Шахматный опыт человечества ИИ не нужен, бэкпроп и Хинтон, платье от искина, ИИ создал дочерний ИИ

Новый ИИ покажет людям, как на самом деле можно было играть в шахматы

Команда DeepMind продолжает разрабатывать алгоритмы, которые отнимают у людей чемпионские титулы. Когда-то программа DeepMind разгромила Гарри Каспарова, чемпиона мира по шахматам среди людей, затем алгоритмы AlphaGo и AlphaGo Zero обыграли Кэ Цзэ, чемпиона мира по игре го. А теперь знакомьтесь с новым суперчемпионом, играющим сразу в несколько игр — AlpaZero.

Новинка принципиально отличается от прежних шахматных программ. Если они для выбора хода перебирали гигантское число позиций, например, около 70 млн в секунду у Stockfish, то новому алгоритму, чтобы обыгрывать Stockfish, хватает анализа 80 тыс. позиций в секунду.

Пикантность происходящему придает то, что в отличие от «классического» подхода, когда алгоритм обучают на основе множества игр, сыгранных людьми, AlphaZero обошлась без опыта, накопленного человечеством. Алгоритму изначально лишь объяснили правила и цель игры, а обучился он самостоятельно, всего лишь за 4 часа, играя сам с собой. Кроме шахмат, AlphaZero изучил также сеги (японские шахматы) и го, так что теперь нейросеть играет на сверхчеловеческом уровне во все эти игры.

Что же, осталось научить алгоритм правилам, по которым люди играют во все остальные игры — политику, бизнес, религию и т.п. — и мы сможем получить в лице AlphaZero недостижимый на сегодня уровень компетенции? Такой ИИ мог бы, наверное, возглавить мировое правительство. Это шутка, но в каждой шутке…

Не нравится реальность? Её можно подредактировать

В NVidia использовали алгоритм генеративных состязательных сетей (GAN) для создания ИИ, способного автоматически корректировать видеоролики так, что при этом кардинально изменяется запечатлённая в них реальность.

Начинали разработчики с того, что научили систему раскрашивать и корректировать фотографии — например, переделывать зимний пейзаж в летний. Тот же принцип оказался применим и для видео.

Для чего это делается? В компании собираются использовать систему для создания приложений для обучению вождения. Наверняка найдутся и более интересные варианты применения такого ИИ, например, для создания видеоигр на базе реальных видеозаписей.

Джеффри Хинтон — Альберт Энштейн искусственного интеллекта

Если имя Джеффри Хинтон вам незнакомо, немедленно переходите по ссылке — сегодня не знать этого человека, это как не знать Илона Маска или Стивена Джобса. Именно Джеффри Хинтон в 1986 году опубликовал работу по теме «глубокого обучения», где был представлен метод обратного распространения ошибки (бэкпропа). Основные успехи ИИ сегодня основаны именно на глубоком обучении и работах Хинтона. Хотите понять, как устроен бэкпроп — читайте текст, в нем всё объяснено чуть ли не на пальцах. И не только бэкпроп, но и векторное пространство, с которым имеют дело нейронные сети.

Удивительно, но теперь на волне гиперпопулярности глубокого обучения и веры в его чуть ли не всесильность, именно Хинтон говорит о том, что эта технология имеет ограничения, которые, вероятно, не позволят ей развиваться дальше, если не попробовать повторить трюк с заимствованием у живой природы идей построения нейросети.

Платье от искина

Мы всё время слышим о том, что ИИ заменит юристов, ИИ заменит бухгалтеров. А может ли ИИ справиться с более творческими процессами? Одна молодая команда разработчиков из Москвы уверена — может, и занимается созданием ИИ, который будет способен заменить дизайнеров одежды.

В основу искина положены GAN, — две нейронные сети, конкурирующие между собой. В процессе обучения одна из сетей учится генерировать дизайны платьев, а вторая проверяет, насколько созданные изображения вписываются в тренды. Вскоре выяснилось, что GAN не обеспечивают достаточного разрешения изображений, поэтому разработчики перешли к использованию так называемой SRGAN.

В статье по ссылке — увлекательный рассказ о том, как ребята шли к результату, какие проблемы пришлось преодолеть. Первый коммерческий заказ на разработку коллекции нижнего белья уже получен. Так что не исключено, что через какое-то время в магазинах появится новый бренд, линейки моделей для которого придуманы искусственным интеллектом.

ИИ создал свою версию ИИ

В Google автоматизировали разработку моделей машинного обучения (алгоритм обучения с подкреплением). Этим занимается искин AutoML, который и разработал «дочернюю нейросеть», получившую название NASNet. Задача этой сети — распознавание ряда объектов на видео в реальном времени.

AutoML оценивает результаты работы «дочки» и вносит в её структуру необходимые коррективы. После многих тысяч циклов изменений NASNet успешно распознавала изображения в проверочной выборке с вероятностью 82.7%. Это хороший результат, что позволяет говорить о возможности задействовать синтезированный ИИ для решения практических задач.

Всё бы хорошо, но складывается впечатление, что с каждым следующим витком усложнения структуры создаваемых ИИ человечество всё больше приоткрывает ларец Пандоры.

Восхищался быстрым проникновением ИИ в самые разные сферы нашей жизни,
ваш abloud