Les français sont en train de gagner: 5 fois où les ordinateurs ont battu les humains

L`intelligence artificielle est la frontière de la science informatique. La science a avancé assez que l`IA nous battre à notre propre jeu - ou devrions-nous dire des jeux. Certaines personnes peuvent craindre le hausse de Skynet

à chaque évolution AI, mais nous sommes un peu plus optimiste.
Voici pourquoi les scientifiques pensent que vous devriez être inquiet au sujet de l`intelligence artificielleVoici pourquoi les scientifiques pensent que vous devriez être inquiet au sujet de l`intelligence artificiellePensez-vous que l`intelligence artificielle est dangereux? Est-ce que l`IA peut poser un risque grave pour la race humaine. Voici quelques raisons pour lesquelles vous voudrez peut-être concerné.Lire la suite

AlphaGo est la dernière AI à battre un être humain dans un jeu de société, mais il vient d`un pedigree longue. Bien que ces cinq machines ont commencé comme des programmes construits à cet effet, certains ont trouvé la deuxième vie qui vont au-delà de leur vocation d`origine.

Dans cet article, nous allons passer en revue chaque fois un brillant homme perdu à un ordinateur et d`examiner ce qui a donné à chacun de ces ordinateurs son avantage décisif.

1. Deep Blue, le maître d`échecs

Deep Blue d`IBM et Garry Kasparov avaient l`une des premières batailles de haut niveau entre l`homme et la machine. Kasparov a perdu, bien sûr, mais ils avaient un peu d`une histoire compliquée.

Après Kasparov premier temps le petit frère de Deep Blue, Deep Thought, en 1989, IBM revient avec son nouveau et amélioré Deep Blue en 1996. Kasparov a perdu un match d`ouverture, à égalité une seconde, mais a gagné trois matchs d`affilée pour remporter le match.

Il a fallu attendre un deuxième match revanche en 1997 que Deep Blue a battu Kasparov, remportant un match de six matchs par un match.

Kasparov a dit qu`il a vu l`intelligence dans le jeu de Deep Blue et a accusé IBM d`intervenir. « L`intelligence » était en fait un bug qui a causé Deep Blue d`agir hors de caractère. Fondamentalement, l`AI était assez primitive, brute forcer son chemin à travers les mouvements possibles et les résultats ...

... et si elle n`a pas pu trouver un choix optimal, il a choisi au hasard.

Pour chacun de ses mouvements, Deep Blue Modelés tous les mouvements possibles et les réponses de Kasparov. Il a pu modéliser jusqu`à vingt coups à l`avance, l`évaluation des millions de positions possibles par seconde. Cette modélisation matériel nécessaire capable de traitement parallèle puissant.

Le traitement parallèle se brise les tâches en petites tâches informatiques et la réalisation de ces tâches en même temps. Les données obtenues sont ensuite compilées de nouveau ensemble pour le résultat.

Entre les deux matchs, Deep Blue a reçu une mise à niveau du matériel important. Le matériel gagnant a été un système de 30 noeuds en cours d`exécution sur la plate-forme Power PC d`IBM. Chaque nœud avait des processeurs secondaires dédié aux instructions d`échecs.10 façons créatives pour suralimenter votre formation d`échecs10 façons créatives pour suralimenter votre formation d`échecsObtenir mieux aux échecs est normalement sur la pratique délibérée sur de nombreux jeux décourageantes, donc regardons quelques-unes des façons dont vous pouvez apporter du plaisir et de créativité dans votre formation d`échecs.Lire la suite

Tous les combinés, Deep Blue avait 256 processeurs travaillant en parallèle.

Il y a des descendants de ce matériel qui travaillent dans les centres de données, mais vrai héritage de Deep Blue est Watson, le champion Jeopardy. Finalement, IBM a mis Deep Blue travailler sur la modélisation financière, l`exploration de données, et la découverte de médicaments, tous les domaines qui ont besoin des simulations à grande échelle.

2. Polaris, le Champion Poker

L`Université de l`Alberta a créé Polaris, la première IA à battre les professionnels de poker dans un tournoi. Les chercheurs ont choisi une variante du Texas Hold « Em pour leur AI car il repose le moins sur la chance.

Polaris affrontait les joueurs de poker à deux reprises. La première était en 2007 contre deux joueurs. Polaris avait un jeu de cartes quand affrontant un joueur, et la main inverse lors de la lecture de l`autre joueur (à contrôler pour la chance) - Les mains ont été pré-traitées.

Polaris a ensuite été réorganisée pour un tournoi 2008 contre six joueurs. Ce fut aussi un ensemble pré-traité des jeux. Polaris a obtenu un match nul dans le premier match et a perdu la deuxième, mais a finalement remporté le tournoi, venant de derrière et de gagner deux matchs d`affilée.

