبت به سایر بازی ها مزایای زیادی دارد. اگر در بازی های ساده یک ماشین یک نفر را کتک بزند، این هیچ کس را شگفت زده نمی کند. شطرنج یک بازی دشوار است و پیروزی کامپیوتری مهم است. سپس در شطرنج، بر خلاف تعدادی از بازی های دیگر، معیارهای کیفیت قابل تمایز زیادی وجود دارد، یعنی می توانید تعیین کنید: یک ماشین خوب بازی می کند، یک ماشین بهتر، بهتر، بهتر بازی می کند. در بسیاری از بازی های دیگر، ایجاد چنین درجه بندی ها بسیار دشوار است. در برخی از آنها، دستگاه یا آموزش داده می شود که کاملاً دقیق بازی کند و در نتیجه بلافاصله تمام علاقه خود را به بازی از دست می دهد یا بسیار ضعیف بازی می کند. و در شطرنج، نه انتزاعی، بلکه، به اصطلاح، تسلط یافته، سطوح بسیار زیادی وجود دارد که با کمک آنها می توانید کلاس بازی ماشین را تعیین کنید.

- پس واضح است که چرا شطرنج یکی از اولین و مهمترین وظایف هوش مصنوعی بوده است. برای حل آن از چه روش هایی استفاده شد؟

– از همان ابتدا به تدریج بر روش حل مشکل یک بازی شطرنج مسلط شدم. اصولاً شطرنج یک بازی متناهی است و می توان با دقت ریاضی ثابت کرد که در هر موقعیتی، به صورت انتزاعی، بهترین حرکت برای هر حریف و در نتیجه نوعی نتیجه وجود دارد. بنابراین، لازم است الگوریتمی را توصیف کنیم که در آن بتوان این بازی را تا پایان محاسبه کرد. تنها عیب چنین الگوریتمی این است که به زمان زیادی نیاز دارد. و ما به ترتیب زمانی مورد نیاز برای محاسبه شطرنج تا پایان از موقعیت شروع نزدیکتر نیستیم. در طول پنجاه سال گذشته، این کار از نظر زمانی بی نهایت پیچیده بوده است. خوب، بی نهایت منهای ده هنوز بی نهایت است. اما اگر به زمان نیاز دارید، مثلاً 10 تا 100 توان سال، و سرعت ماشین را مثلاً 100 بار افزایش دهید و 10 تا توان 98 سال را بدست آورید، بعید به نظر می رسد که راحت تر شوید. بنابراین، الگوریتم اصلی جامع و بی اهمیت است: اگر من این کار را انجام دهم، پس دشمن امکانات بسیار زیادی دارد. گزینه ها به صورت تصاعدی رشد می کنند و زنجیره ای را تشکیل می دهند. اما تعداد موقعیت ها به طور کلی محدود است و تعداد زیادی از آنها در هر زنجیره وجود ندارد. زنجیرها در درختانی ترکیب می شوند که باز هم بی نهایت نیستند. درست است، آنها به طور تصاعدی رشد می کنند و تعداد زنجیره ها افزایش می یابد. بنابراین، یک سوال مهم مطرح می شود: آیا جستجوی کامل، تا انتها، ضروری است - برای همه مات ها، بن بست ها، تکرارهای سه گانه و سایر پایان های بازی طبق قوانین شطرنج؟ به هر حال، اگر الگوریتم به موقعیت هایی منتهی شود که در این درخت ضروری نیستند، شاید کل این درخت نیازی به در نظر گرفتن نداشته باشد. به خود توجه داشته باشید که در حالتی که سفید در یک حرکت جفت می‌شود، می‌توانید همان درخت بی‌نهایت را بسازید، اما نیازی نیست آن را در نظر بگیرید، کافی است این یک حرکت را پیدا کنید. شاید همین وضعیت در مورد شطرنج به طور کلی صدق کند؟ به طور کلی، الگوریتم شمارش، شمارش گزینه‌ها با بسیاری از مسائل حل شده توسط انسان مرتبط است که اگر می‌دانستیم چگونه آن را به روشی بسیار اصلی سازماندهی کنیم، به نوعی مانند اختراع چرخ برای بشریت - یکی از اساسی ترین اکتشافات. بنابراین، نیروی بی رحم می تواند، و شاید هم باشد، چرخی از هوش مصنوعی.

