Oyun bitti: AlphaGo ilgilenecek bir çözüm, gerçek dünya sorunları

Geçen ay insanlık delete olduğu önemli bir savaş yapay zeka ile — o zaman AlphaGo betimleme şampiyonu guo Ki Jae skor 3:0. AlphaGo — bu program, yapay zeka ile geliştirilen DeepMind, bir parçası ana şirket Google Alphabet. Geçen yıl o çırpın başka bir şampiyon Mu Седоля, skor 4:1, ama o zamandan beri önemli ölçüde kazandı, puan.

Key Jae tarif AlphaGo gibi «tanrı bir oyun.».

Şimdi AlphaGo biter oyun oynamak için yeteneği sağlayan oyuncular, daha önce olduğu gibi, savaş aralarında. Yapay zeka kazanmıştır durumunu «oyuncu uzak geleceğin» düzeyi olan insanlar gerekir büyümek için çok uzun bir süre.

başlangıç, unutmayın.

Go — bu eski oyun, iki, bir oynar beyaz şekiller, diğer, siyah. Görev kapmak доминацию gemide, bölünmüş 19 yatay ve 19 dikey çizgi. Bilgisayarlara oyun. daha zor satranç, çünkü olası hamle sayısını her pozisyonu çok daha fazla. Bu sizi olası bir yanlış hamle ileriyi oldukça olası bilgisayarlar için satranç — çok zor..

Bir Atılım DeepMind haline gelmiştir geliştirme genel öğrenme algoritması, bir, ilke olarak, göndermek için daha fazla sosyal odaklı bir yönde, daha.. DeepMind diyor bir grup araştırmacı AlphaGo karmaşık sorunları çözmek için çalışıyor gibi bir arama için yeni tedaviler için bir hastalıklar, radikal güç tüketimini azaltmak veya geliştirme yeni, devrimci bir malzeme.

«Eğer AI sistemi olduğunu kanıtlıyor yetenekli almaya yeni bilgi ve stratejiler, bu alanlarda devrimler sadece неописуемы. Sabırsızlanıyorum görmek için, ne olacak» diyor bir bilim adamı bir proje.

Gelecekte bu tehdit, pek çok heyecan verici özellik ama sorunlar kadar bir yere gitti.

Nörobiyoloji ve yapay zeka

AlphaGo birleştiren iki güçlü fikirler konuda eğitim almış bir gelişme son birkaç yıldır: derin eğitim ve öğretim ile takviye. Ne ilginçtir ki, her iki yönde de dışarı biyolojik bir kavram çalışmaları ve beyin eğitimi sürecinde tecrübe edinmek.

Insan beyninin dokunmatik bilgiler işlenir serisi kat. Örneğin, görsel bilgi ilk ölçülere, retina, sonra orta beyindeki sonra geçer farklı alanlarda serebral korteks.

Sonunda görünür hiyerarşi представений, nerede ilk gitmek basit ve lokalize parça, ve sonra daha karmaşık ve kapsamlı özellikleri.

Eşdeğer AI denilen derin öğrenme: derin, çünkü çok sayıda içerir katman işleme basit нейроноподобных bilgi işlem birimleri.

Ama bu dünyada hayatta kalmak için, hayvanlar için gerekli değil, sadece tanımak için duyusal bilgiyi ancak ve hareket ona göre. Nesil bilim adamları ve psikologlar okudu, hayvanlar gibi öğrenmek eylemleri en üst düzeye çıkarmak için извлекаемую yarar ve aldığımız ödül.

Tüm yol açmıştır matematiksel teorileri öğrenme ile takviye, bir şimdi имплементировать bir AI sistemi. En önemli olanları, sözde TD-eğitim artıran bir eylem nedeniyle maximization gelecek ödülleri.

en İyi hamle

Bir kombinasyonu yoluyla, derin öğrenme ile öğrenme ve pekiştirme serisi, yapay sinir ağları, AlphaGo önce oynamayı öğrendim düzey profesyonel bir oyuncu. dayalı 30 milyon hamle oyun insanlar arasında.

Ama sonra o oynamaya başladı kendisine karşı kullanarak, sonuç her oyun için acımasızca keskinleştirmek, kendi kararlarını en iyi sırasında her pozisyonda bir tahta üzerinde. Değer sistemi, bir ağ öğrendim tahmin etmek olası sonucunu dikkate alarak, herhangi bir pozisyon, sistemi, basiret ağ öğrendi almak en iyi çözüm her durumda.

Olsa da, AlphaGo olamazdı denemek için tüm olası pozisyonları tahta, yapay sinir ağları öğrendim anahtar fikirler stratejileri hakkında iyi çalışır, herhangi bir pozisyon. Bu sayısız saatler kendi kendine oyunlar iyileştirme sonuçlandı AlphaGo son bir yıl içinde.

Ne yazık ki, henüz ünlü moda bulmak için bir ağ, bu anahtar fikirler. Biz sadece kendimizi öğrenmek için oyunlar ve bir umut, ne bir şey извлечем. Bu sorunlardan biri, kullanımı nöral algoritmalar: onlar açıklamak değil, kendi kararları.

Biz hala küçük olduğunu anlamak için nasıl bir eğitim biyolojik beyin ve nörobiyoloji sunmaya devam ediyor yeni ilham kaynakları için AI. İnsanlar uzman olmak, go oyun rehberliğinde çok daha az bir deneyim daha lazım AlphaGo elde etmek için bu düzeyde, bu nedenle, bu alanı geliştirmek için algoritmalar var.

Ayrıca, çoğu güç AlphaGo dayanan bilgileri yöntemine geri yayılma hatası, yardımcı olan, ona hataları düzeltmek. Ama arasında bir ilişki onu ve öğrenme gerçek bir beyin henüz belirsiz.

Ne olacak?

Bir Oyun oldu. kullanışlı bir platform geliştirme optimize etmek için, bu öğrenme algoritmaları. Ama pek çok sorunun gerçek dünya nereye беспорядочнее ve daha az özellik için kendi kendine öğrenme (örneğin, kendi kendine çalışan otomobil).

Herhangi bir sorun olup olmadığını, hangi biz-ebilmek uygulamak mevcut algoritmalar?

Bir örnek olabilir optimizasyon kontrollü endüstriyel koşullar. Burada görev genellikle bir amacı gerçekleştirmek için karmaşık görevleri bir dizi karşılamak için çok sayıda ölçüt ve maliyetleri en aza indirmek.

Sürece, koşullar tam olarak modellemek, bu algoritmaları öğrenme ve deneyim kazanmak, daha hızlı vedaha verimli, daha insanlar. Sadece kelimeleri tekrarlamak şirket DeepMind: çok görmek istiyorum, ne olduğunu.