ਡੀਪ ਬਲੂ ਨੇ ਸ਼ਤਰੰਜ ਦੀ ਦੁਨੀਆ ਨੂੰ ਹੈਰਾਨ ਕਰਨ ਤੋਂ ਲਗਭਗ ਤਿੰਨ ਦਹਾਕਿਆਂ ਬਾਅਦ, ਖੋਜਕਰਤਾ ਅਜੇ ਵੀ ਇੱਕ ਧੋਖੇ ਨਾਲ ਸਧਾਰਨ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ: ਅਸਲ ਵਿੱਚ AI ਨੂੰ ਸ਼ਤਰੰਜ ਵਿੱਚ ਇੰਨਾ ਵਧੀਆ ਕੀ ਬਣਾਉਂਦਾ ਹੈ? APS ਓਪਨ ਸਾਇੰਸ ਵਿੱਚ ਇੱਕ ਤਾਜ਼ਾ ਪੇਪਰ, ਜੋ ਕਿ 15 ਨਵੰਬਰ ਨੂੰ ਵਿਗਿਆਨਕ ਅਮਰੀਕਨ ਦੁਆਰਾ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਇੱਕ ਮਾਪਣਯੋਗ ਸੁਰਾਗ ਪੇਸ਼ ਕਰਦਾ ਹੈ - ਅਤੇ ਇਹ ਇੱਕ ਸੰਪੱਤੀ 'ਤੇ ਆਉਂਦਾ ਹੈ ਜਿਸਨੂੰ ਲੇਖਕ "ਰਣਨੀਤਕ ਤਣਾਅ" ਕਹਿੰਦੇ ਹਨ।
ਸ਼ਤਰੰਜ ਇੰਜਣ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮਨੁੱਖਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਗਏ ਹਨ, ਦਰਖਤ ਖੋਜ ਦੁਆਰਾ ਉਮੀਦਵਾਰਾਂ ਦੀ ਵੱਡੀ ਗਿਣਤੀ ਨੂੰ ਬੇਰਹਿਮੀ ਨਾਲ ਮਜਬੂਰ ਕਰਦੇ ਹਨ। ਆਧੁਨਿਕ ਨਿਊਰਲ-ਨੈੱਟਵਰਕ ਇੰਜਣ ਜਿਵੇਂ ਕਿ ਸਟਾਕਫਿਸ਼ ਅਤੇ ਲੀਲਾ ਲੇਅਰਜ਼ ਉਸ ਖੋਜ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਨੈੱਟਵਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਦੀ ਖੇਡ ਸਿਰਫ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਹੋ ਗਈ ਹੈ। ਨਵਾਂ ਅਧਿਐਨ ਜੋ ਜੋੜਦਾ ਹੈ ਉਹ ਇੱਕ ਅੰਕੜਾਤਮਕ ਪੋਰਟਰੇਟ ਹੈ ਕਿ ਉਹਨਾਂ ਦਾ ਖੇਡ ਸਾਡੇ ਨਾਲੋਂ ਕਿਵੇਂ ਵੱਖਰਾ ਹੈ — ਨਾ ਸਿਰਫ ਇਸ ਗੱਲ ਵਿੱਚ ਕਿ ਕੌਣ ਜਿੱਤਦਾ ਹੈ, ਬਲਕਿ ਇਸ ਗੱਲ ਵਿੱਚ ਵੀ ਕਿ ਬੋਰਡ ਖੁਦ ਕਿਵੇਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਖੇਡ ਸਾਹਮਣੇ ਆਉਂਦੀ ਹੈ। AI ਰਿਸਰਚ ਨਿਊਜ਼ ਦੀ ਪਾਲਣਾ ਕਰਨ ਵਾਲੇ ਪਾਠਕਾਂ ਲਈ, ਇਹ ਕੰਮ ਇੱਕ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਕਿ ਸ਼ਤਰੰਜ ਵਰਗੇ "ਸੁਲਝੇ ਹੋਏ" ਡੋਮੇਨਾਂ ਵਿੱਚ ਵੀ ਮਸ਼ੀਨਾਂ ਅਸਲ ਵਿੱਚ ਕਿਵੇਂ ਸੋਚਦੀਆਂ ਹਨ ਬਾਰੇ ਖੁੱਲ੍ਹੇ ਸਵਾਲ ਰੱਖਦੇ ਹਨ।