– در یکی از مقالات در مورد هوش مصنوعی خواندم که هوش توانایی درک و انتخاب است. طبیعتا آموزش انتخاب از بین گزینه های زیاد به کامپیوتر بسیار دشوار است. اما مطمئناً راه حل هایی خاص برای شطرنج امکان پذیر است؟

- بله بله. این مشکل باید به سرعت و به طور مؤثر حل می شد و در شطرنج آنها به سرعت به فرمول نظری سؤال زیر رسیدند: بیایید به تعداد بی نهایت حرکت نگاه نکنیم، بلکه فقط به چند حرکت جلوتر نگاه کنیم. بیایید بگوییم بیایید به 5 حرکت جلوتر نگاه کنیم. آن خیلی زیاد است. اگر عاشق شطرنج هستید و 5 حرکت به نظر شما کافی نیست، پس بیایید 10 حرکت را در نظر بگیریم. و سپس ماشین، 10 حرکت، 20 حرکت نیمه جلو، هیچ اشتباهی مرتکب نخواهد شد و تضمین می کند که بعد از 10 حرکت کمتری نخواهید داشت. قطعات. واضح است که با یک ماشین بازی قوی روبرو هستیم. بنابراین درخت بازی باید کوتاه شود و مشکل در فضای بسیار محدودتر حل شود. سوال دیگر این است که با روش های برش ریاضی سعی می کنند این درخت را ناقص در نظر بگیرند. من قبلاً در مورد یکی از آنها صحبت کرده ام: اگر در یک حرکت جفت وجود داشته باشد، نیازی به بررسی گزینه های دیگر نیست. سایر الگوریتم ها اکتشافی هستند و دقیق نیستند. به طور متوسط آنها به درستی کار می کنند، بسیاری از آنها کاملاً دقیق هستند، اما ممکن است اشتباه نیز باشند. به عنوان مثال، ما می توانیم نه همه حرکت ها، بلکه فقط کپچرها را طی کنیم و آنها را خیلی جلوتر محاسبه کنیم، زیرا کپچرها کم هستند. عمق کلی حرکات کم است: شما نمی توانید بیش از سی و دو قطعه بخورید. بنابراین طول زنجیر کم است و شاخه های کمی دارد. البته واضح است که شما نمی توانید یک بازی را تنها بر روی کپچر بسازید، باید ملاحظات موقعیتی وجود داشته باشد. ترکیبی از ملاحظات اجباری (گرفتن، بررسی) و موقعیت و همچنین مقداری عمق جستجو، اساس همه الگوریتم‌های موجود است و تغییر چندانی نمی‌کند. یک سوال دیگر: چگونه می توان حرکت هایی را که در ادامه در نظر خواهم گرفت انتخاب کرد؟ فقط بر اساس معیارهای رسمی ساده (گرفتن، چک کردن) یا برای اتصال این حرکات، به قول شطرنج بازان، با یک برنامه، به زنجیره هایی که دارای خاصیت مشترک هستند برسند؟ به هر حال در این باره آثار جدی و با کاربردهای عملی فراوانی نوشته شده است. بی جهت نیست که شرکت های کاملاً معتبری در ایجاد برنامه های شطرنج مشارکت دارند.

