Masin, platvorm, inimene. Meie digitulevik. Andrew McAfee

Чтение книги онлайн.

      Veel Andrew McAfee ja Erik Brynjolfssoni teoseid:

      „The Second Machine Age. Work, Progress, and Prosperity in a Time of Brilliant Technologies” („Teine masinate ajastu. Töö, progress ning õitseng hiilgava tehnika ajastul”)

      „Race against the Machine. How the Digital Revolution Is Accelerating Innovation, Driving Productivity, and Irreversibly Transforming Employment and the Economy” („Võidujooks masinaga. Kuidas digipööre kiirendab innovatsiooni, tõstab tootlikkust ning muudab jäävalt tööhõivet ja majandust”)

      Erik Brynjolfsson on kirjutanud veel:

      „Wired for Innovation” („Innovatsiooniks võrgustunud”)

      Andrew McAfee on kirjutanud veel:

      „Enterprise 2.0: New Collaborative Tools for Your Organization’s Toughest Challenges” („Ettevõte 2.0. Sinu organisatsiooni uued koostöövahendid suurimate raskuste ületamiseks”)

      1. peatükk

      Kolmikrevolutsioon

      Inforevolutsiooni lausa rabav sarnasus varasemate tööstusrevolutsioonidega sisendab usku, et selle tähtsaimad viljad uues ühiskonnas alles küpsevad.

      Lauamäng go on inimeste jaoks alati olnud raske, ent programmeerida arvuteid seda hästi mängima on näinud peaaegu võimatu.

      Go on puhas strateegiamäng, millel ei ole õnnega mingit pistmist.1 See tekkis Hiinas vähemasti 2500 aastat tagasi. Ühel mängijal on valged, teisel mustad kivid. Nad asetavad kive vaheldumisi 19 × 19 ruudustiku punktidesse. Kui mõni kivi või kivirühm on „kinni” ehk igast küljest vastase kividega ümbritsetud, eemaldatakse see laualt. Mängu lõpus2 võidab mängija, kes on rohkem territooriumi hõivanud.

      Kellele meeldib strateegia, sellele meeldib go. Konfutsius soovitas: „Härrasmehed ärgu raisaku oma aega labastele mängudele. Nemad harjutagu god.” Mitmel pool hinnatakse god kõrgemini isegi malest, mis on samuti keerukas kaheinimese-strateegiamäng, millel pole õnnega mingit pistmist. Nagu väidab malesuurmeister Edward Lasker: „Kui male baroksed reeglid võisid välja mõelda üksnes inimesed, siis go reeglid on sedavõrd elegantsed, loomulikud ja üdini loogilised, et kui universumis on veel mõistusega elusolendeid, siis peaaegu kindlasti mängivad nad god.”

      Mängu näilise lihtsuse taga peitub keerukus, mida on raske ettegi kujutada. Laua suuruse ja kivide paigutamise võimaluste hulga tõttu arvatakse, et standardsel go-laual on võimalik umbes 2 × 10¹⁷⁰ (s.o 2 koos 170 nulliga) seisu. Kui suur on see arv? Suurem kui aatomite arv vaadeldavas universumis. Tõtt-öelda on see kõlbmatu võrdlus. Vaadeldav universum sisaldab umbes 10⁸² aatomit. Kui universumi iga aatom oleks omakorda terve aatomitega täidetud universum, oleks võimalikke go-mänge aatomitest ikkagi rohkem.

      Kuidas parimad inimsoost go-mängijad säärase absurdse keerukuse juures arukaid käike teevad? Seda ei tea keegi, isegi mitte mängijad ise.

      Go-mängijad õpivad ära hulga heuristilisi reegleid ja peavad neist harilikult ka kinni.3 Kuid kui need rusikareeglid kõrvale jätta, ei oska tippmängijad isegi oma strateegiat põhjendada. Nagu seletab Michael Redmond, üks väheseid läänlasi, kes on selles mängus omandanud kõrgeima järgu: „Näen käiku ja olen kindel, et see on õige, ent ei oska täpselt öelda, kuidas ma seda tean. Lihtsalt tean ja kõik.”

