Рубрика «DeepMind» - 4

в 18:33, , рубрики: AlphaFold, DeepMind, Алгоритмы, белки, искусственный интеллект, наука будущего, основа жизни

Deep Mind научила свой ИИ предсказывать структуру белков - 1
«Предком» AlphaFold является алгоритм AlphaGo, который стал играть в го лучше любого человека. Источник: DeepMind

Разработчики из Deep Mind за последние пару лет стали известны благодаря многим своим проектам. В частности, они научили искусственный интеллект (слабую его форму) играть в Go, классические Atari-тайтлы и некоторые другие игры, сложные для «понимания» машиной. Сейчас наступил черед более серьезных занятий — Deep Mind постепенно меняет специализацию ИИ на молекулярную биологию.

Если точнее, то искусственный интеллект учат прогнозировать структуру белка на основе фрагмента последовательности аминокислот — этих кирпичиков белковой жизни. Проект, о котором идет речь, получил название AlphaFold. ИИ научили работать быстрее и точнее, чем люди благодаря обучению по базе последовательностей, собранных генетиками за несколько лет.
Читать полностью »

в 13:09, , рубрики: atari, DeepMind, игры, Игры и игровые приставки, искусственный интеллект, Исследования и прогнозы в IT, машинное обучение, Научно-популярное, прохождение игр

DeepMind научил ИИ проходить игры по видео с YouTube - 1
Уровни игры Montezuma’s Revenge на Atari

Компания DeepMind продемонстрировала процесс обучения ИИ (слабой его формы) для прохождения игр на Atari. Обучение производилось путем демонстрации системе видео прохождения игр с YouTube. Такой способ используют многие игроки-люди, у которых по той либо иной причине не получалось пройти какую-то игру.

Обычно для решения такой задачи необходимо использовать так называемый метод обучения с подкреплением (reinforcement learning). Методика эта достаточно популярна, поскольку позволяет тренировать ботов для выполнения различных специфических задач. Как только система добивается какого-либо результата, она получает небольшое вознаграждение.
Читать полностью »

в 17:32, , рубрики: DeepMind, Биотехнологии, Блог компании Madrobots, искусственный интеллект, нейросети

ИИ, обученный навигации, разработал систему, схожую с «компасом» из мозга млекопитающих - 1

О DeepMind на Geektimes не писал разве что ленивый автор. Эта компания действительно выделяется своими достижениями среди прочих организаций, которые работают в сфере ИИ. Самое известный проект DeepMind — AlphaGo, ИИ, специализирующийся на игре в го. В настоящий момент эта система является, пожалуй, наиболее умелым игроком го в мире — как среди людей, так и среди машин.

Но игра в го — лишь демонстрация возможностей ИИ, далеко не единственный проект компании. Сейчас она занимается обучением слабой формы ИИ премудростям навигации. Обычный способ ориентирования в окружающем пространстве с продвижением к нужной цели включает постоянную оценку того, что окружает человека (или животное) с анализом полученной информации. Специалисты DeepMind разработали комплекс нейросетей, которые обучили передвигаться по площадке квадратной формы подобно крысам.
Читать полностью »

в 8:27, , рубрики: AI, AlphaGo, alphago lee, alphago zero, artificial intelligence, big data, bite my shiny metal ass, deep learning, DeepMind, Go, lee sedol, MCTS, monte carlo tree search, reinforcement learning, Алгоритмы, Анализ и проектирование систем, ИИ, искусственный интеллект, клуб фанбоев Семёна, машинное обучение, нейросеть сгенерировала этот пост, ты - хурма

Завтра искусственный интеллект поработит Землю и станет использовать человеков в качестве смешных батареек, поддерживающих функционирование его систем, а сегодня мы запасаемся попкорном и смотрим, с чего он начинает.

19 октября 2017 года команда Deepmind опубликовала в Nature статью, краткая суть которой сводится к тому, что их новая модель AlphaGo Zero не только разгромно обыгрывает прошлые версии сети, но ещё и не требует никакого человеческого участия в процессе тренировки. Естественно, это заявление произвело в AI-коммьюнити эффект разорвавшейся бомбы, и всем тут же стало интересно, за счёт чего удалось добиться такого успеха.

По мотивам материалов, находящихся в открытом доступе, Семён sim0nsays записал отличный стрим:

А для тех, кому проще два раза прочитать, чем один раз увидеть, я сейчас попробую объяснить всё это буквами.

Сразу хочу отметить, что стрим и статья собирались в значительной степени по мотивам дискуссий на closedcircles.com, отсюда и спектр рассмотренных вопросов, и специфическая манера повествования.

Ну, поехали.
Читать полностью »

в 9:12, , рубрики: Chinook, DeepMind, игры, искусственный интеллект, логические игры, шахматы, шашки

История дуэли двух людей, один из которых умирает, и поиски способа создать искусственный интеллект

image

Марион Тинсли – профессор математики, священник, лучший игрок в шашки в мире – сидел за столом напротив компьютера и умирал.

