محققان دانشگاه کالیفرنیا یک سیستم هوش مصنوعی درست کردند که میتواند با تقریبا ۲۰ حرکت به طور متوسط در عرض ۱.۲ ثانیه یک مکعب روبیک را حل کند. این موفقیت دو ثانیه زودتر از رکورد انسانی یعنی ۳.۴۷ ثانیه است، در حالی که افرادی که معمولا سریع میتوانند این معما را حل کنند تقریبا به ۵۰ ثانیه زمان نیاز دارند.
گرچه سیستم هوش مصنوعی این محققان به اسم DeepCubeA رکورد سریعتر حل خودکار این مکعب را در اختیار ندارد. سال گذشته، محققان موفق به ساخت رباتی شدند که در عرض ۰.۳۸ ثانیه آن را کامل میکند.
الگوریتم min2phase موسسه فناوری ماساچوست که یک سیستم هوش مصنوعی نیست، در مقایسه با DeepCubaA سه برابر سریعتر مکعب روبیک را حل میکند. در حالی که سایر روشها به ویژه برای حل این مکعب طراحی شده بودند اما DeepCubeA باید به تنهایی نحوه حل آن را یاد گرفته است.
جالب است بدانید، این محققان دقیقا نمیدانند DeepCubeA چطور مطمئن شده است مکعب روبیک در هر طرف خود یک رنگ دارد. برای حل این مکعب میلیاردها ترکیب ممکن وجود دارد ولی تنها یک حالت کامل است.
با آن که دانشمندان دانشگاه کالیفرنیا به این هوش مصنوعی نتیجه نهایی را نشان دادند، ولی خود DeepCubeA متوجه شده است چطور مکعب را حل کند و آنها اصلا درک نمیکنند این هوش مصنوعی چطور به استراتژی حل آن رسیده است.
این محققان با یک نسخه شبیهسازی شده از یک مکعب کامل روبیک شروع کردند و سپس آن را به هم ریختند. DeepCubeA در عرض دو روز به تنهایی یاد گرفت چطور مکعب را حل کند و هرچه ترکیبهای به مراتب سختتر را امتحان میکرد، مهارت آن در حل مکعب بهتر شد.
براساس مقالهای که در مجله Nature چاپ شده است، این محققان ۱۰ میلیارد ترکیب را در اختیار DeepCubeA قرار دادند و آن را وادار کردند در عرض ۳۰ حرکت یا کمتر معما را حل کند.
سپس این هوش مصنوعی با هزار ترکیب محک زده شد و توانست هر مرتبه معما را حل کند و ۶۰ درصد اوقات تعداد حرکات حداقل مقدار ممکن بود. این الگوریتم همچنین میتواند راهحلهایی برای سایر بازیها از جمله Lights Out و Sokoban پیدا کند.
DeepCubeA از یک شبکه عصبی (که از نحوه پردازش اطلاعات توسط ذهن انسان تقلید میکند) به همراه تکنیکهای یادگیری ماشینی استفاده میکند که در آن یک سیستم هوش مصنوعی با اطلاعات ورودی اندک انسان نحوه کشف الگورها و نظریهپردازی را یاد میگیرد.
این محققان در گذشته مقالهای در مورد یک شیوه متفاوت برای حل این معما به اسم Approximate Policy Iteration (تکرار سیاست تخمینی) چاپ کرده بودند. با آن که در این روش هر مرتبه مکعب روبیک حل شد، ولی معمولا این کار با ۳۰ حرکت و به متوسط در عرض ۱۰ دقیقه انجام شده بود.
از آن جایی DeepCubeA مخصوص حل این مکعب پلاستیکی ماندگار دهه ۷۰ ساخته نشده است، این الگوریتم میتواند کاربردهای وسیعتری داشته باشد.
پروفسور علوم کامپیوتر پیر بالدی (Pierre Baldi) در اظهارنظری گفت «چطور هوش مصنوعی پیشرفتهای درست کنیم که باهوشتر، توانمندتر و قدرتمندتر از استدلال، درک و برنامهریزی است؟ DeepCubeA یک گام به جلو به سمت این هدف بزرگ است.»
منبع: engadget.com
