Gioco finito: AlphaGo occuperà di soluzione di problemi del mondo reale

Il mese scorso, l'umanità ha perso una battaglia importante con l'intelligenza artificiale — allora AlphaGo ha battuto il campione di guo Ki Je con il punteggio di 3:0. AlphaGo — è un programma di intelligenza artificiale, sviluppato DeepMind, una parte della società controllante Google Alphabet. L'anno scorso ha battuto un altro campione, Se Седоля, con il punteggio di 4:1, ma da allora sostanzialmente ha guadagnato punti.

Ki Je descritto AlphaGo come il «dio di gioco go».

Ora AlphaGo finisce di giocare, dando la possibilità ai giocatori, come prima, a combattere tra di loro. L'intelligenza artificiale ha acquisito lo status di «giocatore dal futuro», alla quale le persone devono crescere molto a lungo.

All'inizio, attenzione, guo

Go è un gioco antico per due, dove uno gioca forme bianche, l'altro nero. Compito — per catturare fare alla lavagna divisa in 19 orizzontali e 19 linee verticali. Computer giocare a go più difficile rispetto a scacchi, perché il numero di mosse possibili in ogni posizione molto di più. Questo rende un errore di calcolo possibili mosse in anticipo — è possibile per i computer a scacchi — è molto difficile.

Un passo avanti DeepMind è stato lo sviluppo di algoritmi di apprendimento che, in linea di principio, è possibile inviare al più socialmente orientato in direzione di guo. DeepMind dice che un gruppo di ricercatori AlphaGo cercando di risolvere problemi complessi come la ricerca di nuovi trattamenti per le malattie, ridurre drasticamente il consumo di energia o lo sviluppo di nuovi materiali rivoluzionari.

«Se il sistema di IA dimostra che è in grado di acquisire nuova conoscenza e strategia in questi settori, le innovazioni sono ... non saprei come descriverli. Non vedo l'ora di vedere cosa succederà», dice uno dei ricercatori del progetto.

In futuro si rischia una serie di interessanti opportunità, ma il problema fino a quando non sono scomparse.

Neurobiologia e l'intelligenza artificiale

AlphaGo unisce due potenti idee sul tema della formazione, che hanno ricevuto lo sviluppo negli ultimi decenni: una profonda formazione e apprendimento per rinforzo. Ciò che è notevole, in entrambe le direzioni usciti dal concetto biologico di lavoro e di apprendimento del cervello nel processo di ottenimento di esperienza.

Nel cervello l'informazione sensoriale viene elaborato in una serie di strati. Ad esempio, l'informazione visiva in primo luogo si trasforma nella retina, quindi in media cervello, e quindi passa attraverso diverse aree della corteccia cerebrale.

Alla fine appare la gerarchia представений, dove in primo luogo vanno semplici e dettagli localizzati, e quindi più complessi e completi di caratteristiche.

L'Equivalente in IA si chiama profonda dell'apprendimento: profondo, perché comprende molti strati di trattamento in semplici нейроноподобных di calcolo unità.

Ma per sopravvivere in questo mondo, gli animali, è necessario non solo di riconoscere le informazioni sensoriali, ma anche di agire in conformità con essa. Generazione di scienziati e psicologi hanno studiato, come gli animali imparano a intraprendere azioni per massimizzare il beneficio maturato e riceve il premio.

Tutto questo ha portato alla matematica teorie di apprendimento con rinforzo, che ora è possibile implementare il sistema di intelligenza artificiale. Il più importante di questi è il cosiddetto TD-formazione, che migliora l'azione, massimizzando attesa di una futura ricompensa.

le mosse Migliori

A Causa di una combinazione di apprendimento profondo e di apprendimento con rinforzo in una serie di reti neurali artificiali, AlphaGo in primo luogo ha imparato a giocare a livello professionale giocatore di guo sulla base di 30 milioni di mosse dei giochi tra le persone.

Ma poi ha iniziato a giocare contro se stessi, utilizzando l'esito di ogni partita, per inesorabilmente affinare le proprie decisioni circa il miglior corso in ogni posizione sulla scacchiera. Il sistema di valori della rete imparato a prevedere il probabile risultato tenendo conto di qualsiasi posizione, e il sistema di prudenza rete imparato ad accettare la soluzione migliore in ogni situazione.

Anche se AlphaGo non riusciva a provare tutte le posizioni possibili su una lavagna, le reti neurali hanno rimosso le idee fondamentali sulle strategie che funzionano bene in qualsiasi posizione. È di questi innumerevoli ore di gioco indipendente ha portato ad un miglioramento AlphaGo per l'ultimo anno.

Purtroppo, ancora non c'è modo conosciuto per capire la rete, che è per le idee chiave. Possiamo solo imparare il gioco e sperare che qualcosa imparato da loro. Questo è uno dei problemi di utilizzo neurali algoritmi: non spiegano la loro decisione.

Siamo ancora poco consapevoli di come vengono addestrati biologici cervello, e neurobiologia continua a fornire nuove fonti di ispirazione per l'IA. Le persone possono diventare esperti in un gioco del go, guidati da molto meno esperienza, che ha bisogno di AlphaGo per raggiungere questo livello, quindi lo spazio per migliorare gli algoritmi ci sono ancora.

Inoltre, la maggior parte della potenza AlphaGo si basa sulla tecnica del metodo di backpropagation, che aiuta a correggere gli errori. Ma il legame tra lei e la formazione in tempo reale cervello è ancora chiaro.

Che cosa?

Il Gioco del go è diventato conveniente piattaforma di sviluppo per l'ottimizzazione di questi algoritmi di apprendimento. Ma molti problemi del mondo reale dove беспорядочнее e hanno meno capacità di auto-apprendimento (ad esempio, in auto).

Se ci Sono problemi, a cui possiamo applicare disponibili algoritmi?

Un esempio potrebbe essere quello di ottimizzare controllati da condizioni industriali. Qui il compito è quello di eseguire una complessa serie di processi, di soddisfare una serie di criteri e di ridurre al minimo i costi.

Fino ad allora, fino a quando le condizioni sarà possibile simulare, questi algoritmi potranno imparare e acquisire esperienza più veloce epiù efficiente di persone. Si può solo ripetere le parole della società DeepMind: proprio vedere cosa succederà dopo.