- اولین برنامه های شطرنج چه زمانی ظاهر شد؟

- برنامه های واقعی شطرنج ابتدا در اواخر دهه 50 در آمریکا و سپس جایی در اوایل دهه 60 در کشور ما ظاهر شد. برنامه ها بسیار ضعیف بودند، زیرا در آن زمان ماشین های بسیار بدوی وجود داشت و تفکر ما هنوز به تازگی عادت نکرده بود. ما در حدود سال 1963 وارد این تجارت شدیم. سپس چند مسابقه روی خودروهای داخلی ما برگزار شد. به نظر من در سال 1967 اولین مسابقه بین اتحاد جماهیر شوروی و ایالات متحده آمریکا برگزار شد. به این نام خوانده شد، هرچند که البته بین دو تیم برگزار شد و نه کشورها. این مسابقه ای بود بین برنامه ما که در مؤسسه فیزیک نظری و تجربی توسعه یافته بود و برنامه جان مک کارتی، یک فرد بسیار مشهور در دنیای کامپیوتر، یکی از خالقان زبان های برنامه نویسی، که در آن زمان به برنامه های شطرنج علاقه داشت. حرکات از طریق تلگراف مخابره می شدند، زیرا در آن زمان هیچ شبکه ای وجود نداشت.

- و چه کسی برنده شد؟

- ما 3 بر 1 پیروز شدیم. 4 بازی انجام شد. هر روز حرکتی انجام می‌شد، زیرا آمریکایی‌ها برنامه‌های قوی‌تر و عمیق‌تری داشتند که مدت‌ها فکر می‌کردند و ما در نسخه‌های مختلف برنامه‌هایی پخش می‌کردیم که هم سریع و هم آهسته فکر می‌کردند. برد ما اولین دستاورد ما بود. این جهت به تدریج شروع به توسعه کرد و به ویژه در دهه 70 فعال شد. در حدود سال 1974، اولین مسابقات قهرمانی جهان در بین برنامه های شطرنج در استکهلم برگزار شد. حدود هشت برنامه از جمله برنامه ما شرکت کردند. و بعد هم بردیم و اولین قهرمان جهان شدیم. از آن زمان به بعد مسابقات جهانی به طور منظم و هر 3 سال یکبار برگزار می شود. ما دو بار دیگر در آنها شرکت کردیم - در سال 1977 و در سال 1980. در آن زمان هیچ جایزه ای نبردیم، زیرا در سال 1977 مقام دوم و سوم را به اشتراک گذاشتیم (برنامه های شطرنج زیادی شرکت کردند، حتی انتخاب های منطقه ای وجود داشت)، و در سال 1980 - چهارم و مقام پنجم. در کل کم کم داشتند عقب می رفتند. واقعیت این است که تا آن زمان پیشرفت عظیمی در فناوری رایانه صورت گرفته بود و ما هنوز با رایانه‌های قدیمی بازی می‌کردیم. و تا سال 1980، برای ما روشن شد که رقابت بر روی ماشین هایی که روی آن کار می کنیم معنای خود را از دست داده است و به طور کلی، کار در زمینه برنامه های شطرنج در روسیه شروع به نابودی کرد. اگرچه آثار نظری بسیار جالبی وجود داشت. اندکی بعد، شاید اولین برنامه‌ای را ایجاد کردند که در سراسر جهان رفت؛ این برنامه می‌توانست با دقت مطلق یک پایان پیچیده بازی کند، یعنی یک ملکه و یک پیاده در برابر یک ملکه، یا یک رخ و یک پیاده در برابر یک رخ. این برنامه به سادگی چنین بازی های پایانی را تا پایان در نظر می گرفت، یعنی در هر موقعیتی حرکت کاملاً درستی انجام می داد. این الگوریتم بر اساس اصول کمی متفاوت از شمارش ساده، بر اساس بازرسی کامل از کل مجموعه موقعیت ها ساخته شده است. خوب، سپس آنها کارهایی از این قبیل در شطرنج انجام دادند. و سپس با بازی عملی خداحافظی کردیم، زیرا اختلاف سرعت قبلا صدها برابر بود. اما مسابقات قهرمانی ادامه یافت و توسعه برنامه‌های شطرنج زمانی که همه چیز به رایانه شخصی منتقل شد به سطح جدیدی ارتقا یافت. در نتیجه تجاری سازی گسترده، مبالغ هنگفتی در برنامه های شطرنج سرمایه گذاری شد و همه چیز بلافاصله طبقه بندی شد. و قبلاً آنها متعلق به دانشمندانی بودند که، مگر اینکه به طور خاص مجبور شوند، دستاوردهای خود را پنهان نمی کنند، بلکه برعکس، آنها را تبلیغ می کنند. در سال 1980، ما برای اولین بار احساس کردیم که زمان برنامه نویسی تجاری فرا رسیده است. این جهان البته منحصر به فرد است. اولاً به این دلیل که پول در آن سرمایه گذاری می شود و دوم اینکه از آن پول استخراج می شود. اگرچه مجلاتی در مورد برنامه های شطرنج وجود دارد، اما در 15 تا 17 سال گذشته تبادل واقعی ایده ها به شدت کاهش یافته است زیرا آنها به یک تجارت بزرگ در رایانه شخصی تبدیل شده اند.

