هوش مصنوعی ChatGPT به تازگی در یک مسابقه شطرنج از کنسول قدیمی آتاری شکست خورد. این بازی که برای کنسول آتاری 2600 در دهه 70 میلادی طراحی شده، توانست مدل پیشرفته GPT-4o را در سطح مبتدی شکست دهد. جزئیات بیشتر را در شهر سخت افزار بخوانید.

از دیپ‌بلو تا شکست GPT

در سال‌های گذشته، شطرنج معیاری برای سنجش قدرت محاسباتی کامپیوترها بوده است، سال 1997 زمانی که سوپر کامپیوتر دیپ‌بلو از IBM توانست گری کاسپاروف، قهرمان آن زمان شطرنج را در چند مسابقه شکست بدهد، سر و صدای زیادی به همراه داشت. دیپ بلو با بررسی 200 میلیون حرکت در ثانیه و قدرت 11.4 گیگافلاپس نشان داد که کامپیوترها می‌توانند به راحتی قدرتمندترین شطرنج‌بازهای جهان را به چالش بکشند.

اما حالا تقریبا سه دهه بعد از این اتفاق، ChatGPT با چندین برابر قدرت پردازشی بیشتر نسبت به دیپ بلو، مقابل آتاری 2600 از سال 1997 شکست خورد. شکستی که نشان می‌دهد گاهی الگوریتم‌های ساده دهه 70 می‌توانند بسیار بهتر از الگوریتم‌های پیچیده فعلی عمل کنند.

ماجرای باخت ChatGPT در شطرنج

ماجرای شکست چت جی پی تی

به گزارش tomshardware، تقریبا پنجاه سال از عرضه کنسول افسانه‌ای Atari 2600 می‌گذرد، اما این کنسول هنوز هم می‌تواند ما را غافلگیر کند، بخصوص زمانی که موفق شده یک مدل پیشرفته هوش مصنوعی مانند GPT 4o را در یک بازی شطرنج ساده شکست دهد.

ماجرا از آنجا شروع شد که رابرت کاروسو، کارشناس Citrix، تصمیم گرفت کنجکاوری خودش را با یک آزمایش عجیب برطرف کند. او می‌خواست بداند که آیا ChatGPT می‌تواند یک بازی شطرنج مبتدی را در برابر Atari Chess روی کنسول 2600 برنده شود یا خیر. پاسخ در نگاه اول احتمالا بسیار ساده باشد و شاید شما هم تصورتان این است که قطعا هوش مصنوعی برنده است، اما اینطور نیست.

چت جی پی تی در برابر آتاری

جالب است بدانید که کنسول آتاری 2600 با پردازنده 1.19 مگاهرتزی خود فقط می‌تواند یک یا دو حرکت جلوتر در بازی را پیش بینی کند، آن هم در حالی که چت‌جی‌پی‌تی روی سرورهایی اجرا می‌شود که میلیون‌ها بار قوی‌تر هستند. اما با همه این‌ها هوش مصنوعی پشت سر هم اشتباه می‌کرد و مهره‌های خود را بی‌دلیل قربانی می‌کرد، حتی آیکون مهره‌ها را در بازی تغییر دادند تا گیج نشود اما باز هم نتیجه فرقی نکرد و هر بار ChatGPT شکست می‌خورد.

کاروسو نتیجه این رقابت عجیب را در لینکدین منتشر کرد و گفت که هوش مصنوعی در سطح مبتدی آنقدر اشتباه داشت که حتی با کمک مستقیم کاروسو هم نتوانست از پس بازی بر بیاید و در نهایت تسلیم شد.

البته باید اشاره کرد که شطرنج آتاری بر پایه الگوریتم‌هایی ساخته شده که از ذهن انسان تقلید نمی‌کنند و بیشتر با قوانینی که برای آن تعریف شده بازی می‌کند. از طرفی ChatGPT یک مدل زبانی است و بیشتر برای تعامل با انسانها طراحی شده است. در نتیجه نمی‌توان شکست این هوش مصنوعی را به معنای ضعیف بودن ChatGPT دانست، این اتفاق بیشتر به ما یادآوری می‌کند که نباید همیشه به این مدل‌های زبانی در همه زمینه‌ها اعتماد کنیم، به خصوص در مواردی که پای تصمیم گیری یا قضاوت دقیق در میان باشد.

نظر خود را اضافه کنید.

ارسال نظر بدون عضویت در سایت

0
نظر شما پس از تایید مدیر منتشر خواهد شد.

نظرات (6)

  • مهمان - م

    گفته سطح مبتدی. از هوش مصنوعی خواسته شده ابتدایی بازی کنه. خب نتیجه همین میشه دیگه.