ਬੋਰਡ 'ਤੇ ਤਣਾਅ ਨੂੰ ਮਾਪਣਾ
ਅਧਿਐਨ ਦੀ ਅਗਵਾਈ ਵਿਯੇਨ੍ਨਾ ਦੇ ਕੰਪਲੈਕਸੀਟੀ ਸਾਇੰਸ ਹੱਬ ਵਿਖੇ ਭੌਤਿਕ ਵਿਗਿਆਨੀਆਂ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਸੀ, ਸੀਨੀਅਰ ਲੇਖਕ ਵੀਟੋ ਡੀਪੀ ਸਰਵੇਡੀਓ ਨਾਲ। ਟੀਮ ਨੇ ਔਨਲਾਈਨ ਡੇਟਾਬੇਸ ਤੋਂ ਮਨੁੱਖੀ-ਬਨਾਮ-ਮਨੁੱਖੀ ਗੇਮਾਂ ਅਤੇ ਸਟਾਕਫਿਸ਼-ਬਨਾਮ-ਲੀਲਾ ਗੇਮਾਂ ਦੋਵਾਂ ਨੂੰ ਇਕੱਠਾ ਕੀਤਾ, ਫਿਰ ਇੱਕ ਮਾਤਰਾ ਨੂੰ ਮਾਪਿਆ ਜਿਸ ਨੂੰ ਉਹ ਹਰ ਸਥਿਤੀ 'ਤੇ ਰਣਨੀਤਕ ਤਣਾਅ ਕਹਿੰਦੇ ਹਨ: ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ, ਵਿਰੋਧੀ ਟੁਕੜਿਆਂ ਵਿਚਕਾਰ ਸੰਭਵ ਆਪਸੀ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਦੀ ਸੰਖਿਆ। ਉੱਚ-ਤਣਾਅ ਵਾਲੀਆਂ ਸਥਿਤੀਆਂ ਉਹ ਹੁੰਦੀਆਂ ਹਨ ਜਿੱਥੇ ਬਹੁਤ ਸਾਰੇ ਟੁਕੜੇ ਇੱਕ ਦੂਜੇ ਦੇ ਵਿਰੁੱਧ ਹੁੰਦੇ ਹਨ - ਗੁਪਤ ਕੈਪਚਰ, ਧਮਕੀਆਂ ਅਤੇ ਜਵਾਬੀ ਧਮਕੀਆਂ ਨਾਲ ਭਰਪੂਰ ਜੋ ਇੱਕ ਹੀ ਚਾਲ ਦੁਆਰਾ ਜਾਰੀ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।
ਭੌਤਿਕ ਵਿਗਿਆਨੀਆਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਤਣਾਅ ਇੱਕ ਕੁਦਰਤੀ ਮਾਤਰਾ ਹੈ। ਇਹ ਇੱਕ ਇੱਕਲੇ ਨੰਬਰ ਵਿੱਚ, ਇੱਕ ਸਥਿਤੀ ਵਿੱਚ ਕਿੰਨੀ ਗੁੰਝਲਦਾਰਤਾ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ — ਜੇਕਰ ਕੋਈ ਵੀ ਖਿਡਾਰੀ ਬੋਰਡ ਨੂੰ ਕਿਨਾਰੇ ਦੇ ਉੱਪਰੋਂ ਐਕਸਚੇਂਜ ਦੇ ਝਰਨੇ ਵਿੱਚ ਧੱਕਦਾ ਹੈ ਤਾਂ ਗੇਮ ਦੀ ਸਥਿਤੀ ਕਿੰਨੀ ਬਦਲ ਜਾਵੇਗੀ।
