Los ais están ganando: 5 veces cuando los equipos golpearon los seres humanos

La inteligencia artificial es la frontera de la informática. La ciencia ha avanzado lo suficiente para que la IA nos está latiendo en nuestro propio juego - o mejor dicho, juegos. Algunas personas pueden temer la aumento de Skynet entre la evolución de AI, pero estamos un poco más optimista.
He aquí por qué los científicos creen que debería estar preocupado por la Inteligencia ArtificialHe aquí por qué los científicos creen que debería estar preocupado por la Inteligencia Artificial¿Cree usted que la inteligencia artificial es peligroso? AI no puede suponer un grave riesgo para la raza humana. Estas son algunas de las razones por las que puede ser que se trate.Lee mas

AlphaGo es el último AI para vencer a un ser humano en un juego de mesa, pero viene de una larga tradición. A pesar de estas cinco máquinas comenzaron como programas especialmente diseñados, algunos han encontrado segundas vidas que van más allá de sus llamados originales.

En este artículo, vamos a pasar por cada vez que un brillante humano pierde a un ordenador y examinar lo que dio a cada uno de los ordenadores de su ventaja decisiva.

1. Deep Blue, el maestro de ajedrez

de IBM Deep Blue y Garry Kasparov tenían una de las primeras batallas de alto perfil entre el hombre y la máquina. Kasparov perdió, por supuesto, pero tenían un poco de una historia complicada.

Después de Kasparov venció primero el hermano pequeño de azul profundo, pensamiento profundo, en 1989, IBM volvió con su nuevo y mejorado Deep Blue en 1996. Kasparov perdió un juego de apertura, ató un segundo, pero luego ganó tres juegos consecutivos para llevarse el partido.

No fue hasta una segunda revancha en 1997 que Deep Blue venció a Kasparov, ganar un partido de seis partidos por un juego.

Vídeo: PIKABOSS ES DIOS

Kasparov dijo que vio a la inteligencia en el juego de Deep Blue de IBM y acusado de intervenir. La “inteligencia” era en realidad un error que hacía que Deep Blue para actuar fuera de carácter. Básicamente, la IA era bastante primitivo, ataques de fuerza bruta de su camino a través de los movimientos posibles y los resultados ...

... y si no podía encontrar una opción óptima, se eligió al azar.

Para cada uno de sus movimientos, Deep Blue modelada a cabo todos los movimientos posibles y las respuestas de Kasparov. Fue capaz de modelar hasta veinte movimientos por delante, la evaluación de millones de posibles posiciones por segundo. Que el modelado de hardware requerida capaz de procesamiento paralelo de gran alcance.

El procesamiento en paralelo está rompiendo las tareas en tareas de computación más pequeños y completar esas tareas al mismo tiempo. Los datos resultantes se compila de nuevo juntos para el resultado.

Entre los dos partidos, Deep Blue se le dio una importante actualización de hardware. El hardware ganador fue un sistema de 30 nodos que se ejecutan en la plataforma Power PC de IBM. Cada nodo tenía procesadores secundarios dedicada a las instrucciones de ajedrez.10 formas creativas para sobrealimentar su Entrenamiento de Ajedrez10 formas creativas para sobrealimentar su Entrenamiento de AjedrezCada vez mejor en el ajedrez es normalmente alrededor de la práctica deliberada lo largo de muchos juegos desalentadores, por lo que vamos a ver algunas de las maneras en que puede traer la diversión y la creatividad en su entrenamiento de ajedrez.Lee mas

Vídeo: Top 10 Veces Que Los Simpsons Predijeron El Futuro

Todo ello combinado, Deep Blue tenía 256 procesadores trabajando en paralelo.

Hay descendientes de este hardware que trabajan en los centros de datos, pero el verdadero legado de Deep Blue es Watson, el campeón de Jeopardy. Con el tiempo, IBM Deep Blue puso a trabajar en modelos financieros, minería de datos y descubrimiento de fármacos, todas las áreas que necesitan simulaciones a gran escala.

2. Polaris, el campeón de póquer

La Universidad de Alberta creó Polaris, la primera IA para vencer a los profesionales de póquer en un torneo. Los investigadores eligieron una variante Texas Hold ‘Em para su AI ya que se basa lo más mínimo de la suerte.

Polaris se enfrentó a los jugadores de póquer dos veces. La primera fue en 2007 contra dos jugadores. Las manos fueron pre-tratadas - Polaris tenía un juego de cartas cuando frente a frente contra uno, a la inversa mano cuando se juega el otro jugador (para controlar la suerte).

Polaris fue equipado con nuevas máquinas más adelante para un torneo de 2008 contra seis jugadores. Este fue también un conjunto de pre-tratado de juegos. Polaris consiguió un empate en el primer juego y perdió el segundo, pero al final ganó el torneo, que viene de atrás y ganar dos juegos consecutivos.

