ясно, что способ игры Альфа революционный

Ученые Университета Карнеги-Меллон раскрыли принцип работы искусственного интеллекта (ИИ) Libratus, который обыграл лучших игроков в покер. В статье, опубликованной в журнале Science, они описали трехсторонний подход, который использует программа для учета скрытой информации. ИИ способен предсказывать, какие карты находятся на руках у соперника и блефует ли игрок. Об этом сообщается в пресс-релизе на сайте EurekAlert!.

В январе 2017 года Libratus победил лучших игроков в безлимитный техасский холдем — самая популярная разновидность покера с пятью общими картами и двумя своими, которые используются для составления комбинаций. Соревнование длилось 20 дней, в ходе него было отыграно 120 тысяч раздач. ИИ обыграл каждого из игроков в отдельности и набрал 1,8 миллиона долларов в фишках.

Libratus состоит из трех модулей. Первый вычисляет так называемую абстракцию игры, основываясь на общих чертах между ставками и комбинациями. Например, флеши король-хай и дама-хай рассматриваются как одна рука, что уменьшает сложность игры. Это позволяет программе разработать подробную стратегию на первые раунды торговли и грубую стратегию для последующих раундов.

В ходе игры второй модуль изменяет стратегию в зависимости от действий противника. Это делается с помощью суперкомпьютера Bridges. Каждый раз, когда соперник делает ход, который не предусматривался изначальной стратегией, модуль делает соответствующие вычисления. Третий модуль предназначен для улучшения стратегии в ходе соревнования с помощью анализа размеров ставок противника.

Ученые NASA впервые обнаружили новую планетную систему из восьми планет. Об этом они в четверг сообщили на специальной пресс-конференции. Планеты вращаются вокруг звезды Kepler-90, семь из них были открыты ранее, восьмую же удалось обнаружить при помощи искусственного интеллекта, сообщает NASA.

О пресс-конференции было заявлено неделей ранее, и за это время в СМИ появилось множество версий о том, чему она будет посвящена. Звучали даже предположения об открытии инопланетных форм жизни.

Звезда Kepler-90 находится в 2545 световых годах от Солнечной системы.

Новая, восьмая планета Kepler-90i была обнаружена при помощи разработанного программистами Google искусственного интеллекта, который обрабатывал данные, собранные космическим телескопом Kepler.

Новая планета примерно на треть больше Земли по размеру, она обращается вокруг звезды за 14,4 суток, а температура ее скалистой поверхности превышает 400°C.

«Как и предполагалось, в архивных данных «Кеплера» может храниться множество восхитительных открытий, ждущих появления новых инструментов для их обнаружения, — заявил Пол Херц, возглавляющий в NASA отдел астрофизики.

Все планеты вокруг Kepler-90 находятся к звезде ближе, чем Земля — к Солнцу. Исследователи считают, что раньше они, возможно, были расположены дальше, но со временем приблизились к звезде.

Как и в Солнечной системе, меньшие по размеру планеты расположены ближе к звезде, а самые крупные — дальше от нее. Самая дальняя планета, Kepler-90h, по размерам сравнима с Юпитером и обращается вокруг Kepler-90 за 331,6 суток.



«Звездная система Kepler-90 похожа на уменьшенную версию Солнечной системы,
— поясняет астроном Эндрю Вандербург из Техасского университета. — Маленькие планеты расположены ближе к центру, большие — дальше, но они находятся гораздо ближе друг к другу».

Беспилотный автомобиль компании Uber насмерть сбил женщину-пешехода в Аризоне (США). Инцидент произошел в городе Темпе, пишет The New York Times.

По информации издания, это первый известный случай гибели пешехода в аварии с участием беспилотного автомобиля. В компании сообщили, что на время расследования тестирование машин без водителей пока приостановлено в Темпе, Питтсбурге, Сан-Франциско и Торонто.

