Brädspelet Go har länge ansetts på gränsen till omöjligt att bemästra för en dator. Detta på grund av dess ofantligt stora mängd möjliga konfigurationer, som gör en blind sökning bland möjliga drag helt omöjlig i praktiken. För att sätta detta i proportion, utan att gå in för mycket på spelets uppbyggnad, kan sägas att det är över 10²³⁰ gånger fler möjliga spel i Go än det är i schack. Så, jättejättemånga!

I ljuset av detta är det inte så förvånade att det blev en sensation när Londonbaserade Google DeepMind i förra veckan, 27 Jan 2016, publicerade i tidskriften Nature att dom slagit en professionell Go mästare. En bedrift man alltså tidigare trott skulle vara omöjlig, åtminstone det närmaste decenniet.

Hemligheten bakom deras Go simulator AlphaGo är att den inte söker igenom alla möjliga drag utan istället använder djupa artificiella neurala nätverk (Deep Learning) för att guida sökningen mot lovande drag. Mer precist så används convolutional neural networks, en algoritm som dom senaste åren revolutionerat objektigenkänning i bilder och nu presterar bättre än människor även på detta. Analogin är att spelplanens konfiguration kan ses som en bild och alla möjliga drag givet en konfiguration motsvarar alla möjliga objekttyper (katt,bil,boll,…) i en bild.

För att utvärdera dess prestanda jämfördes AlphaGo dels med andra Go simulatorer och dels genom att spela en match mot den europeiska Go mästaren Fan Hui. Mot övriga Go simulatorer visade sig AlphaGo fullständigt överlägsen och vann 495 av 495 matcher. Mot Go mästaren Fan Hui spelades 5 matcher och även här vann AlphaGo alla matcherna vilket måste anses vara en tydlig vinst.

Nästa steg för AlphaGo är nu att möta den, av många ansett, starkaste Go spelaren i världen Lee Se-dol. En match som är planerad att gå av stapeln den 9-15 Mars 2016 och kommer sändas live på YouTube.

Mikael Kågebäck, Doktorand i machine learning på Chalmers.