  • مهمان - محمد

    :) از هوش مصنوعی پرسیدم گفت دروغ هست . همچین بازی انجام نشده

  • مهمان - MHQ

    در پاسخ به: مهمان - محمد

    داش اکانتی که تو داری باهاش از چت جی پی تی استفاده میکنی و اونی که این آزمایش رو کرده فرق میکنه. اکانت تو نمیدونه که تو اون یکی چه خبره پس الکی زر نزن

  • مهمان - Saeed

    سؤال خیلی خوبی پرسیدی. اینکه آیا خودِ مدل زبانی مثل ChatGPT می‌تونه این مشکل رو حل کنه یا به کمک برنامه‌نویس نیاز داره، بستگی به چند عامل داره.

    بیایم اینو با دقت بررسی کنیم:


    ---

    ✅ چه چیزهایی رو مدل مثل ChatGPT می‌تونه به تنهایی انجام بده؟

    ۱. درک قوانین شطرنج

    مدل به‌خوبی می‌دونه مهره‌ها چطور حرکت می‌کنن، موقعیت‌ها چطور ارزیابی می‌شن، و حتی می‌تونه استراتژی بده یا حرکات پیشنهاد کنه.

    ۲. تجزیه و تحلیل پیکسل‌ها (تا حدی)

    اگر تصویری از صفحه بازی به مدل داده بشه، می‌تونه تلاش کنه بفهمه کدوم مهره کجاست — ولی فقط اگر تصویر واضح باشه و ساختار تکراری داشته باشه. محیط پیکسلی آتاری ممکنه زیادی پیچیده باشه بدون کمک اضافی.


    ---

    ❌ اما چه جاهایی کمک برنامه‌نویس یا سیستم‌های خارجی لازمه؟

    ۱. کنترل دسته بازی (Joystick)

    مدل نمی‌تونه به‌تنهایی joystick آتاری رو کنترل کنه. این کار نیازمند یه برنامه‌نویس هست که با شبیه‌ساز (مثل Stella یا Gym Retro) ارتباط برقرار کنه.

    ۲. خواندن صفحه پیکسلی بازی

    مدل نمی‌تونه مستقیماً از تصویر پیکسلی متوجه بشه که "این مهره یک فیل است و در خانه E4 قرار دارد" مگر اینکه ابزار بینایی ماشین یا کدی واسط براش نوشته بشه.

    ۳. یادگیری از تجربه (Reinforcement Learning)

    یادگیری تعامل مؤثر با محیط نیازمند چند هزار یا میلیون بار بازی‌کردن و اصلاح استراتژی است، که مدل زبانی بدون کدنویسی و الگوریتم‌های RL به تنهایی نمی‌تونه انجام بده.


    ---

    ???? پس آیا به کمک برنامه‌نویس نیاز داره؟

    بله — برای حل کامل این مسئله، یک برنامه‌نویس نیاز هست که:

    از یک شبیه‌ساز محیط آتاری استفاده کنه.

    واسطی بنویسه که تصویر محیط رو به صورت قابل‌فهم به مدل بده.

    و ورودی‌های مدل (دستور حرکت مهره) رو تبدیل کنه به ورودی‌های joystick.


    بعد از راه‌اندازی این واسط، مدل مثل ChatGPT می‌تونه نقش مغز استراتژیک رو ایفا کنه، ولی خودش به‌تنهایی نمی‌تونه همه‌چیز رو از صفر هندل کنه.


    ---

    اگر دوست داری، می‌تونم یه معماری پیشنهادی برای این کار هم طراحی کنم، یا حتی یه نمونه کد واسطی بنویسم که ChatGPT رو با شبیه‌ساز آتاری به هم وصل کنه. فقط کافیه بگی علاقه‌مندی به کد یا اجرا.

  • مهمان - Ramin

    در پاسخ به: مهمان - Saeed

    بابا ایول کامنت تو از مقاله خوندنش بیشتر حال داد ایولا

  • مهمان - Siavash

    در پاسخ به: مهمان - Ramin

    کامنتش جواب chatgpt بود پسرجان

ورود به شهرسخت‌افزار

ثبت نام در شهر سخت افزار
ورود به شهر سخت افزار

ثبت نام در شهر سخت افزار

نام و نام خانوادگی(*)
لطفا نام خود را وارد کنید

ایمیل(*)
لطفا ایمیل خود را به درستی وارد کنید

رمز عبور(*)
لطفا رمز عبور خود را وارد کنید

شماره موبایل
Invalid Input

جزو کدام دسته از اشخاص هستید؟(*)

لطفا یکی از موارد را انتخاب کنید