Основные этапы развития машинного обучения

С появлением более высокой вычислительной мощности машины теперь могут выполнять задачи, которые считались возможными только для людей. Машины теперь способны побеждать лучших людей в шахматах и ​​го, играх, которые когда-то считались невозможными для компьютеров. Ниже я выделю несколько переломных моментов в истории машинного обучения.

Темно-синий

Deep Blue — компьютер для игры в шахматы, разработанный IBM. Разработка началась в 1985 году под названием Deep Thought, а в 1989 году она была переименована в Deep Blue. В 1996 году он вошел в историю после победы над Гарри Каспаровым, лучшим шахматистом в мире, и, следовательно, стал первым компьютером, который выиграл и шахматную партию, и шахматный матч против действующего чемпиона мира при регулярном контроле.

Deep Blue использовал специальные микросхемы очень крупномасштабной интеграции (VLSI) и алгоритм альфа-бета-поиска, чтобы найти свои лучшие ходы. Это позволило компьютеру играть стратегически и более похоже на человека, что на тот момент компьютеры еще не были способны на это. Фактически, компьютер играл так, как настоящий человек, что Каспаров после поражения обвинил команду Deep Blue в мошенничестве, сказав, что гроссмейстерский шахматист-человек должен был стоять за игрой, которая привела к его поражению.

Watson

После победы над лучшим игроком в сундук в мире IBM отправилась на поиски другого испытания. В 2006 году они начали разработку суперкомпьютера, который мог отвечать на вопросы на естественном языке, задача, которая в то время казалась невозможной для компьютеров из-за двойного значения и игры слов, обычно встречающейся в языке. Суперкомпьютер, названный Watson в честь основателя IBM Томаса Дж. Ватсона, в 2011 году занял первое место в американской викторине Jeopardy !,, где компьютер впервые победил Jeopardy! чемпионы Брэд Раттер и Кен Дженнингс, которые, одержав 74 победы подряд, являются рекордсменами по самой продолжительной победной серии на Jeopardy!.

Watson смог добиться этого, используя более 100 алгоритмов, которые ищут возможные ответы, а затем ранжируют результаты по вероятности ответа на вопрос. Он также может давать перекрестные ссылки относительно времени или пространства, поэтому, если кто-то родился не в соответствующий год, то это вряд ли будет правильным.

См. также:  Реализация перечислений в Golang

AlphaGo

После того, как компьютеры смогли побеждать людей в шахматах, следующей задачей было победить людей в настольной игре Го, которая представляет собой абстрактную стратегическую игру, изобретенную в Китае и более сложную, чем шахматы, с точки зрения количества возможных ходов — 10 ^ 123 в шахматах против 10 ^ 360 в го. Этот уровень сложности был слишком сложным для традиционных методов, таких как тот, который используется для обрезки Deep blue, Alpha beta. AlphaGo использовала алгоритм поиска по дереву Монте-Карло, который улучшен искусственными нейронными сетями. В 2016 году AlphaGo вошла в историю после того, как впервые победила профессионального игрока-человека на полноразмерной доске без гандикапа (который дается в виде камней и компенсационных очков, чтобы компенсировать разницу в силе между игроками разных рангов) в матч против чемпиона Европы Фань Хуэй. Затем, в 2016 году, он победил чемпиона мира из Южной Кореи Ли Седола. После своего поражения Ли Седол был процитирован судьей AI как «сущность, которую невозможно победить».

За пределами AlphaGo

После успеха AlphaGO команда DeepMind создала преемника AlphaGO под названием AlphaZero, который в 2017 году смог победить AlphaGo 100 игр до 0 всего после года поражения Ли Седола от AlphaGO. AlphaZero может обобщать и осваивать другие игры, помимо го, включая шахматы, сёги (также известные как японские шахматы). Alpha Zero не училась у игроков-людей, как AlphaGO, а вместо этого начинала с правил игры и училась, играя против себя.

Совсем недавно DeepMind разработал Muzero, который может осваивать игры, не зная их правил. Он соответствует показателям AlphaZero в шахматах и ​​сёги и улучшился в го. Он также был способен освоить все 57 оригинальных игр Atari.

См. также:  Передача стиля с глубоким обучением

использованная литература

 

Выиграет ли Ватсон в Jeopardy !?
Компьютер, сразившийся с лучшими человеческими соперниками в Jeopardy!? — перспектива, возможно, даже более удивительна, чем когда… в Интернете .archive.org

 

 

Google добился« прорыва в искусственном интеллекте, победив чемпиона по го.
Китайская игра рассматривается как гораздо более сложная задача для компьютеров, чем шахматы, потому что есть гораздо больше возможностей для игры в го… www.bbc.com »


AlphaGo: овладение древней игрой го с помощью машинного обучения
Игры — отличный полигон для разработки более умных и гибких алгоритмов, способных решать… ai.googleblog.com

 

Https:https://www.top-5000.nl/ps/Deep%20blue%20system%20overview.pdf

 

Компьютерные победы над Каспаровым, ошеломляющие шахматных экспертов (опубликовано в 1997 году)
Отвечая на поражение с гордостью и упорством чемпиона, компьютер IBM Deep Blue даже вчера сыграл вничью в… www.nytimes.com

 

Https://en.chessbase.com/post/deep-blue-s-cheating-move

Понравилась статья? Поделиться с друзьями:
IT Шеф
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: