(Phys.org) - Genom att analysera de statistiska funktionerna i tusentals go -spel som spelas av människor och datorer, forskare har funnit att det är förvånansvärt lätt att avgöra om ett spel spelas av en människa eller av en dator. Resultaten pekar på grundläggande skillnader i hur människor och datorer löser problem och kan leda till en ny typ av Turing -test för att skilja mellan de två.

Forskarna, C. Coquidé och B. Georgeot vid University of Toulouse, och O. Giraud vid universitetet i Paris-Saclay, har publicerat ett papper om sin statistiska analys av go -spel som spelats av människor och datorer i ett nyligen utgåva av EPL .

"Vi tycker att vårt arbete indikerar en väg mot en bättre karakterisering och förståelse för skillnaderna mellan mänskliga och datorbeslutandeprocesser, som kan tillämpas på många olika områden, "Berättade Giraud Phys.org .

Som forskarna förklarar, go är en särskilt bra plattform för att undersöka hur datorer löser komplexa problem på grund av det stora antalet möjliga drag som en spelare kan göra vid vilken tur som helst. På en 19x19 go board, det finns 10 ¹⁷¹ möjliga juridiska positioner (jämfört med "bara" 10 ⁵⁰ i schack). Dessutom, Antalet möjliga go -games uppskattades nyligen till minst 10 ^{10^108} . Sådana siffror är gigantiska även för en dator, vilket gör det omöjligt för något program att helt enkelt använda brute-force-metoder för att analysera alla möjliga drag och spel. Istället, datorer måste använda mer sofistikerade metoder.

I den nya studien, forskarna konstruerade databaser med 8000 spel som spelades av amatörmänniskor; 8000 spel som spelats av programvaran Gnugo, som använder ett deterministiskt tillvägagångssätt; 8000 spel som spelats av programvaran Fuego, som använder ett Monte Carlo -tillvägagångssätt; och 50 spel som spelats av mjukvaran AlphaGo, som har blivit känd under de senaste åren för att ha slagit världsmästaren human go -spelare. Forskarna byggde sedan nätverk för varje databas som fångar information om rörelsemönstren på farten.

Ett av de mest intressanta resultaten är att nätverken baserade på programvara - särskilt Gnugo - har ett stort antal "grupper, "som är delar av ett nätverk som är starkt länkade inom sig själva men svagt kopplade till resten av nätverket. Som forskarna förklarar, närvaron av dessa grupper indikerar att programmen skapar många olika typer av strategier som skiljer sig från andra typer av strategier; det är, deras strategier är varierande och olika. Som jämförelse, nätverken baserade på mänskliga spel har färre samhällen och fler stora nav med massor av direktlänkar, vilket indikerar att mänskliga strategier var mer relaterade till varandra och mindre olika.

Medan du är upplysande, dessa resultat är inte oväntade, eftersom de motsvarar några tidigare observationer av datorer som går. Till exempel, 2016 och 2017, mänskliga analytiker som såg AlphaGo tävla mot världsmästare blev ofta förvånade och förbryllade över de strategier som datorn använde.

Övergripande, forskarna fann att de statistiska skillnaderna mellan dator- och mänskligt genererade nätverk är mycket större än variationen inom varje nätverk, vilket indikerar att skillnaderna är statistiskt signifikanta och potentiellt kan användas för att skilja mellan grupper av människospel och datorspel. Ytterligare, resultaten visar att det inte är nödvändigt att analysera tusentals spel, eftersom skillnaderna kan vara betydande även för den relativt små databasen med 50 spel från AlphaGo.

Som en konsekvens, forskarna föreslår att de statistiska skillnaderna kan användas för att utforma en ny typ av Turing -test, liknande det ursprungliga testet där en person försöker berätta om de interagerar med en människa eller en dator genom att ställa frågor. Den nya versionen av Turing -testet skulle innebära att spela go -spel istället för att ställa frågor, och sedan utföra statistiska tester för att identifiera karaktäristiska drag hos mänskliga och datorspelare.

Forskarna förväntar sig också att det skulle vara intressant att använda liknande statistiska metoder för att undersöka skillnaderna i hur människor och datorer närmar sig andra komplexa problem förutom att gå. Från dessa uppgifter, det kan vara möjligt att få en bättre förståelse för hur datorer "tänker".

"Vi skulle vilja studera mer detaljerat ursprunget till skillnaderna mellan de människogenererade och datorgenererade nätverken, för att se hur de återspeglar vad gäller skillnader i strategier som används i spelet, "Giraud sa." Vi planerar också att tillämpa dessa tekniker på andra områden där datorer och människor är närvarande, börjar med andra brädspel som schack. "

© 2017 Phys.org