IA: Google AlphaGo bir Go şampiyonunu yendi

[Christophe]

Google’da yapılan yapay zekada yeni bir ilerleme, kesinlikle bu Google arama programının bir devamı: Bilim ve Teknolojisi / google-yatırım-in-the-NBIC-a-strateji-a-uzun vadeli-t13291.html

Bir Google bilgisayarı AlphaGo, Go'nun profesyonel bir oyuncusunu yenmeyi başardı, bu karmaşık masa oyunu, Ocak ayı sonunda bilim dergisi Nature'ı duyurdu. Geliştiriciler, tahtadaki olası konfigürasyonların sayısının evrendeki atomların sayısını bile aştığını söylüyor. Buluş, bilgisayarın oyunu kendi kendine öğrenebilmesiydi. "Diğer her şeyi unutun. Bu, bu yılın en önemli haberi çünkü artık bir sistemimiz var olağanüstü zor sorunları çözme yeteneğine sahip. Ve bilgisayar bunu kendi başına öğreniyor. ...

http://trends.levif.be/economie/high-te ... 57755.html

Belçikalı bir profesör için, bu zaten yılın yeni bilimcisi: http://trends.levif.be/economie/high-te ... 67601.html

Eğer satranç oyunu için olası kombinasyonlar 10'i ortaya çıkaran 120 ise, oyuna gitmek için, uzmanlar 10'i ortaya çıkaran 600 rakamını hatırlatır. Ne anlama geldiğini tahmin etmeye bile çalışmayın, hiçbir insan bunu anlayamaz. 10 gibi bir sayının 10'i açığa çıkaran bir sayının zaten 100 milyarlarca kombinasyon verdiğini hayal edin. Ayrıca, bu tür figürleri tercüme edecek bir sözümüz yok. Bir bilgisayarın hareket halindeyken bir insanı yenebileceği gerçeği, uzmanlara göre, insan zihnine zarar vermeyen kapılar olarak bilime açılıyor.

Go'yu hiç oynamamıştım, bu yüzden bu astronomik figürlerle ilgili makaleye güveniyorum!

[sen-hayır-sen]

Google’da yapılan yapay zekada yeni bir gelişme, kesinlikle bu Google araştırma programının bir devamı: bilim-teknoloji / google-yatırım-in-nbic-a-uzun vadeli bir strateji-t13291.html
Go'yu hiç oynamamıştım, bu yüzden bu astronomik figürlerle ilgili makaleye güveniyorum!

Google’ın performansının / tehlikelerinin bir başka kanıtı!
Ve bu sadece "klasik" bir bilgisayar (kuantum değil!) Bana öyle geliyor ki ...

Öte yandan, 10 gücüne sahip 600, onay gerektirdiği kadar (sic). Hesap makinemi alıyorum!
Evrendeki 10 yıldızlarının gücüne göre 23 vardır ... dünyadaki tüm alanlardaki kum taneleri kadardır ... ve evrendeki yaklaşık 10 gücündeki 80 atomları yakın bir şeyle gözlemlenebilir .... iyi yatacağım ...

[Christophe]

Evet ama matematikte iyiyim, katılımcılar hızlı gidebilirler ... fiziksel sayılarla karşılaştırmak zor (akılda olsaydı şapka)

İyi güç 600 evet hala "biraz fazla" ... Go! Nun o kadar karmaşık olduğunu bilmiyordum!

[sen-hayır-sen]

Evet ama matematikte iyiyim, katılımcılar hızlı gidebilirler ... fiziksel sayılarla karşılaştırmak zor (akılda olsaydı şapka)

İyi güç 600 evet hala "biraz fazla" ... Go! Nun o kadar karmaşık olduğunu bilmiyordum!

