Es difícil de decir, especialmente porque todo el mundo está comenzando a impulsar la inteligencia artificial en varios sectores y dominios diferentes; desde la robótica basada en el movimiento hasta las máquinas de pensamiento abstracto.
Lo que creo que podría ser muy prometedor para la IA en el futuro, es si comenzamos a tomar prestados más supuestos, teorías y perspectivas de Game Theory.
Por supuesto, ya hemos comenzado a tener éxito en elementos de IA utilizando la teoría de juegos:
- ¿Es la inteligencia artificial una amenaza para el mundo?
- ¿Por qué la inteligencia artificial sería un peligro para la raza humana?
- ¿Se ha acercado DeepMind a hacer pensar a AI, como lo habían imaginado?
- ¿Cómo podría determinar la diferencia de potencial entre dos puntos?
- ¿Cuándo matará la inteligencia artificial a la primera persona?
El póker puede ser el último juego en retirarse contra la inteligencia artificial
El modelado basado en agentes, diversas formas de teoría de decisión intuitiva y diseño de aprendizaje heurístico para redes neuronales, también comparten bases con Game Theory. Se ha realizado un número creciente de investigaciones elementales que combinan todos esos aspectos también.
Sin embargo, Game Theory es un campo hilarantemente complejo y frustrante en matemáticas. De hecho, es probablemente el campo más controvertido de las “matemáticas” (aunque las matemáticas en la mecánica cuántica). La razón por la cual, es porque está fuertemente incorporada con psicología basada en matices, indiferencia de racionalidad y soluciones esporádicas. Este tipo de naturaleza conduce a un tipo de confusión “2 + 2 = sintaxis” ; donde te preguntas cómo es posible que hayas obtenido una solución tan ridícula de una fórmula teóricamente sólida .
Curiosamente, esas razones tienen alguna relación con la IA y la arquitectura que la rodea:
¿Cómo se relacionan la teoría de juegos y el aprendizaje automático?
¿Cuál es la relación entre el aprendizaje automático y la teoría de juegos / teoría de decisiones en el campo de la inteligencia artificial?
Ahora, lo que podría ser una aplicación prometedora de Game Theory en AI / ML, es cómo la teoría intenta comprender y conceptualizar los eventos en un sistema complejo. Un ejemplo podría ser, querer comprender mejor las interacciones, vías y picos entre nodos / influencers dentro de una red neuronal.
La respuesta de Mostafa Samir a ¿Cómo se puede integrar la teoría de juegos con Deep Reinforcement Learning?
Lo que Game Theory hace muy bien es concentrarse, no solo en las propias creencias e inteligencia de un agente, sino también en sus interacciones y observaciones con otros agentes. Este tipo de aspecto nos permite modelar todo tipo de travesuras e incertidumbres que surgen cuando tienes múltiples y crecientes vías de comunicación … como en una red neuronal.
Quizás al acercarse a la compleja estructura de una IA / red neuronal desde una perspectiva diferente, similar a un juego, podría ayudar. Puede atribuir nodos como agentes (jugadores), que tienen funciones de pago y utilidad. Juegan juegos e interactúan en ciertas arenas y mundos (como Markovian). Tienen conjuntos de estrategias admisibles determinados al observar las acciones de otros agentes. Pueden tener sesgos, memoria y pueden discriminar, y sus interacciones pueden dar lugar a todo tipo de equilibrios informativos.
Sin embargo, en última instancia, la teoría de juegos podría ser especialmente prometedora para comprender mejor las complejidades de una máquina de inteligencia artificial, particularmente mirando dentro de su arquitectura y tratando de descubrir por qué hace lo que hace.