ਇਨਸਾਨ ਸਰਲ ਬਣਦੇ ਹਨ; ਇੰਜਣ ਬੋਰਡ ਨੂੰ ਕਿਨਾਰੇ 'ਤੇ ਰੱਖਦੇ ਹਨ
ਕੇਂਦਰੀ ਖੋਜ ਇਸ ਗੱਲ ਵਿੱਚ ਭਿੰਨਤਾ ਹੈ ਕਿ ਤਣਾਅ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੁੰਦਾ ਹੈ। ਮਨੁੱਖੀ ਖੇਡਾਂ ਵਿੱਚ, ਔਸਤ ਤਣਾਅ ਅਸਲ ਵਿੱਚ ਪਹਿਲੀਆਂ 20 ਚਾਲਾਂ ਦੇ ਦੌਰਾਨ AI ਗੇਮਾਂ ਨਾਲੋਂ ਵੱਧ ਸੀ - ਉਹ ਪੜਾਅ ਜਿੱਥੇ ਲੋਕ ਯਾਦ ਕੀਤੇ ਖੁੱਲਣ ਅਤੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਡ੍ਰਿਲਡ ਰਣਨੀਤੀਆਂ 'ਤੇ ਝੁਕਦੇ ਹਨ, ਉਮੀਦ ਕਰਦੇ ਹੋਏ ਕਿ ਗੁੰਝਲਦਾਰਤਾ ਅੰਤ ਵਿੱਚ ਵਿਰੋਧੀ ਨੂੰ ਖਿਸਕਣ ਲਈ ਮਜਬੂਰ ਕਰੇਗੀ।
ਪਰ ਉਸ ਬਿੰਦੂ ਤੋਂ ਬਾਅਦ, ਲਾਈਨਾਂ ਪਾਰ ਹੋ ਜਾਂਦੀਆਂ ਹਨ. ਮਨੁੱਖੀ ਤਣਾਅ AI ਗੇਮਾਂ ਨਾਲੋਂ ਘੱਟ ਜਾਂਦਾ ਹੈ, ਜੋ ਮੱਧ ਗੇਮ ਵਿੱਚ ਉੱਚੀ ਰਹਿੰਦੀ ਹੈ। ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਵਿਆਖਿਆ: ਜਿਵੇਂ ਕਿ ਸਥਿਤੀਆਂ ਅਣਜਾਣ ਹੋ ਜਾਂਦੀਆਂ ਹਨ, ਮਨੁੱਖੀ ਖਿਡਾਰੀ ਸਰਲ ਬਣਦੇ ਹਨ, ਟੁਕੜਿਆਂ ਦਾ ਵਪਾਰ ਕਰਦੇ ਹਨ ਅਤੇ ਸ਼ਾਂਤ ਬਣਤਰਾਂ ਵੱਲ ਸਟੀਅਰਿੰਗ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਇੱਕ ਵਾਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਇੰਟਰੈਕਟਿੰਗ ਟੁਕੜਿਆਂ ਅਤੇ ਕਈ ਵਿਕਲਪਾਂ ਦੀ ਪੂਰੀ ਗੁੰਝਲਤਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਨਹੀਂ ਰੱਖ ਸਕਦੇ। ਇੰਜਣ ਅਜਿਹੀ ਕੋਈ ਰੁਕਾਵਟ ਮਹਿਸੂਸ ਨਹੀਂ ਕਰਦੇ। ਉਹ ਆਪਸੀ ਖਤਰਿਆਂ ਦੇ ਨਾਲ ਸੰਘਣੀ ਸਥਿਤੀਆਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹਨ ਜੋ ਜ਼ਿਆਦਾਤਰ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨ ਲਈ ਅਸਹਿਣਯੋਗ ਲੱਗਦੇ ਹਨ - ਅਤੇ ਬਿਲਕੁਲ ਉਹ ਸਥਿਤੀਆਂ, ਅਧਿਐਨ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਜਿੱਥੇ ਮਨੁੱਖੀ ਸ਼ੁੱਧਤਾ ਘਟਦੀ ਹੈ।