Görünüşe göre makale bir katılımcı tarafından aldatıldı, sadece 10 güç 60 olurdu!
Başka bir kaynaktan 10 170 gücünden bahseder:
http://www.economiematin.fr/news-google-intelligence-artificielle-alphago-neurones

Dün, yapay bir zekanın go-player'daki zaferinin açıklanması, her zamanki cazibe ve korku karışımını arttırdı. Duyuru etkilerinin ardında, AlphaGo’nun sahibi Google’ın zekice düzenlediği yapay zeka (AI) sektöründeki büyük yeniliklerden kaynaklanmaktadır.
Tamam mı?

İlk önce, bu zafer şartlarına geri dönelim. Go oyunu Çin menşeli ve arkasında birkaç bin yıl var. Saygın yaşının yanı sıra, karmaşıklığı ile de bilinir.

10 171 1 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000: Bu 000 güç 000 olası kombinasyonların (burada böyle oluyor tahmin edilmektedir? 000 000 000 000 000 000 000 Kısa Açıklama: 000 000 000 000 000 Bu çok sayıdaki kombinasyon, yapay zekanın özellikle zorlu bir alıştırmayla karşı karşıya kalmaya duyduğu ilgiyi açıklamaktadır.

Dürüst olmak gerekirse, gitmek de insanlar için özellikle yoğun bir zihinsel egzersizdir. En iyi oyuncular "içgüdülerini" çok fazla kullanıyorlar - bu da bir makine tarafından yeniden üretilmesi zor. Bu nedenle son yıllarda AI araştırmalarına yoğunlaşılmıştır.

Daha sonra makinenin bir satranç oyunundaki adama karşı attığı darbe çoktan yapıldı (1996 ve 1997'ta IBM'in Kasparov'una karşı Deep Blue) ve bahisler mevcut değil: dünyanın en iyi oyuncuları En iyi satranç programlarına karşı gerçekten şansın yok. Bu nedenle satranç zaten görülüyor. Şimdi, bildiğiniz gibi Google, iletişimini çok iyi yönetiyor; bu yüzden çok daha büyük bir mücadeleyle mücadele etmek zorunda kaldı.

Bu aynı zamanda, en prestijli Nature Nature dergisinde Fan Hui'ye karşı AlphaGo'nun bu zaferlerinin (5’in 0’e taraf olduğu) öyküsünün nedeni de budur. Yapay zeka açısından Google’ın liderlerine rakiplerini yenecek kadar.

Çünkü mülk birkaç yıl içinde gerçek bir köpekbalığı akvaryumuna dönüşmüştür. Bilgisayarlardaki ve yeni teknolojilerdeki tüm büyük isimler yapay zeka üzerinde çalışıyor, bu diğerlerinden daha akıllı olmalı. Google, IBM’in, Microsoft’un, Amazon’un, Baidu’nun, hatta go oyununda uzmanlaşmış olan AI’ya paralel olarak gelişen Facebook’a karşı yeni bir savaş kazandı (Google’dan çok daha az etkileyici sonuçlar için).

2014’te Google, AI’da uzmanlaşmış İngiliz şirket DeepMind’i 400 ve 500 milyonlarca dolar arasında bilinmeyen ancak tahmin edilen bir miktar karşılığında satın almıştı. AI'daki araştırmalarına destek verecek kadar.
AlphaGo nasıl çalışır?

Özellikle oynamak için tasarlanmış AlphaGo, çeşitli yapay zeka biçimlerini bir araya getirdiği için gerçekten de uyarı makinesidir:

1. Monte Carlo ağacı araması (MCTS) adı verilen klasik yöntem: makine olası her harekete bir olasılık atar ve böylece hangisinin zafere götürmesi muhtemel olduğunu belirler. Ancak, örneğin Deep Blue tarafından uygulanan yöntemlerle büyük fark, makinenin oyunun karmaşıklığını en aza indirerek en iyi hareket olasılığını belirlemesidir.

2. Derin öğrenme: işte zaten çok daha karmaşık bir seçim sistemine giriyoruz. Prensip, olasılıklarla aynıdır, ancak aynı anda birkaç bilgiyi işleyebilen insan beyninin işleyişini taklit etme eğiliminde olan, daha sonra birleştiren ve daha sonra katmanlara (AlpgaGO durumunda 12) karmaşık hale getirilir. bir sonucu çıkarmak.