- اما تجارت باعث توسعه بازار نرم افزار شطرنج می شود؟

- پیش از این، مسابقات کامپیوتری همزمان با انجمن های فناوری رایانه تعیین می شد. چنین سازمانی وجود دارد - IFI (فدراسیون بین المللی انفورماتیک) و معمولاً مسابقات قهرمانی جهان همزمان با کنگره آن برگزار می شود. اکنون آنها به رویدادهای کاملاً مستقل و کاملاً معتبر تبدیل شده اند. در حال حاضر صدها و صدها برنامه از این دست وجود دارد. سطح برنامه نویسی و سطح دانش ما در حال حاضر به گونه ای است که ساخت یک برنامه شطرنج ساده کوچکترین مشکلی ندارد. این یک کار معمولی دانشجویی است. من فقط آن را به یک دانش آموز می سپارم. ضرب و شتم یک برنامه شطرنج به یک امر عادی تبدیل شده است.

- اما، مثل همیشه، سطح پایین ساده تر می شود و بالاتر پیچیده تر می شود؟

- خودشه. بنابراین، آخرین برنامه ها، برنامه هایی که اکنون برنده شده اند، به ویژه برنامه ای که کاسپاروف را شکست داد، بسیار قوی تر شده است. عمق جستجو به میزان قابل توجهی افزایش یافته است و البته این نتیجه پیشرفت های ریاضی ما و تا حدی به سادگی پیشرفت فناوری رایانه است. به هر حال، اگر قبلاً در نظر گرفتن 1000 موقعیت در ثانیه بسیار مورد توجه قرار می گرفت، اکنون در آن درختانی که قبلاً در مورد آنها صحبت کردیم، بیش از یک میلیون موقعیت در نظر گرفته می شود. و یک میلیون اضافی به معنای چندین سطح حرکت با انتخاب مناسب است. و هر سطح از عمق جستجو برنامه را تا حد زیادی تقویت می کند. هر سطح در هر حرکت رو به جلو تقریباً یک رتبه است و مثلاً عمق جستجوی چهار حرکت رتبه سوم است و پنج حرکت قبلاً رتبه دوم است. وقتی به سطح 11-13 حرکت می رسیم، این یک سطح استاد است و ادامه بازی با ماشین بسیار دشوار است. البته اکنون آمریکایی‌ها پیشتاز هستند، زیرا می‌دانند چگونه پول‌های کلان را در چنین چیزهایی سرمایه‌گذاری کنند.

