Desafios da Inteligência Artificial: Estratégias para Resolver Quebra-Cabeças e Xadrez
Quando a pandemia de COVID-19 obrigou as pessoas a ficarem em casa no início de 2020, o especialista em computação Tom Zahavy redescobriu seu interesse pelo xadrez. Apesar de ter jogado quando criança e recentemente lido “Deep Thinking” de Garry Kasparov, ele passou a assistir vídeos de xadrez em plataformas como o YouTube e a série “O Gambito da Rainha” na Netflix.
Zahavy, reconhecendo suas modestas habilidades no xadrez, expressou uma preferência por resolver quebra-cabeças de xadrez em vez de se concentrar em melhorar seu jogo. Esses quebra-cabeças, envolvendo arranjos intricados de peças pouco comuns em partidas reais, desafiam os jogadores a desenvolverem estratégias inovadoras para obterem vantagem.
Embora esses quebra-cabeças tradicionalmente ajudem os jogadores a aprimorar suas habilidades, também destacam as limitações dos programas de xadrez, como demonstrado por um quebra-cabeça criado pelo matemático Sir Roger Penrose em 2017. Zahavy observou que, embora os computadores sejam excelentes em derrotar jogadores humanos, eles enfrentam dificuldades com desafios não convencionais, indicando uma incapacidade de lidar com todos os problemas complexos.
Zahavy, intrigado pelos quebra-cabeças de Penrose, mergulhou no tema, especialmente atraído pelas implicações para a inteligência artificial (IA). Como cientista pesquisador do Google DeepMind, Zahavy explora métodos inovadores de resolução de problemas, com o objetivo de desenvolver sistemas de IA capazes de exibir comportamentos diversos além de tarefas individuais.
Reconhecendo o potencial da integração de múltiplos sistemas de IA na tomada de decisões, Zahavy e sua equipe desenvolveram um método para combinar até dez sistemas de IA, cada um especializado em diferentes estratégias. Essa abordagem colaborativa, demonstrada em seu relatório de agosto, superou o AlphaZero do DeepMind sozinho, demonstrando habilidades aprimoradas de resolução de problemas, especialmente evidentes na manipulação dos quebra-cabeças de Penrose.
Allison Liemhetcharat, cientista da computação da DoorDash familiarizada com a resolução de problemas multiagente, elogiou a abordagem, enfatizando a vantagem de empregar uma variedade diversificada de agentes para enfrentar problemas complexos.
Antes de ingressar no DeepMind, Zahavy explorou a aprendizagem profunda por reforço, um método no qual os sistemas de IA aprendem tarefas por meio de tentativa e erro usando redes neurais. Apesar do sucesso, Zahavy observou casos em que os sistemas de IA exibiram comportamentos inesperados, sugerindo uma falta de adaptabilidade diante de desafios novos.
Zahavy teorizou que essas falhas poderiam decorrer da incapacidade do sistema de reconhecer o fracasso, um aspecto crucial da resolução de problemas humanos e da criatividade. Ele teorizou que, ao abraçar o fracasso e explorar estratégias diversas, os sistemas de IA poderiam aprimorar suas habilidades de resolução de problemas.
Para testar sua hipótese, Zahavy e sua equipe introduziram uma versão diversificada do AlphaZero, incorporando múltiplos sistemas de IA treinados independentemente. Essa abordagem diversificada, aliada a um “bônus de diversidade”, produziu resultados promissores, demonstrando um desempenho aprimorado na resolução de quebra-cabeças desafiadores e na geração de estratégias de jogo inovadoras.
As implicações do trabalho de Zahavy vão além do xadrez, oferecendo insights sobre o aprimoramento das habilidades de resolução de problemas de IA em diversos domínios. Ao incentivar a diversidade e a exploração criativa, os sistemas de IA podem potencialmente enfrentar problemas complexos de forma mais eficaz, espelhando os processos de resolução de problemas humanos.
Ao reconhecer os desafios computacionais e a necessidade de mais pesquisas, as descobertas de Zahavy destacam o potencial de sistemas de IA diversificados para fomentar a criatividade e a inovação na resolução de problemas, reduzindo a lacuna entre a inteligência humana e artificial. [Wired]
