Chiến Lược Đánh Bại AI Cờ Vây: Sự Thật Đằng Sau Phương Pháp Đối Kháng

Khám phá một chiến lược đơn giản nhưng hiệu quả để đánh bại trí tuệ nhân tạo trong môn cờ vây.

Cờ vây đã trở thành lĩnh vực đầu tiên mà trí tuệ nhân tạo (AI) thành công trong việc vượt qua khả năng của con người. Trước khi AlphaGo ra mắt vào năm 2016, con người vẫn tự tin vào khả năng của mình để đánh bại các hệ thống AI. Tuy nhiên, sự ra đời của AlphaGo từ DeepMind đã làm thay đổi tất cả, khi nó tự học và phát triển những chiến thuật mà con người khó có thể chống lại. Mới đây, KataGo đã nổi lên như một hệ thống AI mã nguồn mở, đã nhanh chóng đánh bại nhiều kỳ thủ cờ vây hàng đầu.

AlphaGo từng khiến nhiều kỳ thủ con người “ôm hận”.

Gần đây, một nhóm nghiên cứu đã công bố một phương pháp mới để đánh bại KataGo, bằng cách sử dụng các chiến thuật khai thác điểm yếu của AI này. Họ đã áp dụng những nước đi bất ngờ, ra ngoài khuôn khổ mà KataGo đã từng gặp, và kết quả đã cho thấy một chương trình yếu hơn rất nhiều đã có thể đánh bại KataGo.

Adam Gleave, một ứng cử viên Tiến sĩ tại UC Berkeley, cho biết nhóm của ông đã phát triển phương pháp gọi là “chính sách đối kháng”. Chiến lược này kết hợp mạng nơ-ron và cây tìm kiếm Monte-Carlo để xác định những nước đi phù hợp.

KataGo, với khả năng phi thường của mình, đã học cờ vây thông qua hàng triệu ván đấu với chính nó. Tuy nhiên, với lượng kinh nghiệm đó, vẫn có những tình huống mà nó không thể lường trước được, để lại nhiều điểm yếu mà con người có thể khai thác.

“KataGo có khả năng khái quát tốt cho nhiều chiến thuật mới, nhưng lại yếu đi khi các nước đi xa rời những ván đấu mà nó đã được huấn luyện,” Gleave nói. Ông nhấn mạnh rằng họ đã phát hiện ra một chiến lược mà KataGo đặc biệt dễ gặp phải, điều đó có thể cũng áp dụng cho nhiều chiến lược khác.

Chiến thuật mới khiến KataGo (quân trắng) thua dù lãnh thổ chiếm được có vẻ rộng hơn rất nhiều.

Gleave nói rằng, trong một trận đấu cờ vây, “chính sách đối kháng” được thực hiện bằng cách đặt quân cờ đầu tiên vào một góc bàn cờ. Từ đó, việc đối thủ kiểm soát các quân cờ đen chủ yếu ở phía trên bên phải cho phép KataGo (quân trắng) chiếm lĩnh phần còn lại, và sau đó đặt một vài quân cờ dễ bị tấn công trong lãnh thổ của nó.

“Điều này khiến KataGo tưởng rằng nó đã thắng,” Gleave giải thích. “Mặc dù lãnh thổ của nó lớn hơn nhiều so với đối thủ, nhưng khu vực dưới cùng bên trái không thực sự góp phần vào điểm số của nó do sự hiện diện của quân cờ đen.”

Khi không còn vùng đất nào để mở rộng, KataGo, tự tin vào chiến thắng, sẽ bỏ lượt và đối thủ của nó cũng làm theo. Đây là dấu hiệu kết thúc cuộc chơi trong cờ vây, khi cả hai kỳ thủ cùng dừng lại để tính điểm.

Việc kiểm điểm diễn ra không như kỳ vọng của KataGo. Theo báo cáo, đối thủ của nó ghi điểm cho khu vực lãnh thổ ở góc bàn, trong khi KataGo không nhận được điểm cho khu vực đó do quân cờ đối thủ còn hiện diện.

Sau cờ vây, nhiều bộ môn cờ khác cũng đã bị AI lấn át như cờ vua, cờ tướng…

Trong khi đối với KataGo, phương pháp này có vẻ khó đánh bại, thì lại dễ dàng cho các kỳ thủ nghiệp dư. Mục tiêu chính của chiến thuật này chỉ là tấn công vào điểm yếu mà KataGo không lường trước được. Điều này chứng tỏ rằng, những lỗ hổng tương tự có thể xuất hiện trong nhiều hệ thống AI học sâu khác.

Gleave nhấn mạnh rằng “các hệ thống AI dường như hành động theo một cách rất khác với cách con người thực hiện, và có thể dẫn đến thất bại theo những cách đơn giản mà không ai có thể lường trước.” Kết quả này rất đáng chú ý trong môn cờ vây, nhưng các lỗi tương tự trong các hệ thống thiết yếu về an toàn có thể gây ra hậu quả nghiêm trọng.

Hãy tưởng tượng một AI trong lĩnh vực xe tự lái gặp phải một tình huống khẩn cấp mà nó không thể dự đoán, cho phép con người đánh lừa để thực hiện những hành động nguy hiểm. Gleave cho biết: “Nghiên cứu này nêu bật tầm quan trọng của việc kiểm tra kỹ lưỡng các hệ thống AI để phát hiện các lỗi trong tình huống xấu nhất, không chỉ kiểm tra hiệu suất trong trường hợp bình thường.”