A diferencia del ajedrez, el póker no puede ser forzada a través del modelado bruta debido a que la AI tiene una imagen limitada del juego - no tiene idea acerca de sus manos oponentes.

ofertas de tarjetas son casi infinitamente única, por lo que el modelado incluso menos eficaz. Las mismas tarjetas pueden ser una buena mano o sin valor, simplemente en función de las otras cartas repartidas. Farol presenta otro problema para IA como apostar por sí sola no es un buen indicador de fuerza de la mano.

Polaris es una combinación de varios programas, que se denominan agentes. Cada uno de estos programas tenían su propia estrategia, y no había otro agente que elegir cuál de ellos era el mejor para cada mano.

Las estrategias utilizadas para romper el juego de póquer son variados y requieren de la teoría de juegos. La idea básica consiste en averiguar lo mejor estrategia de cada jugador se basa en todos los datos disponibles, y Polaris logra esto a través de una técnica llamada bucketing.

Cántaros se utiliza para clasificar manos de cartas basado en la fuerza. Permitió Polaris para reducir el número de puntos de datos necesarios para realizar un seguimiento del juego. A continuación, se utiliza la probabilidad de que todos los otros cubos posibles disponibles, éstos se derivan de las cartas visibles.

Polaris tenía un hardware único configurar: un grupo de 8 ordenadores con cada una de ellas con 4 CPU y 8 GB de RAM. Estas máquinas corrieron las simulaciones necesarias para crear los cubos y las estrategias para cada agente.

Desde entonces, Polaris se convirtió en otro programa llamado Cefeo, llegando a ser tan avanzada que los investigadores ahora han declarado Texas Hold ‘Em para ser‘débilmente resuelto’.

Los juegos se “resuelven” cuando algoritmos pueden determinar el resultado de un juego desde cualquier posición. Un juego es “débilmente resuelto” cuando el algoritmo no puede dar cuenta de juego imperfecto. Puede probar su suerte contra Cefeo aquí.

3. Watson, el genio Jeopardy

AI victorias hasta este punto de la historia han sido los juegos de bajo perfil, que es la razón por la victoria de Watson es un hito tan para la gente corriente: Watson trajo la batalla de AI a la derecha en las salas de estar de los Estados Unidos.

Jeopardy es un programa de juegos amada conocido por su trivia desafío, y tiene una peculiaridad única: las pistas son las respuestas y los concursantes tienen que llegar a las preguntas. Una verdadera prueba de Watson, que asumió conocidos campeones de Jeopardy Brad Rutter y Ken Jennings.

Rutter fue el campeón del dinero de todos los tiempos y Ken Jennings tuvo la racha ganadora más larga. Un tercer grupo eligió un surtido aleatorio de las preguntas de los episodios de mayor edad para asegurar preguntas no fueron escritos para ayudar o explotar Watson.

Watson ganó tres juegos consecutivos - una práctica y dos televisado - pero había algunas rarezas a algunas de las respuestas de Watson. Por ejemplo, justo después de Jennings respondió a una pregunta equivocada, Watson respondió con la misma respuesta equivocada.

Sin embargo, lo que hizo Watson única fue su capacidad para utilizar el lenguaje natural. IBM llamó a este QA profundo, que significaba “la respuesta a preguntas”. El logro clave fue que Watson podría buscar respuestas con el contexto, no sólo la relevancia de palabras clave.

Vídeo: goku vs superman - (verdadero ganador) 100% pruebas y honestidad

El software es una combinación de sistemas distribuidos. Hadoop y Apache UIMA trabajan juntos para indexar los datos y permiten los diversos nodos de Watson para trabajar juntos.

Al igual que Deep Blue, Watson fue construido sobre la plataforma Power PC de IBM. Watson era un clúster de 90 núcleos con 16 TB de RAM. Para los juegos Jeopardy, todos los datos pertinentes se cargan y almacenan en la memoria RAM.

¿Qué datos relevantes? Bien, Watson tuvo acceso al texto completo de la Wikipedia. Tenía una matriz de diccionarios, tesauros, enciclopedias y otros materiales de referencia. Watson no tenía acceso a Internet durante el juego, pero todos los datos locales fue de aproximadamente 4 TB.

Más recientemente, Watson se ha utilizado para analizar y sugerir opciones de tratamiento para pacientes con cáncer. última apuesta de Watson está ayudando a crear aplicaciones personalizadas de aprendizaje para los niños. Hay incluso los intentos de Watson entrenar a cocinar!Watson de IBM creado mi comida de Acción de Gracias - Aquí está lo que sucedióWatson de IBM creado mi comida de Acción de Gracias - Aquí está lo que sucedióla inteligencia artificial de IBM conocida como Watson puede hacer muchas cosas inteligentes, pero puede crear una comida completa y única de Acción de Gracias? Doy una oportunidad. ¡Mira qué pasa!Lee mas

4. Deepmind, el autodidacta

Deepmind de Google puede finalmente dar empollones algo de qué preocuparse, ya que está latiendo en los seres humanos juegos clásicos de Atari - bien, ciertos juegos por lo menos. La humanidad todavía mantiene su ventaja en juegos como el asteroide y Gravitar.

