O jogo acabou: AlphaGo será a solução para os problemas do mundo real

No mês passado, a humanidade perdeu uma importante batalha com inteligência artificial — então AlphaGo venceu o campeão do século Ki Impostos, com o placar de 3 a 0. AlphaGo — é um programa de inteligência artificial desenvolvido pela DeepMind, parte empresa-mãe Google Alphabet. No ano passado, ela venceu um outro campeão, Se Седоля, com o placar de 4:1, mas, desde então, essencialmente, ganhou por pontos.

Ki Impostos e descreveu AlphaGo como o "deus de jogo go".

Agora AlphaGo termina de jogar o jogo, dando a possibilidade aos jogadores, como antes, a lutar entre si. A inteligência artificial ganhou o status de "jogador de um futuro distante", até o nível do qual as pessoas vão ter que crescer muito tempo.

No começo, a atenção, th

Crossfire é um jogo para duas pessoas, onde um joga brancas figuras, outro preto. A tarefa de capturar o доминацию no quadro-negro, divididos em 19 horizontais e 19 de linhas verticais. Computadores para jogar o jogo go é mais difícil que no jogo de xadrez, porque o número de movimentos possíveis em cada posição muito mais. Isso faz com que um erro de cálculo de possíveis movimentos — é possível para computadores de xadrez — é muito complicado.

Um Avanço DeepMind tornou-se um desenvolvimento total de um algoritmo de aprendizagem, o que, em princípio, pode-se direcionar mais socialmente orientados a direção que o th. DeepMind diz que o grupo de pesquisadores AlphaGo tenta resolver problemas complexos, como busca de novos tratamentos para doenças, radical reduzir o consumo de energia ou o desenvolvimento de novas e revolucionárias de materiais.

"Se a inteligência artificial, o que prova que é capaz de adquirir novo conhecimento e estratégias nestas áreas, as descobertas vão simplesmente vão deixar você sem palavras. Não posso esperar para ver o que vai acontecer", diz um dos cientistas do projeto.

No futuro, ele corre o risco de muitos recursos interessantes, mas o problema ainda não desapareceram.

as Neurociências e a inteligência artificial

AlphaGo combina duas poderosas idéias sobre o tema da aprendizagem, que receberam o desenvolvimento ao longo das últimas décadas: uma profunda formação e treinamento de reforço. O que é notável, ambos saíram da biológica do conceito de trabalho e de formação do cérebro no processo de obtenção de experiência.

No cérebro de uma pessoa toque a informação é processada em uma série de camadas. Por exemplo, as informações visuais primeiramente transformado na retina e, em seguida, em média, o cérebro e, em seguida, passa através de diferentes áreas do córtex cerebral.

No final aparece uma hierarquia de представений, onde vão primeiramente simples e localizadas detalhes e, em seguida, mais complexas e abrangentes características.

O Equivalente em IA é chamado de profunda aprendizagem: profundo, porque inclui muitas camadas de tratamento simples нейроноподобных de computação unidades.

Mas, para sobreviver neste mundo, os animais não precisam apenas de reconhecer táctil de informação, mas também agir em conformidade com ela. A próxima geração de cientistas e psicólogos têm estudado, como os animais aprendem a tomar providências, a fim de maximizar o извлекаемую benefício e recebe a recompensa.

Tudo isso levou à matemática teorias de reforço de aprendizagem, que agora você pode implementar no sistema de IA. O mais importante deles é o chamado TD-aprendizagem, o que melhora a ação através da maximização de expectativas futuras recompensas.

cursos

Por conta da combinação de profundo aprendizado e reforço de aprendizagem em uma série de redes neurais artificiais, AlphaGo primeiramente aprendi a jogar no nível de jogador profissional de feira, na base de 30 milhões de movimentos dos jogos entre as pessoas.

Mas, em seguida, ele começou a jogar contra si mesmo, utilizando o resultado de cada jogo, para inexoravelmente a aprimorar suas próprias decisões sobre o melhor curso em cada posição no quadro-negro. O sistema de valores de uma rede aprendeu a prever o provável resultado tendo em conta a partir de qualquer posição, enquanto o sistema de prudência rede aprendeu a tomar a melhor decisão em cada situação.

Embora AlphaGo não podia experimentar todas as posições possíveis no quadro-negro, a rede neural extraímos as idéias-chave sobre as estratégias que funcionam bem em qualquer posição. É a estas inúmeras horas de jogo independente que levou a uma melhoria AlphaGo do ano passado.

Infelizmente, ainda não é conhecida qualquer forma de descobrir a partir da rede, o que é que para as idéias-chave. Nós só podemos estudar o jogo e esperar que algo beneficiar deles. Este é um dos problemas do uso neurais e algoritmos: eles não explicam suas decisões.

Ainda Estamos um pouco entendemos sobre como aprendem cérebros biológicos, e a neurobiologia continua a oferecer novas fontes de inspiração para AI. As pessoas podem se tornar especialistas em go, guiado muito menos experiência, o que precisa AlphaGo para atingir tal nível, de modo que o espaço de algoritmos para melhorar ainda existem.

Além disso, grande parte da potência AlphaGo baseia-se na técnica do método de propagação de erros, que ajuda a corrigir os erros. Mas o vínculo entre ela e a aprendizagem real do cérebro ainda não é claro.

o Que vem a seguir?

O dia do Jogo tornou-se conveniente uma plataforma de desenvolvimento para a otimização dos algoritmos de aprendizagem. Mas muitos problemas do mundo real onde беспорядочнее e têm menos recursos para auto-aprendizagem (por exemplo, autogestão carros).

Se Existem problemas, aos quais podemos aplicar os algoritmos disponíveis?

Um exemplo pode ser otimização controladas industriais de condições. Aqui, a tarefa é, frequentemente, o que, para executar uma série de tarefas, atender a um conjunto de critérios e minimizar os custos.

Até que condições pode modelar com precisão, os algoritmos vão aprender e ganhar experiência mais rápido emais eficiente do que as pessoas. Você pode apenas repetir as palavras de empresa DeepMind: quero muito ver o que vai acontecer a seguir.