3. Güçlendirilmiş öğrenme: Bu teknik, kendi başına başarısızlıklarından ve zaferlerinden öğrenebilecekleri bir sistemi kendine karşı oynamayı içerir. Güçlendirilmiş öğrenme tekrar öğrenmek için tekrarı gerektiren insan beynini taklit eder (bu nöronal takviyedir). Beynimizin nasıl çalıştığını anlamak için bir nesneyi almak için yüzlerce kez deneyen bir bebeği gözlemlemek yeterlidir: güçlendirerek.

AlphaGo'nun orijinalliği bu nedenle bu üç zeka biçiminin ittifakındadır. Google tarafından geliştirilen AI, yalnızca diğer programlara karşı değil aynı zamanda insan oyunculara karşı da nasıl zafer kazanılacağını öğretti. Satrançtaki tüm olası kombinasyonları öğrendiğimiz Deep Blue'dan çok uzaktayız.

Google, AlphaGo ile dünyanın en iyi Go oyuncularından biri olan Lee Sedol arasında bir medya maçı düzenleyerek avantajını biraz daha ileriye taşımak istiyor. Seul'de Mart 2016 için planlanan bu etkinlik çok ilginç olacak çünkü herkesin görüşüne göre Sedol, Fan Hui'den çok daha iyi bir oyuncu. Makinenin henüz insanlara üstün gelmediğine dair umut.

[Christophe]

Ah evet, bunun çok fazla olduğundan şüphelenmiştim ... güç 60 bu önemsememek için ne!

Baktığın için teşekkürler, ne gibi, sadece bir kaynağa güvenmek yanlıştı!
Ve bu hafta sonu gönderdiğimi söylemek için: elektrik-elektronik-bilişim / sahte-infox intox-how-a-çek-info-over-internet-video-t14518.html

[sen-hayır-sen]

Ah evet, bunun çok fazla olduğundan şüphelenmiştim ... güç 60 bu önemsememek için ne!

Baktığın için teşekkürler, ne gibi, sadece bir kaynağa güvenmek yanlıştı!
Ve bu hafta sonu gönderdiğimi söylemek için: elektrik-elektronik-bilişim / sahte-infox intox-how-a-çek-info-over-internet-video-t14518.html

Evet 10 ^ 600, sicim teorisi çerçevesinde, ilk evrenin çeşitli konfigürasyon olasılıklarına ilişkin olarak gelişen şey budur ... her birinde gelişecek farklı dalları (paralel evrenler) saymadan " anında "...

için go Diyelim ki bu oyunun sunduğu olasılıklar hakkında kesin bir rakam oluşturmak mümkün değil, büyüklük sırasının 10 ^ 60 ile 10 ^ 170 arasında olduğunu söyleyebiliriz. !

[Christophe]

Gerçekten de, atalardan kalma bir oyunun bir evrenin konfigürasyonunun yutması hala zor olduğundan daha muhtemel! Kısacası araştırma için teşekkür ederim!

Go'nun temel temellerine geri dönelim: https://fr.wikipedia.org/wiki/R%C3%A8gles_du_go
Ben zaten temel kuralların lol inceliklerini hiçbir şey anlamadım!

[sen-hayır-sen]

AlphaGo Zero ile DeepMind, yapay zekanın geliştirilmesinde yeni bir adım atıyor

Google DeepMind’e en son eklenen AlphaGo Zero, go oyun programının önceki sürümlerini aştı. Yapay zeka şaşırtıcı bir hızla kendi kendine öğrenir.

Alpha Go'yu hatırlıyor musun? Google’ın 2014’te edindiği bir İngiliz şirketi olan DeepMind’in geliştirdiği yapay zeka, Ekim 2015’ta google oyunundaki profesyonelleri yenen ilk program oldu.