Deepmind es una red neuronal AI. Las redes neuronales son inhibidores de la aromatasa que se crean para imitar la forma en que funciona la mente humana, lo que lo hace mediante la creación de “neuronas” virtuales utilizando la memoria del ordenador.

Deepmind era capaz de analizar cada píxel de la pantalla, decidir la mejor acción a tomar, dadas las condiciones de victoria, a continuación, responder con entrada del controlador.

La IA aprendió juegos que utilizan una variante de Q-Learning llamada profunda de aprendizaje. Este es un método de aprendizaje donde la IA conserva la mejor decisión tomada en una situación determinada, y luego lo repite cuando se encuentra con la misma situación.

variante de Deepmind es único, sin embargo, porque ya que añade las fuentes externas de memoria.

Este sistema de información retenida permitió Deepmind para dominar los patrones de algunos juegos de Atari, e incluso lo condujo a encontrar la estrategia óptima de desbloqueo por su propia cuenta.

¿Por qué Deepmind un mal desempeño en ciertos juegos? Debido a la forma en que se juzga situaciones. Resulta que Deepmind sólo fue capaz de analizar cuatro cuadros a la vez, lo que limita su capacidad para navegar por los laberintos o reaccionar rápidamente.

Además, Deepmind tuvo que aprender cada juego desde cero y no podía aplicar las habilidades de un juego a otro.

Vídeo: Motu Patlu In Carnival Island - Motu Patlu Movie - ENGLISH, SPANISH & FRENCH SUBTITLES!

5. Alfa Go, el increíble

AlphaGo es otro proyecto DeepMind y es notable, ya que logró vencer a dos Go campeones profesionales - Hui ventilador y Lee Sedol - al ganar sus partidos por 5-0 y 4-1, respectivamente.Avance IA de Google: lo que significa & ¿Cómo le afectaAvance IA de Google: lo que significa & ¿Cómo le afectaLee mas

De acuerdo con los jugadores y comentaristas de los partidos, todos ellos dijeron que la IA jugó de manera conservadora, lo que no es sorprendente, ya que se programó para favorecer movimientos seguros que asegurarían la victoria sobre movimientos arriesgados que asegurarían más puntos.

Ir una vez se pensó que era fuera del alcance de la IA, pero Alfa Ir ahora es la primera IA a su clasificación profesional en el juego.

El juego ha fijado una sencilla configuración: dos jugadores tratan de conquistar el tablero utilizando piedras blancas y negras. El tablero es una cuadrícula de 19 x 19 con 361 intersecciones, y la colocación de piedras determinar el territorio de cada jugador. El objetivo es acabar con más territorio que el otro.

El número de posibles movimientos y estados de juego es enorme, por decir lo menos. Sí, mucho mayor que el ajedrez, si es que se lo pregunte.

Alfa Go utiliza el sistema de aprendizaje profundo AI se ha mencionado anteriormente, lo que significa que la alfa Go mantiene la memoria de los juegos que ha jugado y los estudia como experiencia. Se busca entonces a través de ellos, la selección de la opción que tiene el mayor número de posibles resultados positivos.

Alfa Ir necesita una gran cantidad de alimentación del sistema para ejecutar el algoritmo de cálculo pesado. La versión que jugó los partidos corrió en un conjunto distribuido de servidores con un total de 1.920 CPU y GPU 280 - una enorme cantidad de energía que permitió 64 hilos simultáneos de búsqueda durante el juego.

Al igual que Watson, DeepMind se dirigía a la escuela de medicina. Deepmind anunció una asociación con NHS del Reino Unido para analizar los registros de salud. El proyecto, corrientes, ayudará a identificar a los pacientes en riesgo de daño renal.

La inteligencia artificial se está poniendo serio

Hay una gran cantidad de investigación de entrar en la IA en este momento.

Google espera que la IA puede ayudar a su negocio de búsqueda. Un proyecto llamado Rankbrain está tratando de utilizar la IA para mejorar la eficacia de la fila de la página. Microsoft y Facebook tanto en libertad chatbots. Tesla está llevando la punta de lanza con su conducción en modo automático, y Google está justo detrás con sus coches de auto-conducción.

Puede ser que sea difícil ver la conexión entre estos proyectos y la formación de una IA para ganar partidos, pero cada uno de estos inhibidores de la aromatasa ha dado forma a la máquina de aprendizaje de alguna manera.

A medida que el campo ha evolucionado, ha permitido inhibidores de la aromatasa para trabajar con conjuntos de datos más complejas. Aquellos número casi infinito de movimientos en Go puede traducirse en el número casi infinito de variables en el camino abierto. Así que en realidad, estos juegos son sólo el principio - una fase práctica, si se quiere.

Lo realmente interesante es a la vuelta de la esquina, y es muy posible que vamos a ser capaces de experimentar todo de primera mano.

Lo que entusiasma de AI? ¿Hay un juego que usted piensa que la IA no puede finalmente vencer? Háganos saber en los comentarios.