Майнкрафтер

Google сделал прорыв в обучении компьютера древнекитайской игре спустя десятки лет



6

Искусственный интеллект совершил исторический шаг вперед, когда команда Google объявила на прошлой неделе, что машину удалось обучить древнекитайской игре Go. Достижение этой цели исследователи преследовали в течение многих десятилетий.

В то время как в 90-х компьютеры научились превосходить людей, играя в шашки и шахматы, а также умело моделировать ситуацию и героев в флеш бизнес играх, как на http://www.game01.ru/?typeM1=570, но освоить 2500-летнего игру искусственному интеллекту не удавалось. Потому что игра предлагает игрокам почти бесконечное число ходов. Она оказалась самой трудной из классических игр для обучения компьютера, чтобы играть против человека.

Но все изменилось на прошлой неделе, когда исследователи Google нашли свежий подход, используя богатство и мощь вычислительных возможностей. Профессор Мартин Мюллер — давний исследователь Go, потратил десять лет на работу, которая помогла компьютерам стать ближе к мышлению обычных игроков, что и было использовано Google в своем подходе. Игра имеет глубокое стратегическое содержание и в русском языке известна, как «облавные шашки», в которые играла аристократия. Игроки чувствовали себя полководцами на поле боя.

Система Google обучалась на 30 млн. ходов, сделанных игроками в реальных играх Go. Тогда система начала играть в игры против себя, используя метод проб и ошибок, чтобы определить, как движется работа в данной ситуации. В то время как человек может овладеть опытом тысячи игр, компьютерная система опиралается на миллионы матчей. Google полагается на его способности обрабатывать миллионы сценариев.

Но компьютеры Google способны делать больше, чем просто запоминать каждый возможный исход. Они учатся методом проб и ошибок, как это делают люди. Это создает инновации, применимые к более к широкому кругу задач. Команда Google надеется, что в долгосрочной перспективе, технология, лежащая в этом прорыв, может быть использована для решения наиболее сложных проблем общества, в том числе определении медицинских диагнозов и моделировании климата.

 

Нет комментариев