ਹੁਨਰ, ਸਮਾਂ ਨਿਯੰਤਰਣ ਅਤੇ ਖੋਜ ਡੂੰਘਾਈ
ਅੰਕੜਿਆਂ ਨੇ ਇਹ ਵੀ ਦਿਖਾਇਆ ਕਿ ਤਣਾਅ ਮਨੁੱਖਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ ਦੋਵਾਂ ਵਿੱਚ ਯੋਗਤਾ ਅਤੇ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਨੂੰ ਟਰੈਕ ਕਰਦਾ ਹੈ। ਉੱਚ ਦਰਜਾ ਪ੍ਰਾਪਤ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਨੇ ਆਪਣੀਆਂ ਖੇਡਾਂ ਦੌਰਾਨ ਹੇਠਲੇ ਦਰਜੇ ਵਾਲੇ ਖਿਡਾਰੀਆਂ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਤਣਾਅ ਬਰਕਰਾਰ ਰੱਖਿਆ। ਵਧੇਰੇ ਸੋਚਣ ਦੇ ਸਮੇਂ ਵਾਲੀਆਂ ਖੇਡਾਂ ਨੇ ਵਧੇਰੇ ਤਣਾਅ ਦਿਖਾਇਆ — ਕਲਾਸੀਕਲ ਸ਼ਤਰੰਜ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ, ਤੇਜ਼ ਵਿੱਚ ਘੱਟ, ਅਤੇ ਬਲਿਟਜ਼ ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ — ਇਸ ਵਿਚਾਰ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਕਿ ਬੋਧਾਤਮਕ ਯਤਨਾਂ ਵਿੱਚ ਜਟਿਲਤਾ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ ਮਹਿੰਗਾ ਹੈ। ਅਤੇ ਮਸ਼ੀਨ ਵਾਲੇ ਪਾਸੇ, ਟੀਮ ਨੇ ਦੇਖਿਆ ਕਿ ਜਦੋਂ ਸਟਾਕਫਿਸ਼ ਨੇ ਸੰਭਾਵਤ ਨਿਰੰਤਰਤਾ ਦੇ ਡੂੰਘੇ ਰੁੱਖਾਂ ਦੀ ਖੋਜ ਕੀਤੀ, ਤਾਂ ਤਣਾਅ ਵਧ ਗਿਆ।
ਲੇਖਕ ਕਾਰਜ-ਕਾਰਨ ਪ੍ਰਤੀ ਸੁਚੇਤ ਹਨ। ਉੱਚ ਤਣਾਅ ਮਨੁੱਖਾਂ ਅਤੇ ਏਆਈ ਦੋਵਾਂ ਵਿੱਚ ਵਧੇਰੇ ਯੋਗਤਾ ਨਾਲ ਸਬੰਧਤ ਹੈ, ਪਰ ਅਧਿਐਨ ਨੇ ਇਹ ਨਹੀਂ ਦਿਖਾਇਆ ਕਿ ਤਣਾਅ ਉਸ ਯੋਗਤਾ ਨੂੰ ਪੈਦਾ ਕਰਦਾ ਹੈ - ਜਾਂ ਇਹ ਇਸ ਤੋਂ ਵਹਿੰਦਾ ਹੈ। ਇਹ ਮਜ਼ਬੂਤ ਖੇਡ ਦਾ ਇੱਕ ਫਿੰਗਰਪ੍ਰਿੰਟ ਹੈ, ਅਜੇ ਤੱਕ ਇੱਕ ਪ੍ਰਦਰਸ਼ਿਤ ਵਿਧੀ ਨਹੀਂ ਹੈ.
"ਇੰਝ ਲੱਗਦਾ ਹੈ ਜਿਵੇਂ ਉਹ ਜਾਦੂ ਚਲਾ ਰਹੇ ਹਨ"
ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਅਭਿਲਾਸ਼ਾ ਸ਼ਤਰੰਜ ਦੇ ਸੁਹਜ ਦੇ ਗੁਣਾਂ ਤੋਂ ਪਰੇ ਹੈ। "ਸ਼ਾਇਦ ਸਾਡਾ ਪੇਪਰ ਇਹ ਸਮਝਣ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਹੈ ਕਿ ਇਹ ਮਸ਼ੀਨਾਂ ਕੀ ਕਰ ਰਹੀਆਂ ਹਨ," ਸਰਵੀਡੀਓ ਨੇ ਵਿਗਿਆਨਕ ਅਮਰੀਕੀ ਨੂੰ ਦੱਸਿਆ। "ਨਹੀਂ ਤਾਂ ਅਜਿਹਾ ਲਗਦਾ ਹੈ ਕਿ ਉਹ ਜਾਦੂ ਖੇਡ ਰਹੇ ਹਨ."
ਉਹ ਫਰੇਮਿੰਗ - ਇੰਜਨ ਪਲੇ ਨੂੰ ਇੱਕ ਭੌਤਿਕ ਪ੍ਰਣਾਲੀ ਦੇ ਤੌਰ 'ਤੇ ਮਾਪਿਆ ਜਾਣਾ, ਨਾ ਕਿ ਬਲੈਕ ਬਾਕਸ ਦੀ ਪ੍ਰਸ਼ੰਸਾ ਕਰਨ ਲਈ - ਉਹ ਹੈ ਜੋ ਮਸ਼ੀਨ ਸ਼ਤਰੰਜ ਦੇ ਪਹਿਲੇ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਤੋਂ ਕੰਮ ਨੂੰ ਵੱਖਰਾ ਕਰਦਾ ਹੈ। ਇਹ ਪੁੱਛਣ ਦੀ ਬਜਾਏ ਕਿ ਕੀ ਇੱਕ ਇੰਜਣ ਦੀ ਚਾਲ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ, ਟੀਮ ਇਹ ਪੁੱਛਦੀ ਹੈ ਕਿ ਇੰਜਨ ਪਲੇ ਦੇ ਕੁੱਲ ਅੰਕੜੇ ਮਸ਼ੀਨ ਦੁਆਰਾ ਕੀਤੀ ਜਾ ਰਹੀ ਖੋਜ ਅਤੇ ਮੁਲਾਂਕਣ ਦੀ ਕਿਸਮ ਬਾਰੇ ਕੀ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ।
ਸ਼ਤਰੰਜ ਦੇ ਬੋਰਡ ਤੋਂ ਪਰੇ ਇੱਕ ਚੇਤਾਵਨੀ
ਸਰਵੀਡੀਓ ਨੇ 64 ਵਰਗਾਂ ਤੋਂ ਦੂਰ ਡੋਮੇਨਾਂ ਲਈ ਇੱਕ ਅਸਥਿਰ ਪ੍ਰਭਾਵ ਵੀ ਖਿੱਚਿਆ। ਜੇ ਏਆਈ ਸਿਸਟਮ ਉੱਚ ਤਣਾਅ ਨੂੰ ਕਾਇਮ ਰੱਖ ਕੇ ਗੁੰਝਲਦਾਰ, ਵਿਰੋਧੀ ਸੈਟਿੰਗਾਂ ਵਿੱਚ ਬਿਹਤਰ ਨਤੀਜਿਆਂ ਤੱਕ ਪਹੁੰਚਦੇ ਹਨ - ਕਈ ਅਸਥਿਰ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਜ਼ਿੰਦਾ ਰੱਖਦੇ ਹੋਏ - ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਕੂਟਨੀਤੀ ਵਰਗੀ ਕਿਸੇ ਚੀਜ਼ ਵਿੱਚ ਤੈਨਾਤ ਕਰਨ ਦਾ ਮਤਲਬ ਮਸ਼ੀਨ-ਅਨੁਕੂਲ ਰਣਨੀਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ ਜੋ ਮਨੁੱਖਾਂ ਨੂੰ ਅਸੰਬੰਧਿਤ ਤੌਰ 'ਤੇ ਨਾਜ਼ੁਕ ਲੱਗਦੀਆਂ ਹਨ। "ਇਹ ਬਹੁਤ ਖਤਰਨਾਕ ਹੈ ਕਿਉਂਕਿ ਜਦੋਂ ਤੁਹਾਡੇ ਕੋਲ ਉੱਚ ਤਣਾਅ ਹੁੰਦਾ ਹੈ, ਤਾਂ ਸਿਸਟਮ ਬਹੁਤ ਅਸਥਿਰ ਹੁੰਦੇ ਹਨ," ਉਸਨੇ ਕਿਹਾ। "ਇਸ ਲਈ ਇੱਕ ਪਾਸੇ ਤੋਂ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗਲਤੀ ਇੱਕ ਤਬਾਹੀ ਦਾ ਕਾਰਨ ਬਣੇਗੀ."
ਸਮਾਨਤਾ ਅਟਕਲਾਂ ਵਾਲੀ ਹੈ, ਅਤੇ ਲੇਖਕ ਕੂਟਨੀਤਕ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਮਾਪਣ ਦਾ ਦਾਅਵਾ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਪਰ ਇਹ AI ਤੈਨਾਤੀ ਵਿੱਚ ਇੱਕ ਅਸਲ ਤਣਾਅ (ਸੰਗਠਨਾਤਮਕ ਕਿਸਮ ਦੇ) ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ: ਉਹੀ ਸੰਪੱਤੀ ਜੋ ਇੱਕ ਇੰਜਣ ਨੂੰ ਇੱਕ ਗ੍ਰੈਂਡਮਾਸਟਰ ਨੂੰ ਪਛਾੜ ਦਿੰਦੀ ਹੈ - ਨਿਰੰਤਰ ਗੁੰਝਲਤਾ ਦੇ ਨਾਲ ਆਰਾਮ - ਉਹ ਸੰਪਤੀ ਹੋ ਸਕਦੀ ਹੈ ਜੋ ਮਨੁੱਖੀ ਸੰਸਥਾਵਾਂ ਵਿੱਚ ਇਸਦੀਆਂ ਰਣਨੀਤੀਆਂ ਨੂੰ ਅਪਣਾਉਣ ਲਈ ਜੋਖਮ ਭਰਪੂਰ ਬਣਾਉਂਦੀ ਹੈ ਜੋ ਉਹਨਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਬਰਕਰਾਰ ਨਹੀਂ ਰੱਖ ਸਕਦੇ।
ਸਟੱਡੀ ਕੀ ਨਹੀਂ ਦਿਖਾਉਂਦੀ
ਸੀਮਾਵਾਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸਣ ਯੋਗ ਹਨ। ਅਧਿਐਨ ਤਣਾਅ ਅਤੇ ਖੇਡਣ ਦੀ ਤਾਕਤ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਸਥਾਪਤ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਦੋਵਾਂ ਨੂੰ ਜੋੜਨ ਵਾਲੀ ਇੱਕ ਕਾਰਕ ਵਿਧੀ। ਇਹ ਔਨਲਾਈਨ ਡੇਟਾਬੇਸ ਤੋਂ ਮਨੁੱਖੀ ਖੇਡਾਂ ਦੀ ਇੱਕ ਖਾਸ ਆਬਾਦੀ ਦੇ ਨਾਲ ਇੰਜਣਾਂ ਦੀ ਇੱਕ ਖਾਸ ਜੋੜੀ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਸ਼ਤਰੰਜ - ਇਸ ਦੀਆਂ ਵੱਖਰੀਆਂ ਚਾਲਾਂ ਅਤੇ ਸੰਪੂਰਨ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ - ਇਸ ਕਿਸਮ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਇੱਕ ਵਧੀਆ-ਕੇਸ ਸੈਟਿੰਗ ਬਣੀ ਹੋਈ ਹੈ। ਗੜਬੜ ਵਾਲੇ ਡੋਮੇਨਾਂ ਵਿੱਚ "ਰਣਨੀਤਕ ਤਣਾਅ" ਨੂੰ ਵਧਾਉਣਾ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ, ਨਤੀਜਾ ਨਹੀਂ।