Avrupa şampiyonu Fan Hui'ye karşı kazandığı zaferden bu yana, DeepMind takımı sahadaki diğer şampiyonları yenen programını geliştirmeye devam ediyor. Bilim dergisi Nature, Wednesday 18 October'de yayınlanan bir makalede, AI yaratıcıları programın daha güçlü bir versiyonunu geliştirdiklerini açıkladılar.

AlphaGo Zero adı verilen özellik, tek bir istisnai özelliğe dayanır: artık insanların öğrenmesi gerekmiyor. İlk versiyon, 100 000 go oyun bölümünden daha az olmayan bir veri tabanı ile programlandı. Rakiplerini yenmek için AlphaGo bu nedenle insanlar arasında oynanan oyunları gözlemleyerek öğrenmişti.

Fakat AlphaGo Zero artık buna ihtiyaç duymuyor. DeepMind ekibi onun içinde sadece siyah beyaz taşların tahtadaki konumu gibi, oyunun en temel kurallarını aşıladı. Her şey, yapay zekanın kendisine karşı sürekli milyonlarca oyun oynayarak öğrendi. Her oyunda, AlphaGo Zero programını tek başına güncelledi.

http://mashable.france24.com/tech-business/20171019-intelligence-artificielle-alphago-zero-deepmind-google

[Christophe]

Bittiğinden çok uzak: http://trustmyscience.com/une-ia-genere ... es-autres/

Google’ın yapay zekası, insanlar tarafından bugüne kadar yapılan her şeyi geçen kendi AI’sını geliştirmiştir.

Mayıs 2017’ta Google Brain araştırmacıları, kendi AI’larını üretebilecek daha yapay bir yapay zeka (AI) olan AutoML’nin yaratıldığını duyurdular. Daha yakın zamanlarda, araştırmacılar bugüne kadar AutoML ile en büyük zorlukla yüzleşmeye karar vermişlerdir. Başka yapay zeka üretebilen bu yapay zekâ, Man tarafından tasarlanan tüm meslektaşlarını aşan gerçek bir “çocuk” yarattı.

Artık Google araştırmacıları, makine öğrenimi modellerinin tasarımını donatı öğrenme adı verilen bir yaklaşım kullanarak otomatikleştirdi: AutoML, bir görev yapmak için çocuk AI ağı denilen bir sinir ağı denetleyicisi gibi davranıyor. belirli.

Araştırmacıların NASNet olarak adlandırdıkları bu yeni AI ile ilgili olarak, görev nesneleri tanımaktır: insanlar, arabalar, trafik ışıkları, el çantaları, sırt çantaları vb. gerçek zamanlı AutoML daha sonra NASNet'in performansını değerlendirir ve bu bilgiyi yeni AI'yi geliştirmek için kullanır ve bu işlemi geliştirmesini maksimuma çıkarmak için binlerce kez tekrarlar.

ImageNet (organize bir görüntü veritabanı) ve COCO (Bağlamdaki Ortak Nesneler) görüntü sınıflandırma veri setleri üzerinde test edildiğinde - bir tespit, segmentasyon ve kapalı resim yazısı veri seti Google araştırmacılarının "bilgisayar vizyonundaki en saygın büyük ölçekli akademik veri setlerinden ikisi" olarak nitelendirdiği büyük ölçekli nesneler), IA NASNet bugüne kadar mevcut tüm diğer vizyon sistemlerini aştı.

Araştırmacılara göre, NASNet, ImageNet'in tamamındaki görüntüleri tahmin etmek için% 82,7 hassasiyetine ulaştı. Bu, 1,2% önceden yayınlanmış sonuçlardan daha iyidir. Sistem ayrıca,% 4% 43,1 ortalama hassasiyetiyle (% Ortalama Ortalama Hassasiyet - mAP) daha verimlidir. Ek olarak, NASNet'in daha az talepkar bir versiyonu (hesaplamalar açısından) mobil platformlar için benzer büyüklükteki en iyi modelleri% 3,1 aşmıştır.

