Atcerieties (neskaidri), kā jūs iemācījāties staigāt, runāt, braukt ar riteni vai braukt? Tas bija nekārtīgs un pilns ar kļūdām, bet prasmes, ko tu tā apguvi, palika. Ārpus dzīves sistēmām ir bijis grūti izveidot pietiekami spēcīgus algoritmus, lai iegūtu “reālās dzīves pieredzi” un attīstītu lipīgu, pielāgojamu uzvedību mākslīgajam intelektam.
Nu, Alpha Go Zero to vienkārši izdarīja.
'Tas sākas ar tukšu lapu un izdomā tikai pats sev, tikai no pašizspēles un bez jebkādām cilvēku zināšanām, jebkādiem cilvēka datiem, pazīmēm, piemēriem vai cilvēku iejaukšanās. Tas no pirmajiem principiem atklāj, kā spēlēt Go spēli, ”saka DeepMind profesors Deivids Sudrabs.
AI ir bijuši vairāki atkārtojumi, katrs gudrāks un spējīgāks par iepriekšējo. Iepriekšējā versijā tika izmantota milzīga iepriekšējo spēļu datu bāze kopā ar virkni algoritmu, kas to norādīja uz uzvaru. Šī pieeja noveda pie pašreizējā pasaules čempiona profesionālā Go spēlētāja sakāves. Pokerā AI Libratus nesen nopelnīja pasaules lielākos pokera spēlētājus par gandrīz 2 miljoniem ASV dolāru, arī mācoties pašspēlēs, nevis cilvēku spēļu datos.
kas ir princeses mīlestības tautība
Tagad šajā jaunākajā Alpha Go versijā mācīja mākslīgā intelekta programma pati kā spēlēt Go - bez cilvēka fona.
Izpildot miljoniem spēļu simulāciju pret sevi, bija nepieciešamas 40 dienas, lai tas no nulles iemācītos pārspēt pasaules čempiona versiju. Tas patiešām maina spēli, ne tikai Go, bet arī to, kā tiek atklātas jaunas zināšanas. Cik precīza vai pilnīga ir jūsu domēna kompetence? Tur ir daudz vairāk, ko mums atklāt šis aizraujošais eksperiments, mācoties kopā ar Alpha Go Zero.
'Alpha Go ideja nav iet ārā un pieveikt cilvēkus, bet patiesībā atklāt, ko nozīmē darīt zinātni - lai programma spētu no sevis uzzināt, kas ir zināšanas,' saka Sudraba YouTube ierakstā par sasniegums.
Alpha Go Zero Deep Mind komanda to sauc par pirmā principa - “tabula rasa” (tukša šīfera) mācīšanos.
'Ja jūs varat sasniegt tabula rasa mācoties, jums ir aģents, kuru var pārstādīt no Go spēles uz jebkuru citu domēnu, un spēles, kurā atrodaties, specifika, jūs izdomājat tik vispārīgu algoritmu, kuru var pielietot jebkur, 'viņš saka . Tā ir provokatīva ideja, paplašinot koncepciju. Vienkārši padomājiet, ko mēs varētu darīt ar spēcīgu, mācīšanās algoritmu kopumu, kas varētu sistemātiski risināt smagas problēmas un mācīties ātrāk nekā mūsu civilizācijas kolektīvās zināšanas. . . dienās, nevis gadu desmitos.
Klēra Hostermena un balodis Kamerons
Pagaidām liela atņemšana ir: 'algoritmiem ir daudz lielāka nozīme nekā skaitļošanai vai pieejamajiem datiem,' sacīja Sudraba. Tas vien ir spēles mainītājs, kā mēs tuvojamies zināmās pasaules paplašināšanai. Kaut arī Alpha Go aparatūra ir aptuveni 25 miljoni ASV dolāru - tā nav gluži viegla sistēma -, jūs zināt, ka AI guru jau sen strādā pie tīrāku, labāku datu kopu izveidošanas. Mūsdienās daudzas lielo datu kopas tiek uzskatītas par pārāk skaļām - pilnas ar sliktiem datiem -, lai precīzi apmācītu mākslīgo intelektu. Ja AI mācās no datiem un dati ir slikti, tas nemācās. Liela problēma.
Ko darīt, ja jums nav nepieciešami tīri dati, bet tikai pieredze, un mākslīgais intelekts varētu sevi apmācīt?
Tas ir aizraujošais sasniegums Alpha Go Zero. Lai gan tas ir nišu, uz spēlēm balstītajā spēļu pasaulē, tam ir liela nozīme visās nozarēs, kas strādā no fiziskiem noteikumiem - domājot par ķīmiju, satiksmi, bioloģiju, farmakoloģiju, ceļojumiem, loģistiku un ražošanu. Ja mēs varam izstrādāt tik elastīgus noteikumus, ka viņi var strādāt, izmantojot plašāku pieredzi, un tik virzīti, ka vienmēr rada spēcīgākas prasmes, piemēram, Alpha Go Zero, tad ir iespējams sasniegt mākslīgo intelektu, kas izstrādā sistēmas. Šīm sistēmām nebūtu nepieciešami ārēji dati, tām nebūtu problēmu ar datu attīrīšanu un tām nebūtu nepieciešami palēninājumi cilvēkam ciklā. Daļēji tāpēc Google mātes uzņēmums Alfabēts derēja uzņēmumam par mākslīgo intelektu un strauji investē mākslīgajā intelektā. (Amazon iegulda arī mākslīgajā intelektā, piemēram, tās jaunākajā AI iegūšanā BodyLabs.)
čārlijs rowe 2014 pilns ķermenis
Dziļā prāta profesors Deivids Sudrabs saka: 'Fakts, ka mēs esam redzējuši, ka programma ir sasniegusi augsta līmeņa sniegumu ... tagad nozīmē, ka mēs varam sākt risināt dažas no cilvēces izaicinošākajām un ietekmīgākajām problēmām.'
Šis ieraksts ir atjaunināts, lai precizētu, ka AI Libratus nesen pārspēja labākos pokera spēlētājus, izmantojot stratēģiju, kas ietver sevis spēlēšanu, nevis cilvēku ievadītos datus.