Contrairement à d`échecs, le poker ne peut pas être forcée brute grâce à la modélisation parce que l`IA a une image limitée du jeu - il n`a aucune idée sur les mains de ses adversaires.

offres de cartes sont presque infiniment uniques, ce qui rend la modélisation encore moins efficace. Les mêmes cartes peuvent être une main sans valeur ou bien, juste selon les autres cartes distribuées. Bluffer présente un autre problème pour l`IA que les paris seul n`est pas un bon indicateur de force de la main.

Polaris est une combinaison de plusieurs programmes, qui sont appelés agents. Chacun de ces programmes avait sa propre stratégie, et il y avait un autre agent qui choisirait qui d`entre eux était le meilleur pour chaque main.

Les stratégies utilisées pour briser le jeu de poker sont variés et exigent la théorie des jeux. L`idée de base est de comprendre ce que la meilleure stratégie de chaque joueur serait basé sur toutes les données disponibles, et Polaris réalisé ce via une technique appelée bucketing.

Bucketing permet de classer les mains de cartes basées sur la force. Elle a permis de Polaris de réduire le nombre de points de données nécessaires pour garder une trace du jeu. Ensuite, il a utilisé la probabilité de tous les autres seaux possibles disponibles, dérivant ces derniers des cartes visibles.

Polaris avait un matériel unique mis en place: un groupe de 8 ordinateurs avec chacun ayant 4 processeurs et 8 Go de RAM. Ces machines ont couru les simulations nécessaires pour créer les seaux et les stratégies pour chaque agent.

Depuis lors, Polaris a évolué dans un autre programme appelé Céphée, devenant tellement avancé que les chercheurs ont maintenant déclaré Texas Hold « Em pour être « faiblement résolu ».

Les jeux sont « résolus » quand les algorithmes peuvent déterminer l`issue d`un match de toute position. Un jeu est « faiblement résolu » lorsque l`algorithme ne peut pas expliquer le jeu imparfait. Vous pouvez tenter votre chance contre Céphée ici.

3. Watson, le génie Jeopardy

AI victoires jusqu`à ce point dans l`histoire ont été des jeux à faible clé, ce qui explique pourquoi la victoire de Watson est une étape importante pour les gens ordinaires: Watson a la bataille de la grippe aviaire à droite dans les salons de l`Amérique.

Jeopardy est un jeu bien-aimé connu pour son trivia difficile, et il a une bizarrerie unique: les indices sont les réponses et les candidats doivent venir avec les questions. Un vrai test pour Watson, qui a pris bien connus champions Jeopardy Brad Rutter et Ken Jennings.

Rutter a été le champion de l`argent tout le temps et Ken Jennings avait la plus longue série de victoires. Un tiers a choisi un assortiment aléatoire de questions des anciens épisodes pour assurer les questions ne sont pas écrites pour aider ou exploiter Watson.

Watson a remporté trois matchs consécutifs - une pratique et deux télévisé - mais il y avait quelques bizarreries à certaines des réponses de Watson. Par exemple, juste après Jennings a répondu à une mauvaise question, Watson a répondu avec la même mauvaise réponse.

Cependant, ce qui a fait Watson unique a été sa capacité à utiliser le langage naturel. IBM a appelé ce profond QA, qui était pour « question-réponse ». La réalisation clé est que Watson pourrait rechercher des réponses avec le contexte, non seulement pertinence des mots clés.

Le logiciel est une combinaison de systèmes distribués. Hadoop et Apache UIMA travaillent ensemble pour indexer les données et permettent aux différents noeuds de Watson à travailler ensemble.

Comme Deep Blue, Watson a été construit sur la plate-forme Power PC d`IBM. Watson est un groupe 90-core avec 16 To de RAM. Pour les jeux Jeopardy, toutes les données pertinentes ont été chargées et stockées dans la mémoire vive.

Quelles sont les données pertinentes? Eh bien, Watson avait accès au texte intégral de Wikipedia. Il avait un tableau de dictionnaires, thesaurus, encyclopédies et autres documents de référence. Watson n`a pas eu accès à Internet au cours du jeu, mais toutes les données locales était d`environ 4 To.

Plus récemment, Watson a été utilisé pour analyser et proposer des options de traitement pour les patients atteints de cancer. La dernière entreprise de Watson contribue à créer des applications d`apprentissage personnalisés pour les enfants. Il y a même des tentatives former Watson comment cuisiner!Watson d`IBM a créé mon repas de Thanksgiving - Voici ce qui est arrivéWatson d`IBM a créé mon repas de Thanksgiving - Voici ce qui est arrivél`intelligence artificielle d`IBM Watson connu sous le nom peut faire beaucoup de choses intelligentes, mais peut-il créer un repas de Thanksgiving complet et unique? Je donne un essai. Voir ce qui se passe!Lire la suite

4. Deepmind, l`Autodidacte

Deepmind de Google peut enfin donner quelque chose nerds à se soucier parce qu`il bat les humains à classiques jeux Atari - bien, certains jeux au moins. L`humanité conserve encore son bord dans des jeux comme Asteroid et Gravitar.