Разработчики беспилотных автомобилей рассчитывали, что эти транспортные средства будут безопаснее обычных: водители не отвлекаются на дорогах и всегда соблюдают ПДД. Однако автономные системы не приспособлены к непредсказуемым ситуациям.

Uber начал испытания беспилотных такси в Питтсбурге, США, в мае 2016 года. Для клиентов поездки без водителя стали доступны в тестовом режиме в сентябре того же года. В марте 2018 года компания подала в Ведомство по патентам и товарным знакам США бумаги на регистрацию способа, с помощью которого беспилотные автомобили будут общаться с пешеходами.

Uber начал испытания беспилотных такси в Питтсбурге, США, в мае 2016 года. Для клиентов поездки без водителя стали доступны в тестовом режиме в сентябре того же года. В марте 2018 года компания подала в Ведомство по патентам и товарным знакам США бумаги на регистрацию способа, с помощью которого беспилотные автомобили будут общаться с пешеходами.

Vladimir Kramnik seems to have stumbled on the Holy Grail of chess when preparing the Berlin Defence to play against Garry Kasparov in London in 2000. After both the 4 hours, when it could beat Stockfish, and the 9 hours it trained in total, the most popular position in the AlphaZero training games was the Berlin: 1.e4 e5 2.Nf3 Nc6 3.Bb5 Nf6.

Искусственный интеллект обладает громадным потенциалом, но этим термином опасно злоупотребляют, считает Закари Липтон, специалист по искусственному интеллекту из Университета Карнеги — Меллон.

По мнению ученого, нынешний ажиотаж вокруг ИИ мало чем отличается от пузыря доткомов. Как и в те далекие годы, миллиарды долларов сегодня бездумно вкладываются в различные ИИ-стартапы и проекты. При этом ситуацию усугубляют многочисленные оппортунисты, которые делают необоснованные заявления о возможностях этой технологии.

«Становится все сложнее отличить настоящий прогресс от пустой болтовни», — говорит исследователь.

Технология ИИ, также известная как машинное обучение, доказала, что может выполнять задачи по распознаванию изображений и голоса, и теперь применяется повсюду, от беспилотных автомобилей до медицинских приложений. Но у нее есть и существенные ограничения, о которых «проповедники» ИИ тактично умалчивают. Многие модели искусственного интеллекта работают только после обработки большого объема данных и с трудом адаптируются к динамичности реального мира.

Кроме того, подчеркивает Липтон, у провозвестников «разумных машин» есть тенденция приписывать им способности, равные человеческим. Опасность в том, что эти заявления побуждают людей возлагать на алгоритмы ответственные задачи, такие как управление транспортом или постановка диагнозов, что на сегодняшний день крайне опрометчиво.

«Законодатели не читают научную литературу, — предостерегает Липтон, — но читают заманчивые заголовки, которые постоянно появляются».

Франц Кафка написал свой роман «Процесс» в 1914–1915 годы, когда терминов «робот» и «искусственный интеллект» еще не существовало. Однако писателю удалось точно передать образ бездушной машины бюрократии, которая напоминает современные алгоритмы на базе ИИ, полагает британский исследователь и сотрудник Кембриджского университета Стивен Кейв.

Главный герой «Процесса» Йозеф К. оказывается под арестом, однако он не может выяснить причину произошедшего — бюрократы не в состоянии объяснить решение системы и отказываются брать за него ответственность. В конечном счете причина ареста так и остается неизвестной. Кейв полагает, что по такому же принципу сегодня работают многие алгоритмы. Логику ИИ не зря сравнивают с «черным ящиком» — понять ее зачастую не могут даже сами разработчики, а рассуждения машины остаются «за кадром».

Непрозрачность, редукционизм, безотчетность и упорное следование собственным умозаключениям — вот главные характеристики ИИ, по мнению Кейва. Однако машинный интеллект приобрел их не случайно. Проблема в том, что исторически машинный интеллект служил государству, армии и корпорациям, и именно их ход мыслей и последовательность решений переняли современные алгоритмы.