Makine öğrenmesi, birçok AI sistemine belirli görevleri gerçekleştirme yeteneklerini verir. Her ne kadar bu kavram oldukça basit olsa da - bir algoritma büyük miktarda veriden beslenmeyi öğreniyor - süreç hala çok zaman alıyor ve hesaplama yapıyor. Doğru ve verimli AI sistemleri oluşturma sürecini otomatikleştirerek, başkalarını tasarlayabilen bir AI bu önemli çalışmayı üstlenir.

Özellikle NASNet ile ilgili olarak, hassas ve etkili bilgisayar görme algoritmaları, potansiyel uygulamaların sayısı nedeniyle büyük talep görmektedir. Aslında, bu algoritmalar AI tarafından çalıştırılan karmaşık robotlar oluşturmak için kullanılabilir. Ayrıca tasarımcılara özerk araçların teknolojilerini geliştirme konusunda yardımcı olabilirler: özerk bir araç yolunda ve çevresinde bulunan nesneleri ne kadar hızlı tanırsa o kadar hızlı tepki verebilir ve bu araçların güvenliğini de arttırır.

Google araştırmacıları, NASNet’in çok çeşitli uygulamalar için çok faydalı olabileceğini ve görüntü sınıflandırması ve nesne tespitine ilişkin çıkarım için açık kaynaklı AI belirlediğini biliyor. Araştırmacılar, "En büyük makine öğrenen topluluğunun, bu modelleri henüz hayal etmediğimiz bilgisayar görme sorunlarını çözmek için kullanabileceğini umuyoruz" diyor.

NASNet ve AutoML için pek çok uygulama olsa da, bir AI'nın bir başkasını yaratabildiği gerçeği de bazı endişeleri beraberinde getiriyor. Örneğin, “ebeveyn” AI'nın istenmeyen öğeleri “çocuklarına” iletmekten ne alıkoydu? AutoML, şirketin dayanamayacağı kadar hızlı sistemler oluşturursa ne olur? Gerçekten de, NASNet'in yakın gelecekte otomatik gözetim sistemlerinde nasıl kullanılabileceğini hayal etmek zor değil. Belki de bu sistemi kontrol etmek için gerekli düzenlemelerden çok önce ve limitleri oluşturuldu.

Öyleyse, dünya liderlerinin bu tür sistemlerin herhangi bir distopya geleceğine yol açmamasını sağlamak için oldukça hızlı ve verimli bir şekilde çalışmasını umalım. Amazon, Facebook, Apple ve diğer büyük şirketlerin, odaklanan bir kuruluş olan İnsan ve Toplumun Yararlanmasına İlişkin AI Ortaklığının üyesi olduklarını unutmayın. sorumlu ve kontrollü AI geliştirme.

Elektrik ve Elektronik Mühendisleri Enstitüsü (IEE) AI’lar için etik standartlar önerdi ve Google’a ait bir araştırma şirketi olan DeepMind kısa süre önce, ABD’nin ahlaki ve ahlaki anlamlarına odaklanan bir grup oluşturduğunu açıkladı. AI.

Birkaç hükümet, AI'nın özerk silahlar gibi tehlikeli amaçlar için kullanılmasını önleme amaçlı düzenlemeler üzerinde de çalışıyor. Genel AI geliştirme yönü üzerinde kontrol sağlandığı sürece, AI'nın başkalarını tasarlama yeteneğine sahip olmasının faydaları, burada olduğu gibi, potansiyel tehlikelerden daha ağır basmalıdır.

Kaynaklar: Google, arXiv.org

[Ahmed]

Bu tekniklerin zararlı kullanımını engellemek için iyi niyet yeterli olmayacak ve hükümetleri kontrol operasyonlarına ilk kaydedenler olacak ... Tehlikeleri gerçek değerleriyle değerlendirmek için, büyümenin bağlamını göz önünde bulundurmak gerekir. sosyal eşitsizlikler, gücün yoğunlaşması, toplumsal parçalanma ve büyük ekolojik karışıklıklar.