      Asi pole selles, et go-mängijad oleksid ebatavaliselt kidakeelsed. Tuleb välja, et ka kõik me ülejäänud ei oska kõiki oma teadmisi sõnadesse panna. Kui me tunneme kellegi ära või sõidame jalgrattaga, siis järele mõeldes ei oska me lõpuni seletada, kuidas või miks me teeme seda, mida teeme. Selliseid elementaarseid teadmisi on raske sõnadesse panna. XX sajandil võttis selle oivaliselt kokku mitmekülgne Briti-Ungari teadlane Michael Polanyi: „Me teame rohkem, kui oskame öelda.”

      Polanyi paradoks, nagu seda nimetama hakati, valmistas tõsiseid raskusi kõigile, kes üritasid panna arvutit god mängima. Kuidas programmeerida selle mängu parimaid strateegiaid olukorras, kus ükski inimene ei suuda neid strateegiaid väljendada? Mõnda reeglit saab küll programmeerida, ent neist ei piisa võiduks heade mängijate üle, kes kalduvad rusikareegleist kõrvale, aga ei oska ise ka põhjendada, miks ja kuidas.

      Selleks et orienteeruda keerukates keskkondades, nagu kõigi go-mängude võimalikud universumid, kasutavad programmeerijad sageli simulatsioone. Nad kirjutavad programmi, mis teeb eeldatavasti hea käigu, tutvuvad seejärel vastase kõigi võimalike vastukäikudega, seejärel kõigi võimalike vastukäikudega igale vastukäigule ja nii edasi. Lõpuks valitakse sisuliselt käik, pärast mida on võimalik kõige rohkem positiivseid ning kõige vähem negatiivseid variante. Kuna aga võimalikke go-mänge on sedavõrd palju – neid on täis terved universumid –, saab neist isegi angaaritäie arvutitega läbi mängida vaid mõttetult tühist osa.

      Kuna hädavajalikke teadmisi ei olnud ning simuleerimine oli tulutu, siis olid go-programmeerijatel edusammud visad tulema. Filosoofiaprofessor Alan Levinovitz kirjutas ajakirja Wired 2014. aasta mainumbrisse artikli, milles hindas arvuti-go hetkeseisu ja tulevikuvõimalusi. Ta jõudis järeldusele: „Hinnang, et kümne aasta pärast saab arvutist go-tšempion, võib osutuda liiga optimistlikuks.” 2015. aasta detsembris Wall Street Journalis ilmunud mängukolumnisti, psühholoogiaprofessor Chris Chabrise artikkel kandis pealkirja „Miks go arvutitele endiselt üle jõu käib”.

      Juba järgmisel kuul – jaanuaris 2016 – ilmus teaduslik artikkel, milles tutvustati go-mängijast arvutit, millele ei käinud mäng sugugi enam üle jõu. Londonis baseeruva Google DeepMindi, masinõppele (tehisintellekti valdkond, mida käsitleme lähemalt 3. peatükis) spetsialiseerunud ettevõtte töörühm avaldas artikli „Go-mängu õppimine sügavate närvivõrkude ja puuotsinguga”, millest mainekas ajakiri Nature tegi oma kaaneloo. Artiklis kirjeldati go-rakendust AlphaGo, mis oli leidnud viisi Polanyi paradoksist mööda hiilida.

      AlphaGo inimestest loojad ei varustanud seda parimate strateegiate ega heuristiliste reeglitega. Nad lõid hoopis süsteemi, mis oskas neid ise õppida. Selleks uuris see arvukate mängude paljusid seise. AlphaGo loodi tohututes andmehulkades märkama peeni mustreid ning seostama tegevusi (nagu kivi asetamine kindlasse kohta) tagajärgedega (nagu mängu võitmine).4

      Tarkvarale anti ligipääs 30 miljonile mänguseisule ühes netivaramus ja anti korraldus: „Õpi neist võitma.” AlphaGo mängis usinalt ka iseenda vastu ja genereeris seeläbi veel 30 miljonit seisu, mille ta samuti läbi analüüsis. Süsteem tegi mängimise ajal ka simulatsioone, ent väga kitsalt suunitletuid: miljonite seisude läbianalüüsimise tulemuste põhjal simuleeris AlphaGo üksnes neid käike, mis tema arvates viisid kõige suurema tõenäosusega võidule.

      Töö AlphaGo kallal algas 2014. aastal. Oktoobriks 2015 oli ta katsevalmis. AlphaGo mängis salaja viiemängulise matši toonase Euroopa go-tšempioni Fan Hui vastu. Masin võitis 5 : 0.

      Arvuti võiduks go-mängu nii kõrgel СКАЧАТЬ