- هر برنامه هوش مصنوعی برای تصمیم گیری نه تنها به مکانیزم های اکتشافی، بلکه به نوعی پایگاه دانش نیز نیاز دارد. رابطه بین پایگاه دانش و الگوریتم‌هایی که موقعیت‌ها را در برنامه‌های شطرنج ایجاد می‌کنند چیست؟

- هیچ کس نمی تواند به طور قطع بگوید، زیرا این موضوع یک حدس و گمان است. برنامه‌های کاملاً قوی با حداقل دانش، عمداً حداقل، مخصوصاً برای اینکه ببینیم چه چیزی را می‌توان از ریاضیات محض بیرون کشید وجود داشت. در مقطعی، این به دلیل تجاری‌سازی و به‌ویژه این واقعیت بود که آنها شروع به ساخت قوی‌ترین برنامه‌های ممکن کردند - مهم نیست که چه باشد. اما تا حدی به دلیل این واقعیت است که کار با دانش تعبیه شده یک کار مستقل است، تعداد زیادی از آنها وجود دارد. اول از همه، یک کتاب مرجع بزرگ ایجاد شد. اکنون دایرکتوری ها حاوی صدها هزار موقعیت هستند. سپس هوش شطرنج زیادی برای ارزیابی موقعیت ها سرمایه گذاری می شود. البته به مواد بازی که پیش پا افتاده است و برخی عوامل موقعیتی برمی گردد. بنابراین، عوامل موقعیتی صرفاً هوش شطرنجی است که البته برنامه‌ریزی شده است، اما در اینجا مقدار زیادی از آن گذاشته شده و مدام در حال بهبود است. و هر چه عوامل بیشتری در آن قرار داده شود، برنامه قوی تر است. به یک معنا، توانایی ارزیابی موقعیت و عمق جستجو چیزهایی قابل تعویض هستند. اگر می‌دانستیم چگونه یک موقعیت را درخشان ارزیابی کنیم، کافی بود تمام حرکات اول را امتحان کنیم. این مانند یک مثال افراطی است. واضح است که ارزیابی بهتر موقعیت به همان نسبت تأثیر بیشتری بر عمق جستجو دارد. این دومین روش اساسی است. برنامه های زیادی وجود دارد که در آنها هوش شطرنج در انتخاب خود گزینه ها تعبیه شده است، یعنی برخی ملاحظات صرفا شطرنج، برخی برنامه ها. چنین ملاحظاتی بسیار زیاد است که دامنه جستجو را محدود می کند. حوزه عمل آنها خیلی گسترده نیست و داده های فکری شطرنج جستجو را کند می کند. به هر حال، دقیقاً برای چیزهای فکری بود که زمانی بوتوینیک به شدت از آن حمایت می کرد. او یک علاقه‌مند به شطرنج ماشینی بزرگ بود و ایده‌هایی را در آنجا ارائه کرد. اگرچه او هرگز موفق به ایجاد یک برنامه کاربردی نشد، با این وجود، در آن زمان اقتدار او بسیار بالا بود. بنابراین، او بسیار ناراحت بود که به طور کلی، کارگردانی آنچنان که او می خواست «روشنفکرانه» نبود و مقدار بسیار محدودی از دانش ناب شطرنج در برنامه ها سرمایه گذاری شد.

- در مورد کامپیوترهای تخصصی شطرنج چطور؟ آنها ظاهرا دقیقاً با روش تولید عمل می کنند؟

- حتما حتما. اولاً، از نظر نسل، جستجو شماتیک است. ثانیاً ، هر جدول از موقعیت ها کم اهمیت نیست ، زیرا در شطرنج تکرار موقعیت ها بسیار زیاد است. شما به E4E6D4 یا D4E6E4 بروید - موقعیت یکسان خواهد بود، اما این فقط 3 حرکت نیمه است. و وقتی شروع به عمیق‌تر شدن می‌کنیم، تکرار موقعیت‌ها بسیار زیاد است. سوم، حوزه فنی. در واقع، در یک زمان، ما تئوری هایی در مورد اینکه تغییرات محلی برای چه موقعیت هایی اساساً نمی تواند منجر به تغییر در گزینه های اجباری شود، ایجاد کردیم، چگونه می توان نوعی الگوها را ایجاد کرد. الگوهای چنین گزینه هایی به خوبی در طرح های مختلف رایانه ای کاملاً فنی قرار می گیرند. البته نمودارهای مرجع بسیار مهم هستند.