«Даже сам термин «интеллект» в данном случае указывает не на интеллект отдельно взятой личности — врача или композитора, — а на системный интеллект бюрократической машины, которая обрабатывает огромные массивы данных о людях, а затем классифицирует их и навешивает ярлыки», — пишет исследователь.

Исторические предпосылки, как считает Кейв, объясняют несовершенства современных ИИ. Эксперт приводит в пример рекрутинговый алгоритм Amazon, который отдавал предпочтение резюме мужчин, полагаясь лишь на статистику найма.

«Кафкианский бэкграунд вселил в ИИ предубеждения и предрассудки, сделав его инструментом дискриминации», — утверждает специалист.

6 января 2019 года - Беспилотная Tesla Model S сбила автономного робота модели Promobot v.4 в Лас Вегасе, США. Как сообщает Daily Mail, Промобот восстановлению не подлежит.

Инженеры компании Promobot завозили роботов и оборудование в павильон выставки CES-2019, чтобы оформить стенд компании для участия. Роботы двигались друг за другом. Один из роботов отклонился от маршрута, выехал на дорожку на полупустой уличной парковке, где и попал под колеса Tesla. Новость попала в ведущие зарубежные СМИ и обратила внимание широкой общественности.

Видео:

После столкновения робот отлетел в сторону и отключился, а беспилотный автомобиль продолжил движение и остановился только через пятьдесят метров после ДТП. Пассажир Tesla, который в этот момент находился в машине, объяснил, что взял автомобиль в аренду и решил протестировать беспилотный режим. Но никак не рассчитывал встретить на дорожке автономного робота.

В результате происшествия у робота серьезно пострадали детали корпуса, механизмы рук, платформа перемещения и голова. По словам разработчиков, теперь робот не сможет принять участие в выставке и, скорее всего, не подлежит восстановлению.

Автомобиль Tesla, который ехал в беспилотном режиме, сбил российского робота Promobot в Лас-Вегасе во время выставки CES 2019. Видеозапись, на которой запечатлен момент инцидента, была опубликована на YouTube.

По словам российских разработчиков, робот отклонился от маршрута и выехал на парковку, где попал под колеса Tesla.

Не все в мире познаваемо. По крайней мере, это касается искусственного интеллекта и алгоритмов машинного обучения. На первый взгляд подобное утверждение в наш век прогресса может прозвучать как самая настоящая ересь — но, увы, дела обстоят именно так. Международная группа математиков и исследователей ИИ обнаружила, что, несмотря на кажущийся безграничным потенциал обучаемости машин, даже самые продвинутые алгоритмы связаны математическими ограничениями.

Математические ограничения часто связывают с известным австрийским математиком Куртом Гёделем, который в 1930-х годах разработал теоремы о неполноте — два предположения, которые показывают ограничения формальной арифметики (и, как следствие, любой формальной системы, в которой применяются понятия этой арифметики: 0 и 1, сложение и умножение, а также натуральные числа). Новое исследование лишь доказало, что и машинное обучение заперто в тех же рамках.

Сейчас способности ИИ буквально ограничены недоказуемой математикой. Другими словами, искусственный интеллект не может решить проблему, алгоритм которой не предусматривает решения «верно» или «не верно». Математик Амир Йехудайов из Технион-Израильского технологического института в интервью журналу Nature признался, что для ученых это стало неожиданностью.

По мнению исследователей, корни математической проблемы могут крыться в структуре алгоритма обучения, известного как «вероятностно приблизительно корректное обучение», или PAС. Она также очень похожа на математический парадокс, называемый гипотезой континуума. Как и теоремы о полноте, эта гипотеза связана с математикой, которая не может быть доказана в рамках системы «верно\не верно». Гипотетически, даже для самого совершенного алгоритма это тупик, из которого он не сможет выйти.

The family of sets F* we consider is the family of all finite subsets of the interval [0, 1]. The class of probability distributions P* we consider is the class of all distributions over [0, 1] with finite support.