ਫਿਰ ਵੀ, ਪੇਪਰ ਕੁਝ ਅਜਿਹਾ ਜੋੜਦਾ ਹੈ ਜਿਸਦੀ ਸ਼ਤਰੰਜ-ਏਆਈ ਸਾਹਿਤ ਵਿੱਚ ਘਾਟ ਹੈ: ਇੱਕ ਸਧਾਰਨ, ਗਣਨਾਯੋਗ ਅੰਕੜਾ ਜੋ ਸਾਫ਼ ਤੌਰ 'ਤੇ ਵੱਖ ਕਰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਮਨੁੱਖ ਅਤੇ ਮਸ਼ੀਨਾਂ ਇੱਕ ਖੇਡ ਦੇ ਦੌਰਾਨ ਜਟਿਲਤਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹਨ। ਸ਼ਤਰੰਜ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਮਨੁੱਖਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ ਦੋਵਾਂ ਵਿੱਚ ਬੋਧ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਇੱਕ ਮਾਡਲ ਪ੍ਰਣਾਲੀ ਵਜੋਂ ਕੰਮ ਕੀਤਾ ਹੈ, ਅਤੇ ਗੈਰੀ ਕਾਸਪਾਰੋਵ ਉੱਤੇ 1997 ਵਿੱਚ ਡੀਪ ਬਲੂ ਦੀ ਜਿੱਤ ਨੇ ਮਸ਼ੀਨਾਂ ਨੂੰ ਪਹਿਲੀ ਵਾਰ ਸਾਬਤ ਕੀਤਾ ਕਿ ਉਹ ਸਾਡੀ ਆਪਣੀ ਗਣਨਾ ਦੀ ਖੇਡ ਵਿੱਚ ਸਾਨੂੰ ਪਿੱਛੇ ਛੱਡ ਸਕਦੀਆਂ ਹਨ। ਲਗਭਗ 30 ਸਾਲਾਂ ਬਾਅਦ, ਇਹ ਸਵਾਲ ਇਸ ਗੱਲ ਤੋਂ ਬਦਲ ਗਿਆ ਹੈ ਕਿ ਕੀ ਮਸ਼ੀਨਾਂ ਜਿੱਤ ਸਕਦੀਆਂ ਹਨ ਕਿ ਉਹ ਕਿਉਂ ਜਿੱਤਦੀਆਂ ਹਨ - ਅਤੇ, ਵਧਦੀ ਹੋਈ, ਉਹਨਾਂ ਦੇ ਜਿੱਤਣ ਦਾ ਤਰੀਕਾ ਸਾਨੂੰ ਉਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਬਾਰੇ ਕੀ ਸਿਖਾ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਅਸੀਂ ਹੁਣ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਫੈਸਲੇ ਸੌਂਪ ਰਹੇ ਹਾਂ।
---
AI ਤੋਂ ਅੱਗੇ ਰਹੋਨਵੀਨਤਮ AI ਖਬਰਾਂ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸਫਲਤਾਵਾਂ ਪ੍ਰਾਪਤ ਕਰੋ - ਸਭ ਇੱਕ ਥਾਂ 'ਤੇ।
ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
