AI・機械学習
アーロンソン・オラクル
The Aaronson Oracle (aaronsonoracle.com)
要約
この記事は、1950年代初頭にベル研究所で開発された、人間と対戦するゲームAIの初期の例について解説しています。デビッド・ハーゲルバーガーが開発したSEERと、クロード・シャノンがそれを改良した機械を紹介し、これらの機械がどのようにパターンを学習し、人間を打ち負かしたかを説明しています。現代のAIのルーツとも言えるこれらの実験の歴史的意義を掘り下げています。
全文翻訳
物語
廊下にある二台の機械、ベル研究所にて
この実験は70年前のもので、ソフトウェアとして書かれる前にリレーで構築されました。c. 1951年
ベル電話研究所
ニュージャージー州マレーヒル
1950年代初頭のある時、ベル研究所で、エンジニアのデビッド・ハーゲルバーガーは同僚とマッチングペニーをプレイする機械を開発しました。二人のプレイヤーはそれぞれ秘密裏にヘッドかテールを選びます。一方が選択が一致した場合に勝ち、もう一方が異なる場合に勝ちます。完全に予測不可能な相手と対戦した場合、それはコイン投げにすぎません。
ハーゲルバーガーは彼の機械をSEER(Sequence Extrapolating Robot)と名付けました。2
SEERはあなたを深くモデル化しませんでした。それは最後の2ラウンドに関する3つの事実を追跡しました:直前のプレイで勝ったか負けたか、同じプレイをしたか異なるプレイをしたか、そして最後のプレイで勝ったか負けたか。3つのイエス・ノーの事実から8つの可能な状況が生まれ、それぞれの状況について、機械は同じプレイが機能していたかどうかを記憶していました。それは小さな双方向カウンターで記録され、プラス3とマイナス3で停止しました。ハーゲルバーガーはそれを「実質的に機械に古い歴史を忘れさせる」という言葉で説明しました。2
SEERの全記憶。最後の2ラウンドに関する3つのイエス・ノーの事実から8つの状況が生まれ、各状況は、同じプレイが機能していたかどうかを示す小さなカウンターを保持します。プラス3とマイナス3での停止は、ハーゲルバーガーが機械に古い歴史を忘れさせるという意味でした。
隣の部屋で働いていたクロード・シャノンはそれに気づき、独自の機械を構築しました。彼の1953年3月18日のメモは、ハーゲルバーガーに明確な功績を認め、そしてこの機械がどのような種類の機械であるかを正確に伝える比較をしています。
それが、この文のアイデア全体です。ゲーム理論は、マッチングペニーをプレイする正しい方法を教えてくれます:精神的なコインを投げ、本当にランダムにプレイすれば、どんな相手も時間とともにあなたを打ち負かすことはできません。ポーの探偵は全く別のことをします。彼は相手を研究し、どのような人物が何を選ぶかを推測します。シャノンは探偵を構築しました、なぜなら探偵は勝つからです。理想的なプレイヤーに対してではなく、実際のプレイヤーに対してです。
シャノンの機械はパターンを探し、彼の言葉では、「プレイヤーが同じ状況が再び現れたときにパターンに従うと仮定しました」。パターンが少なくとも二度繰り返されるのを見ていない場合、それはランダムに動きました。そのランダムさは、毎秒約10回回転するコミュテータから来ており、ボタンを押した瞬間にサンプリングされました。その予測不可能性は、あなた自身のタイミングのジッターから収穫されました。1
これはマインドリーディングマシンではありません。どこにも使用できる写真はありませんが、同じ頃のシャノンの他のゲームプレイボックスの一つです:Nimwit、c. 1953年、Nimをプレイします。フロントパネルのためにここにあります。プレイヤー対機械の勝利を示すランプの2つの列は、このページ全体が受け継いだスコアボードです。MITミュージアム、ケンブリッジMA。Daderot撮影、CC0 1.0で公開。ソース。
彼はそれを打ち負かす方法を正確に知っていました
シャノンのメモが注目に値するのは、彼がそれを過大評価しなかったことです。彼は機械がどれほど打ち負かされやすいかを計算し、その方法を発表しました:機械は無敵ではありません。理論上は4回中3回打ち負かされます。プレイ中にその方法を頭の中で実行することはできません。原則として可能なことと、人が瞬時に実際に行えることとの間のそのギャップが、このページの全体的な主題であり、シャノンは1953年にそれを名付けました。
これらの2台の機械は、どちらが優れているかという疑問を必然的に引き起こしました。ハーゲルバーガーは起こったことを記録しました:
HAGELBARGER SEER LARGER ONE UMPIRE MACHINE SHANNON SMALLER ONE 44.2 55.8 SEVERAL THOUSAND GAMES, 1950s · RECHECKED IN SOFTWARE, 2020
プレート
2020年のソフトウェア再現で平均された、100回のゲームの平均スコアです。ハーゲルバーガー自身の元の試合の報告では約55対45でした。3
約半分のリレーで構築されたシャノンのよりシンプルな機械が、より手の込んだ機械を打ち負かしました。2020年には、シビウのグループが両方をソフトウェアで再実装し、10回対戦させました。100回のゲームで平均すると、シャノンの機械は55.8対44.2で勝利しました。60年前の実験室の伝承が、チェックされ確認されました。3
プレイヤー 3507 機械 5010 展示の生涯スコア
シャノンの機械は今でも存在します。ウィリアム・パウンドストーンはMITミュージアムの保管施設でそれを見に行きましたが、プレイしませんでした。「それはほとんど不敬な行為になるだろう」と彼は書きました。「なぜなら、それは最終スコアを記録していたからです:プレイヤー3507。機械5010。」
それに座ったすべての人の平均で、機械は約59%の確率で勝利しました。これは管理された実験ではなく、展示の生涯集計であり、現存する唯一の機械対人間の数字です。4
50年後、講堂にて
あなたがプレイしたバージョンは、スコット・アーロンソンが書いたもので、彼はそれをバークレーでのクラスのために書き、Quantum Computing Since Democritusで説明しています。
そこで二つのことを覚えておいてください。第一に、アーロンソンは、シャノンがリレーについて告白したのと同じように、ソースコードを知りながらも自分のプログラムに勝つことができませんでした。第二に、学生です。私たちは最後に彼に戻ります。なぜなら、彼がそれをどのように行ったかが例外ではなく、ポイントだからです。
私たちのバージョンが異なる点
私たちのバージョンは、どちらの機械のコピーでもありません。シャノンの機械は、それが勝っているかどうか、そしてあなたが選択を変更したかどうかを追跡し、8つの状況を与え、あなたの実際のシーケンスの記憶はありませんでした。私たちの機械は、勝利と敗北を完全に無視し、最近の一連のプレスであなたが押したものを単にカウントします。アーロンソンの機械は5回の連続を使い、私たちの機械もそうです。彼の機械は何も忘れず、ハーゲルバーガーの機械は意図的に忘れましたが、私たちの機械も決して忘れないため、あなたが早い段階でやめた癖がセッションの残りの間、あなたに対してカウントされ続けます。
ハーゲルバーガー、1951年
シャノン、1953年
このページ
それが監視するもの
勝ったかどうか、そして繰り返したかどうか
勝ったかどうか、そしてあなたが繰り返したかどうか
押したキーのみ
どのくらい前まで
2ラウンド
2ラウンド
5回のプレス
保持される状況
8
8
63
忘却
意図的、カウンターは±3で停止
なし
なし
不確かな場合
ランダムにプレイする
コミュテータ、キープレス時にサンプリング
質問を短縮し、コインフリップを行う
プレート
70年の間隔を置いた3台の機械、そしてそれぞれが実際に保持しているもの。63という数は、5回以下の連続したプレスすべてです:長さ5の32、長さ4の16、そしてそれ以下、空の連続まで。
それがどのように機能するか、英語で
あなたに何が起こったか
このプログラムには心理学のモデルはなく、自由意志に関するものもありません。それはノートを保持します。キーを押すたびに、直前に押したことと、次に押したことを書き込みます。一度だけではなく、同時に6つの異なる長さで。あなたの最後の5回のプレスがF、D、D、F、Fで、次にDを押したとします。ノートには6つのエントリが追加されます:FDDFFの後でDを押し、DDFFの後でDを押し、DFFの後でDを押し、FFの後でDを押し、Fの後でDを押し、そして文脈を完全に無視して、Dを押しました。
あなたの最後の5回のプレス
FD DF F D ← あなたがちょうど行ったプレス
一度に6つのエントリが書き込まれる
FDDFF DDFF DFF FF F → D → D → D → D → D
文脈なし →
プレート
1回のプレス、6つのエントリ。ノートは、文脈の長さ全体から文脈なしまで、同じイベントを一度に記録します。それ以外は何も保存されません:タイミング、勝敗の履歴、あなた自身のモデルなど。あなたの次のプレスを推測するために、それはノートを逆から読みます。それはあなたの最後の5回のプレスを取り、尋ねます:この正確な連続を以前に見たことがありますか、a