Slutresultatet i go-mästarmötet mellan människan Lee Sedol och Googles go-maskin Alphago blir 4–1 efter att Alphago i morse tog hem det sista partiet. Facebooks AI-avdelning gratulerar, och kastar samtidigt ut en utmaning.
Efter 4,5 timmar var matchen jämn och det såg ut som om den skulle spelas till slut medan de tidigare matcherna avbrutits när en av spelarna gett upp. Men efter fem timmar gav Lee Sedol upp.
Tidigt i spelet gjorde Alphago ett drag som kommentatorerna beskriver som ett amatörmässigt misstag, men programmet lyckades till slut ändå besegra Lee Sedol, som av många betraktas som världens bästa go-spelare.
Lee Sedol spelade svart på egen begäran. Han hade redan besegrat Alphago som vit, och hoppades kunna göra det också som svart.
Det sydoreanska go-förbundet tilldelade efter matchen Alphago den högsta rankningen nionde dan. Prispengarna på en miljon dollar donerar Alphago till välgörenhet.
Googles dotterbolag Deepmind, som utvecklat Alphago, har inte fattat några beslut om vad företaget tänker göra härnäst, men att släppa Alphago som en produkt finns med bland det man överväger. Träningen av Alphago krävde mycket datorresurser, medan betydligt mindre krävs under själva matchen.
– Vi har fokuserat på matchen och åker nu tillbaka till Storbritannien för att analysera, vi har lärt oss mycket om vad som kan förbättras, sade Alphagos tränare Demis Hassabis, som just nu inte kan promenera nerför en gata i Seoul utan att bli igenkänd, matchen är mycket uppmärksammad i Sydkorea.
När Googles dotterbolag Deepmind inte spelar go, ägnar det sig åt forskning inom den AI-teknik som används i Alphago, som kallas deep learning. Företaget har tidigare utvecklat deep learning-maskiner som spelar gamla Atari-spel betydligt bättre än människor.
En av de idéer som Demis Hassabis drömmer om är AI-assisterad forskning. AI-system skulle göra grovarbetet och plöja igenom forskning och söka efter strukturer i stora datamängder. Därefter skulle de presentera sina fynd för mänskliga experter och forskare. Han ger partikelfysiklaboratoriet i Cern som exempel.
– Det vore coolt om AI en vacker dag är involverad i att upptäcka en ny partikel. Tänk om den ligger och väntar på att upptäckas någonstans på deras massiva hårddiskar, och ingen ännu har hunnit analysera dem eftersom det finns för mycket data?
Google har ytterligare en avdelning, Google Brain, som arbetar praktiskt med att introducera deep learning-teknik över hela Googles produktportfölj. Tekniken ska ha testats i hundra arbetsgrupper. På Google Brain jobbar en av deep learningområdets grundare, Andrew Ng.
En annan av deep learning-grundarna, Yann LeCun, jobbar på Facebook. Han gratulerar Alphago till segern, men kan inte låta bli att retas över att Alphago inte Lärde sig spela go helt på egen hand utan fick tjuvkika på resultaten av tusentals redan spelade partier.
– Nu kanske ni kan prova att göra det enbart via reinforcement learning, utan att förbereda nätet genom att ge det inspelade matcher mellan människor som förberedande träning?
Risken finns att Yann LeCun kommer att få äta upp sin ord, eftersom också hans avdelning på Facebook utvecklar en go-spelande maskin. Ett mästarmöte mellan de två hänger nu i luften.