Theorem
The EMX learnability of F* with respect to P* is independent of the ZFC axioms.

В ноябре 2017 года, то есть чуть больше года назад, мы писали, что искусственный интеллект пока не в силах одолеть профессиональных игроков в StarCraft. Но не прошло и года, как и этот барьер оказался взят. В прошлом месяце в Лондоне команда из английского подразделения исследования искусственного интеллекта DeepMind тихо заложила новый краеугольный камень в противостоянии людей и компьютеров. В четверг она раскрыла это достижение в трехчасовом стриме на YouTube, в ходе которого люди и роботы сражались не на жизнь, а на смерть.

Трансляция DeepMind показала, что ее робот с искусственным интеллектом AlphaStar побеждает профессионального игрока в сложной стратегии в реальном времени (RTS) StarCraft II. Чемпион человечества, 25-летний Гжегож Коминц из Польши, отлетел со счетом 5:0. Похоже, программное обеспечение для машинного обучения обнаружило стратегии, неизвестные профессионалам, которые соревнуются за миллионы долларов призовых, которые выдаются ежегодно в одной из самых прибыльных для мира киберспорта игр.

«Это не было похоже ни на один StarCraft, в который я играл», заявил Коминц, известный профессионал под ником MaNa.

Подвиг DeepMind является самым сложным в длинной цепочке состязаний, которые компьютеры навязывали лучшим из мира людей в играх и в которых побеждали. Шашки пали в 1994, шахматы в 1997, в 2016 году AlphaGo покорил игру го. Робот для StarCraft — самый мощный игрок из мира искусственного интеллекта; и его приход ждали.

AlphaStar появился примерно шесть лет назад в истории машинного обучения. Хотя победа AlphaGo в 2016 году была ошеломляющей — эксперты го считали, что этот момент наступит как минимум десятью годами позже — победа AlphaStar кажется более-менее прибывшей по расписанию. К настоящему времени ясно, что при достаточном количестве данных и вычислительной мощности машинное обучение может справиться со сложными, но конкретными проблемами.

Марк Ридл, доцент Технологического института Джорджии, нашел новости четверга захватывающими, но не потрясающими. «Мы уже дошли до этой точки, так что это был только вопрос времени. В некотором смысле, побеждать людей в играх стало скучно».

Видеоигры вроде StarCraft математически сложнее, чем шахматы или го. Количество действительных позиций на доске го представляет собой единицу с 170 нулями, а эквивалент в StarCraft оценивается как 1 с 270 нулями, не меньше. Создание и управление военными юнитами в StarCraft требует от игроков выбора и выполнения многих других действий, а также принятия решения без возможности видеть каждый шаг оппонента.

DeepMind предолел эти крутые барьеры с помощью мощных чипов TPU, которые Google изобрел для повышения мощности машинного обучения. Компания адаптировала алгоритмы, разработанные для обработки текста под задачу определения действий на поле битвы, которые приводят к победе. AlphaStar обучался в StarCraft на записях полумиллиона игр между людьми, затем играл с постоянно улучшающимися клонами самого себя в виртуальной лиге, что представляет собой своего рода цифровую эволюцию. Лучшие боты, появившиеся в этой лиге, накапливали опыт, эквивалентный геймплею 200 лет.....

AlphaStar, который одолел MaNa, далеко не всесильный. На данный момент робот может играть только за одну из трех рас, доступных в StarCraft. В дополнение к нечеловечески долгому опыту игры, DeepMind также по-другому воспринимает эту игру. Он видит все, что происходит в игре, однвоременно, тогда как MaNa нужно было перемещаться по карте, чтобы увидеть, что происходит. AlphaStar также обладает более высокой точностью управления и нацеливания юнитов, чем человек, владеющий компьютерной мышью, хотя время реакции компьютера и меньше, чем у профессионального геймера.

чем химические-то элементы лучше полупроводников?

некая химия это некая физика, а та суть ... математика