Deepmind est un réseau de neurones AI. Les réseaux de neurones sont créés AIs pour imiter la façon dont fonctionne l`esprit humain, il le fait en créant des « neurones » virtuels en utilisant la mémoire de l`ordinateur.

Deepmind a pu analyser chaque pixel de l`écran, décider de la meilleure action à prendre, compte tenu des conditions gagnantes, répondre alors avec l`entrée du contrôleur.

L`IA a appris des jeux en utilisant une variante de Q-Learning appelé apprentissage en profondeur. Ceci est une méthode d`apprentissage où l`IA conserve la meilleure décision dans certains une situation, puis le répète quand il rencontre la même situation.

La variante de Deepmind est unique, cependant, parce qu`il ajoute des sources de mémoire externe.

Ce système d`information retenu a permis Deepmind de maîtriser les modèles de certains jeux Atari, et même conduit à trouver la stratégie optimale de petits groupes tout seul.

Pourquoi est-ce Deepmind de mauvais résultats dans certains jeux? En raison de la façon dont il a jugé les situations. Il se avère que Deepmind était en mesure d`analyser quatre images à la fois, ce qui limite sa capacité à naviguer dans des labyrinthes ou réagir rapidement.

En outre, Deepmind a dû apprendre chaque jeu à partir de zéro et ne pouvait pas appliquer les compétences d`un jeu à l`autre.

5. Alpha Go, l`incroyable

AlphaGo est un autre projet DeepMind et il est remarquable parce qu`il a réussi à battre deux champions professionnels Go - Fan Hui et Lee Sedol - en remportant ses matchs 5-0 et 4-1, respectivement.AI La percée de Google: Qu`est-ce que cela signifie & Comment cela vous concerneAI La percée de Google: Qu`est-ce que cela signifie & Comment cela vous concerneLire la suite

Selon les joueurs et les commentateurs du match, ils ont tous dit que l`IA a joué de façon conservatrice, ce qui est sans surprise car il a été programmé pour favoriser coups sûrs qui assureraient la victoire sur mouvements risqués qui assureraient plus de points.

Go était autrefois considérée comme hors de portée pour l`IA, mais Alpha Go est maintenant la première IA à être classé professionnellement dans le jeu.

Le jeu est simple mis en place: deux joueurs tentent de conquérir le tableau à l`aide de pierres blanches et noires. Le conseil d`administration est une grille 19 x 19 avec 361 intersections, et le placement des pierres de déterminer le territoire de chaque joueur. L`objectif est de mettre fin à plus de territoire que l`autre.

Le nombre de mouvements potentiels et des états de jeu est énorme, pour dire le moins. Oui, beaucoup plus que les échecs, si vous vous demandiez.

Alpha Go utilise le système AI apprentissage en profondeur a été mentionné précédemment, ce qui signifie que Alpha Go conserve la mémoire des jeux, il a joué et les études que l`expérience. Il recherche ensuite à travers eux, sélectionner le choix qui a le plus grand nombre de résultats positifs potentiels.

Alpha Go a besoin de beaucoup de puissance informatique pour exécuter son algorithme de calcul lourd. La version qui a joué les matchs couru sur un ensemble de serveurs distribués avec un total de 1.920 unités centrales et 280 processeurs graphiques - une énorme quantité de puissance qui a permis 64 threads simultanés de recherche pendant la lecture.

Comme Watson, DeepMind se dirige vers l`école de médecine. Deepmind a annoncé un partenariat avec NHS du Royaume-Uni pour analyser les dossiers de santé. Le projet, cours d`eau, permettra d`identifier les patients à risque de lésions rénales.

Intelligence artificielle devient sérieux

Il y a beaucoup de recherches en cours dans l`IA en ce moment.

Google espère que l`IA peut aider leur entreprise de recherche. Un projet appelé Rankbrain cherche à utiliser AI pour améliorer l`efficacité de Page Rank. Microsoft et Facebook à la fois libérés chatbots. mène la bleeding edge avec son mode automatique de conduite de Tesla, et Google est juste derrière avec ses voitures auto-conduite.

Il pourrait être difficile de voir le lien entre ces projets et la formation d`une IA pour gagner des matchs, mais chacun de ces AIs a machine en forme d`apprentissage d`une certaine façon.

Comme le domaine a évolué, il a permis de travailler avec AIs ensembles de données plus complexes. Les nombre presque infini de mouvements dans Go peut se traduire par le nombre presque infini de variables sur la route. Alors, vraiment, ces jeux ne sont que le début - une phase pratique, si vous voulez.

Le truc vraiment intéressant est juste autour du coin, et il est très possible que nous serons en mesure de faire l`expérience tout d`abord la main.

Qu`est-ce qui vous excite l`IA? Y at-il un jeu que vous pensez que l`IA ne peut finalement conquérir? Faites le nous savoir dans les commentaires.