Уважаемые пользователи Голос!
Сайт доступен в режиме «чтение» до сентября 2020 года. Операции с токенами Golos, Cyber можно проводить, используя альтернативные клиенты или через эксплорер Cyberway. Подробности здесь: https://golos.io/@goloscore/operacii-s-tokenami-golos-cyber-1594822432061
С уважением, команда “Голос”
GOLOS
RU
EN
UA
solips
6 лет назад

Искусственный интеллект: от игр - к научным открытиям [50\50]

Самообучающийся искусственный интеллект, созданный компанией DeepMind, достиг невероятных успехов в игре Го, причем без какого-либо участия человека. Способность к самостоятельному развитию - ключевой момент в разработке универсального алгоритма, который сможет решать любые задачи. В ближайшей перспективе это позволит ускорить некоторые научные работы, такие как исследование структуры белков или разработка новых материалов.

Предыдущие версии программ от DeepMind изучали более 100 тысяч партий в Го, сыгранных профессионалами. Последняя же программа под названием AlphaGo Zero начинает обучение с нуля, играя против самой себя и фактически расставляя камни наугад. После 30 миллионов сыгранных партий, которые заняли около 40 суток, AlphaGo Zero смогла победить предыдущего чемпиона, программу AlphaGo Master, также принадлежащую компании DeepMind. Таким образом, команде разработчиков удалось создать новый алгоритм самообучения, более быстрый и менее ресурсоемкий.



Суть древней китайской игры Го заключается в том, что два противника, выставляя на доске черные и белые камни, стараются занять максимально возможную территорию. AlphaGo Zero, как и ее предшественница, использует нейросеть. В начале обучения программе известны лишь правила игры, а все игровые навыки она приобретает самостоятельно, путем проб и ошибок. С накоплением опыта программа играет все лучше. В первые три дня AlphaGo Zero вела себя точно так же, как и начинающий игрок, повторяя типичные ошибки новичка. Но затем она стала осваивать более сложную тактику, присущую игрокам высокого уровня. Через 40 суток программа начала использовать тактические приемы, которые людям попросту неизвестны.

Предшественники AlphaGo Zero использовали две нейронные сети: одну для поиска всех хороших ходов, а другую для выбора наилучшего варианта из найденных. На втором этапе программа проводила ряд "воображаемых" партий и сравнивала вероятные последствия того или иного хода. В отличие от предыдущих программ, AlphaGo Zero использует только одну нейросеть. Не занимаясь перебором всех возможных результатов, она сразу запрашивает у нейросети правильное решение. Это как если бы человек вместо того, чтобы интересоваться мнением сотни слабых игроков, спросил совета у одного-единственного эксперта. Делегирование обеих функций в единую нейросеть существенно повысило эффективность алгоритма. Программа по-прежнему требует фантастической вычислительной мощности: четыре тензорных процессора, которые она использует, стоят около 25 миллионов долларов. Однако предыдущие версии требовали в десять раз больше ресурсов, и время обучения у них исчислялось не сутками, а месяцами.

Несколько специалистов из DeepMind уже перешли от программы AlphaGo к внедрению своих наработок в другие области. Одно из перспективных направлений - конструирование белков, необходимое для создания новых лекарственных препаратов. Подобные исследования могут занимать долгие годы, поскольку вероятное количество комбинаций из аминокислот слишком велико, чтобы вести поиск простым перебором вариантов. Однако у этой задачи много общего с игрой Го: и в том, и в другом случае процесс развивается строго по заданным правилам и имеет четко определенную цель.

Что касается более отдаленной перспективы, данные алгоритмы могут быть задействованы в квантовой химии и робототехнике. На самом же деле область применения искусственного интеллекта может оказаться еще шире и включить в себя такие сферы, о которых люди пока даже не подозревают.


По материалам nature.com

Перевод @solips

Источник изображения


Голосуя за посты с заголовком 50\50 вы получаете обратно половину стоимости вашего апвоута.

0
2.435 GOLOS
На Golos с August 2017
Комментарии (7)
Сортировать по:
Сначала старые