Husk (vagt) hvordan du lærte at gå, tale, cykle eller køre? Det var rodet og fuld af fejl, men de færdigheder, du lærte på den måde, forblev. Uden for levende systemer har det været udfordrende at strukturere stærke algoritmer til at tage 'virkelige livsoplevelser' og udvikle klæbrig, tilpasningsdygtig adfærd til kunstig intelligens.
Nå, Alpha Go Zero gjorde det bare.
'Det starter fra et tomt skifer og finder kun ud af sig selv, kun fra selvspil og uden menneskelig viden eller menneskelige data eller træk eller eksempler eller intervention fra mennesker. Den opdager, hvordan man spiller Go fra de første principper, 'siger DeepMinds professor David Silver.
AI har haft flere gentagelser, hver smartere og mere i stand end den før. Den tidligere version brugte en enorm database med tidligere spil sammen med en masse algoritmer, der pegede på at vinde. Denne tilgang førte til nederlaget for den regerende verdensmester professionel Go-spiller. I poker skinnede AI Libratus for nylig verdens bedste pokerspillere med næsten $ 2 millioner, også ved at lære gennem selvspil i stedet for menneskelige spildata.
prinsesse og ray j nettoværdi
Nu, i denne seneste version af Alpha Go, undervises det kunstige intelligensprogram sig selv hvordan man spiller Go - uden menneskelig baggrund.
At køre millioner af spilsimuleringer mod sig selv tog det 40 dage for det at lære - fra bunden af - hvordan man kunne slå verdensmesterversionen af sig selv. Det ændrer virkelig spil, ikke kun for Go, men også for hvordan ny viden opdages. Hvor nøjagtig eller komplet er din domæneekspertise? Der er en masse mere at opdage, er, hvad dette fascinerende eksperiment med at lære med Alpha Go Zero fortæller os.
'Ideen med Alpha Go er ikke at gå ud og besejre mennesker, men faktisk at opdage, hvad det betyder at gøre videnskab - for et program, der skal kunne lære af sig selv, hvad viden er,' ifølge Silver i et YouTube-indlæg om præstationen.
Alpha Go Zero Deep Mind-teamet kalder det første princip, 'tabula rasa' (blank skifer) læring.
'Hvis du kan opnå tabula rasa læring, du har en agent, der kan transplanteres fra spillet Gå til ethvert andet domæne, og det specifikke ved spillet, du er i, du kommer op med en algoritme, der er så generel, at den kan anvendes hvor som helst, 'siger han . Det er en provokerende idé, når du udvider konceptet. Tænk bare hvad vi kunne gøre med et sæt stærke indlæringsalgoritmer, der systematisk kunne tackle hårde problemer og lære hurtigere end vores civilisations samlede viden. . . i dage, ikke årtier.
melissa benoist fødselsdato
For nu er den store take away, 'algoritmer betyder meget mere end enten computing eller tilgængelige data,' sagde Silver. Dette alene er en game-changer i, hvordan vi nærmer os at udvide den kendte verden. Mens Alpha Go kører på omkring $ 25 millioner i hardware - det er ikke ligefrem et letvægtssystem - ved du, at AI-guruer længe har arbejdet med at skabe renere, bedre datasæt. I dag betragtes mange store datasæt for støjende - fulde af dårlige data - til nøjagtigt at træne en kunstig intelligens. Hvis AI lærer af data, og dataene er dårlige, lærer det ikke. Stort problem.
Hvad hvis du ikke havde brug for rene data, men bare erfaring, og den kunstige intelligens kunne træne sig selv?
Det er den spændende bedrift i Alpha Go Zero. Selvom det er i den niche, regelbaserede verden af spil, har det store implikationer i enhver branche, der arbejder ud fra fysiske regler - tænk kemi, trafik, biologi, farmakologi, rejser, logistik og fremstilling. Hvis vi kan designe regler så fleksible, at de kan arbejde ud fra bredere erfaring og så retningsbestemte, at de altid skaber stærkere færdigheder - som Alpha Go Zero - så er det muligt at opnå kunstig intelligens, der masterminder systemer. Disse systemer behøver ingen udvendige data, har ingen datarensningsproblemer og behøver ingen nedgang i menneske-i-løkken. Det er dels grunden til, at Googles moderselskab, Alfabet, satsede på kunstig intelligens og investerer i hurtig intelligens. (Amazon investerer også i kunstig intelligens, ligesom dets seneste AI-erhvervelse BodyLabs.)
hvor mange børn har valerie bertinelli
Deep Mind-professor David Silver siger, 'det faktum, at vi har set et program opnå en ydeevne på højt niveau ... burde betyde, at vi nu kan begynde at tackle nogle af de mest udfordrende og virkningsfulde problemer for menneskeheden.'
Dette indlæg er blevet opdateret for at præcisere, at AI Libratus for nylig slog de bedste pokerspillere ved hjælp af en strategi, der involverer selvspil snarere end data, der er indtastet af mennesker.