- آیا ابزاری برای ایجاد یک دستگاه ذهنی جهانی وجود دارد که در آن بتوان یک پایگاه دانش - مهم نیست، موقعیت های شطرنج یا هر چیز دیگری، قوانینی که باید بر اساس آنها با این دانش کار کرد - قرار داد و از آن نتایج کافی گرفت؟

– واضح است که از نظر سازندگی، چنین کاری امروز قابل حل نیست و موضوعیت ندارد. اگرچه بسیاری از مشکلات فکری در حال حاضر حل شده است، مانند تشخیص متن. می توانید یک قطعه متن را در اسکنر قرار دهید و آن را روی صفحه در Word دریافت کنید. خود خواهد خواند، هر حرفی شناسایی خواهد شد. در واقع ما در بسیاری از کارهای فکری پیشرفت کرده ایم. برخی از آنها قبلا حل شده اند، برخی دیگر در حال حل شدن هستند. از برخی جهات نسبتاً بهتر از مشارکت انسانی عمل می کند، در برخی دیگر هنوز بدتر است. نمونه های زیادی از مشکلات عملی وجود دارد. در مورد مکانیسم ذهنی مصنوعی جهانی، این بیشتر یک مشکل فلسفی است تا عملی. به هر حال، حتی برای یک بازی ساده مانند شطرنج، 30 تا 40 سال طول کشید تا واقعاً به چیزی برسیم. تمام فلسفه ها بر اساس عقاید است. همه فکر می کنند حق با اوست و شاید هرکسی به نوعی حق با او باشد. به عنوان مثال، من تمام عمرم با هوش مصنوعی سر و کار داشتم و معتقدم مغز انسان چیزی بیش از یک کامپیوتر بزرگ نیست، بنابراین نمی توان گفت که اساساً نمی توان مشابه آن را ایجاد کرد. سوال قدرت، ویژگی های سرعت و پر کردن آن با دانش است. اینجا هیچ چیز غیر قابل درک نیست. این دیدگاه شخصی من است. اما نظرات دیگری نیز وجود دارد. البته اگر فطرت الهی انسان را بشناسیم، باید یکی از دو گزینه معرفتی را انتخاب کنیم. یا بله، ما فطرت الهی داریم، اما قابل شناخت است. در این صورت، ما قادر نخواهیم بود آنچه خداوند خداوند قادر به انجام آن بود را به طور واقعی بازتولید کنیم، اما حداقل قادر خواهیم بود تا حدی مخلوقات او را بازآفرینی کنیم. یا بر موضع اگنوستیسیسم می ایستیم و آن وقت غیر قابل شناخت است و سؤال کاملاً حذف می شود. معلوم می شود که مغز انسان برخی از مشکلات را حل می کند - و هیچ کس در این مورد تردیدی ندارد. اما ما نمی توانیم به مغز برسیم، زیرا از یک سو آفریده خداست و از سوی دیگر قادر به شناخت آن نیستیم. هر سه موقعیت با ایمان همراه است، زیرا در واقعیت لازم نیست همه عملکردهای مغز را بدانید. اگر ماشینی با همان قدرت مغز بسازیم، دیگر نیازی به فکر کردن مانند مغز نخواهد داشت. متفاوت عمل خواهد کرد.

– در روانشناسی تا جایی که من می دانم رشد فکری فرد با سه معیار تعیین می شود: توانایی انتزاع، ساخت سریال فکری و چیزهای دیگر... این قابلیت ها تا چه اندازه در هوش مصنوعی محقق می شود و آیا تحقق می یابد. اصلا؟

- برنامه های زیادی وجود دارد که به طور خاص با هدف ایجاد مفاهیمی انتزاعی از مطالب واقعی موجود هستند. چنین برنامه هایی به خوبی کار می کنند. سوال دیگر این است که انسان می داند چگونه این مفاهیم را ایجاد کند، انگار طبق قوانین خودش که برای خودش اختراع می کند. تمام تلاش های ما برای ترجمه این قوانین او به زبان جبر منطقی بیهوده است. انسان ها مکانیسم تفکر بسیار قوی تری دارند که ما به سادگی نمی دانیم. ما اصلاً نمی دانیم چگونه کاری انجام دهیم. ما فرمول‌های مورد نیاز خود را ایجاد می‌کنیم، اما نمی‌توانیم آنها را در مسائل دقیق ماشینی «بیان» کنیم. همه چیز به سختی به مشکلات مکانیکی ختم می شود، و حتی اگر پایین بیاید، کند است. احتمالاً هنوز راه های مستقیم تری برای رسیدن به هدف نمی دانیم. شما می توانید هر چیزی را در رایانه خود قرار دهید. سوال این است که یک فرد می تواند همیشه این دانش را دستکاری کند، اما هنوز نمی داند چگونه یک ماشین را به دلیل حجم و سرعت محدود داده ها مجبور به انجام همین کار کند.

- اما شاید منطقی نباشد که یک ماشین را مجبور به دستکاری دانش کنیم؟

- در اینجا به هر دو جنبه غیر اخلاقی و سازنده اشاره شده است. ما هنوز با ماشین های شورش فاصله زیادی داریم. مطمئناً برای زندگی من و شما نیز آرامش کافی وجود خواهد داشت. حتی در حوزه‌های محدود، ما هنوز یاد نگرفته‌ایم که چگونه یک ماشین را مجبور کنیم تا وظایف را دستکاری کند، حتی کارهایی که می‌تواند حل کند. ما یک وظیفه تعیین می کنیم و او فقط به دستور فکر می کند.

- ولادیمیر لوویچ، به من بگو، اگر اکنون دوباره طلوع فناوری رایانه بود، آیا ارزش کار روی برنامه های شطرنج را داشت؟ آیا آنها واقعاً تا این حد به پیشرفت کمک کرده اند؟

- با این حال، شطرنج افق های ما را گسترش می دهد. در برنامه های شطرنج، وظایف تعیین می شود، نتیجه قابل مشاهده است، آن را ارزیابی می کنیم. با این حال، باید بسیاری از مسائل حل شده و جالب وجود داشته باشد که به پیشرفت در محاسبات کمک می کند.

موضوع، سن دانش آموزان

علوم کامپیوتر و ICT، پایه 10-11

خلاصه ای از پروژه

این پروژه در چارچوب رشته "انفورماتیک و فناوری اطلاعات و ارتباطات" برای دانش آموزان در پایه های 10-11 توسعه یافته است.

سوالات راهنمایی پروژه

سوال اساسی

آیا کامپیوتر می تواند جایگزین یک شخص شود؟

مسائل مشکل ساز

1. آیا کامپیوتر خود می تواند مشکلاتی ایجاد کند و آنها را حل کند؟

2. آیا کامپیوتر قادر به بازتولید تمام اعمال و افکار انسان است؟

3. آیا کامپیوتر قادر به کنترل یک شخص است؟

سوالات مطالعه

1. کامپیوتر چه مشکلاتی را حل می کند؟

2. آیا کامپیوتر خودآموز است؟

3. آیا ماشین ها می توانند جایگزین انسان شوند؟

4. هوش مصنوعی=هوش انسانی؟

5. آیا نظارت بر عملکرد کامپیوتر ضروری است؟

6. آیا می توان ربات را "در سر میز" قرار داد؟

7. آیا کامپیوتر می تواند فکر کند؟

8. آیا می توان مغز انسان را با مغز مصنوعی جایگزین کرد؟

9. آیا مردم آماده هستند که تمام کارها را به روبات ها بسپارند؟

طرح پروژه

ارائه وضعیت مشکل:

معلم نیاز به طوفان فکری با دانش آموزان دارد تا دانش موجود دانش آموزان را در مورد مشکل، انگیزه، تمایلات و علایق آنها شناسایی کند. ابزار طوفان فکری با استفاده از یک ارائه اولیه است. معلم با کمک یک ارائه یک موقعیت مشکل ایجاد می کند، یک جلسه طوفان فکری را سازماندهی می کند، در مورد مسائل پیش آمده بحث می کند، فرضیه ها را مطرح می کند و دانش آموزان را با در نظر گرفتن علایق آنها در گروه های موضوعی توزیع می کند.

کار پروژه:

در مرحله اولیه کار روی پروژه، معلم به هر گروه موضوعی کمک می کند تا نقش ها را تعیین کند، در مورد استراتژی تحقیق، روش های جستجوی اطلاعات، روش های تحقیق و امکانات قالب بندی نتایج کار بحث کند. نتیجه یک برنامه فعالیت فردی است. در مرحله بعد، تحقیقات مستقل و کار جستجوی دانش آموزان مطابق با برنامه آغاز می شود. در این مرحله دانش‌آموزان اطلاعاتی را درباره موضوع یک موضوع مشکل‌ساز در دایره‌المعارف‌ها، کتاب‌های درسی و اینترنت جمع‌آوری می‌کنند، اطلاعات جمع‌آوری‌شده را به صورت گروهی بحث می‌کنند، ابزار تحقیق را توسعه می‌دهند، تحقیق انجام می‌دهند، نتایج آن را با اطلاعات جمع‌آوری‌شده مقایسه می‌کنند و نتیجه‌گیری می‌کنند که به سوال مشکل ساز پاسخ خواهد داد. معلم باید بر بحث های میانی، بحث های درون گروهی و مشاوره با معلمان موضوع تمرکز کند.برگ خودارزیابی به شرکت کنندگان پروژه کمک می کند تا سطح رشد شخصی را درک کنند.

ثبت نتایج فعالیت های پروژه:

نتایج برنامه ریزی شده است که در قالب یک ارائه، کتابچه یا مقاله ویکی ارائه شوند، بنابراین در اینجا ممکن است لازم باشد با یک معلم علوم کامپیوتر مشورت کنید؛ در یکی از مشاوره ها، باید معیارهای ارزیابی این محصولات را با دانش آموزان. همزمان عملکرد گروه در حال آماده شدن است، بنابراین معیارهای ارزیابی باید شامل امتیاز ارزیابی عملکرد دانش آموزان، توانایی پرسش و پاسخ باشد.

دفاع از پروژه، مخالفت، بحث:

در طول دفاع، هر گروه کار خود را ارائه می کند (ارائه، جزوه یا مقاله ویکی) و به سوالات پاسخ می دهد. ارزشیابی با استفاده از معیارهای تدوین شده توسط اعضای گروه، اعضای گروه های دیگر و معلمان صورت می گیرد. دفاع پروژه به شما این امکان را می دهد که به سؤال اساسی پاسخ دهید و نتیجه گیری های کلی را بر اساس نتایج کار تدوین کنید.

پس از اتمام کار:

یک عنصر ضروری از تمام فعالیت های پروژه، تجزیه و تحلیل کار انجام شده است، جایی که معلم با دانش آموزان در مورد آنچه که انجام داده اند، چه چیزی جواب نداده و چرا بحث می کند. در این مرحله می توانید مجددا به برگه خودارزیابی مراجعه کرده و رشد کیفی هر شرکت کننده را مشاهده کنید. علاوه بر این، امکان سازماندهی بازتاب در یک وبلاگ وجود دارد. پاداش دادن به گروه ها مهم می شود.نتایج کار را می توان در وب سایت پروژه پیدا کرد.