Тинсли 40 лет удерживал первенство в шашках, и за это время он проиграл людям несколько игр, но никогда не проигрывал матч. Возможно, что ни в одной соревновательной дисциплине не было такого чемпиона, каким был Тинсли в шашках. Но это соревнование было другим – мировой чемпионат между человеком и машиной.

Его оппонентом был "Chinook" («Шинук»), программа, играющая в шашки, созданная Джонатаном Шеффером, человеком с вьющимися волосами, пухлым, занимающим должность профессора Альбертского университета. В тот день он управлял машиной. Благодаря маниакальной работе над «Шинук», она стала очень хорошим игроком. Она не проиграла ни одной игры за последние 125 игр – и с тех пор, когда они близко подошли к победе над Тинсли в 1992 году, Шеффер с командой потратили тысячи часов на улучшение программы.
Читать полностью »

в 5:48, , рубрики: AlphaGo, AutoML, DeepMind, python, абстракция, антропоморфизация, апокалипсис, генерация нейросетей, глубинное обучение, градиентный спуск, ИИ, машинное обучение, нейросеть, обобщения, обратное распространение, Программирование, программный синтез, разум, рассуждения, сильный ИИ, Сингулярность, функция потерь

Ограничения глубинного обучения и будущее - 1Эта статья представляет собой адаптацию разделов 2 и 3 из главы 9 моей книги «Глубинное обучение с Python» (Manning Publications).

Статья рассчитана на людей, у которых уже есть значительный опыт работы с глубинным обучением (например, тех, кто уже прочитал главы 1-8 этой книги). Предполагается наличие большого количества знаний.

Ограничения глубинного обучения

Глубинное обучение: геометрический вид

Самая удивительная вещь в глубинном обучении — то, насколько оно простое. Десять лет назад никто не мог представить, каких потрясающих результатов мы достигнем в проблемах машинного восприятия, используя простые параметрические модели, обученные с градиентным спуском. Теперь выходит, что нужны всего лишь достаточно большие параметрические модели, обученные на достаточно большом количестве образцов. Как сказал однажды Фейнман о Вселенной: «Она не сложная, её просто много».
Читать полностью »

в 14:03, , рубрики: DeepMind, kinetics, гомер симпсон, искусственный интеллект, Софт, метки:

ИИ от DeepMind не в состоянии точно идентифицировать действия Гомера Симпсона - 1

Нейросетей разного типа становится все больше, и они реально помогают людям жить и работать. Какие-то системы погоду предсказывают, какие-то — учатся диагнозы ставить, а часть систем ушла в большой бизнес. ИИ, слабая его форма, уже умеет анализировать огромные массивы данных, находя зависимости между, на первый взгляд, никак не связанными факторами. Но, конечно, проблем остается еще много — искусственный интеллект не в состоянии справиться с анализом поведения такого «загадочного» мультипликационного персонажа, как Гомер Симпсон.

Нет, какие-то его действия система может идентифицировать, но далеко не все. При этом нейросеть тренировали на большом количестве YouTube роликов из «Симпсонов». Стоит отметить, что DeepMind далеко не новички в разработке различных ИИ-систем. Например, одна из разработок этой компании, ранее входившей в состав Google, а теперь перешедшей под юрисдикцию Softbank, смогла победить чемпионов мира в игре го.
Читать полностью »

в 16:43, , рубрики: alphabet, AlphaGo, DeepMind, Google, искусственный интеллект, Кэ Цзе, логические игры, нейросети

AlphaGo против Кэ Цзе: оценки профессиональных игроков в го - 1В марте 2016 года один из сильнейших из людей игроков в го впервые проиграл компьютерной системе, играя без форы. До этого момента лучшем достижением считали выигрыш при 4 камнях форы, а игра на равных была ещё далеко — возможно, где-то в следующем десятилетии. Внезапно на сцене появилась система AlphaGo от британской DeepMind, которая со счётом 4:1 обыграла одного из самых известных игроков последних лет Ли Седоля.

Год назад южнокорейский игрок 9-го профессионального дана проиграл компьютерной системе подразделения Google, и в восприятии многих го перешла в разряд игры, в которую машины играют сильнее лучших из людей. Больше AlphaGo почти никак не «светилась». В апреле этого года DeepMind разразилась объявлением: AlphaGo сыграет с игроком первой строчки рейтингов Кэ Цзе. Сам он сообщал о намерении сыграть против ИИ ещё летом прошлого года, но лишь в этом году была объявлена точная дата матча. DeepMind пообещала, что программа дополнительно сыграет против сразу пяти мастеров.

Игры прошли в запланированные дни, и их результат окончательно показал, что уровень AlphaGo значительно выше человеческого. Та четвёртая игра матча Ли Седоль — AlphaGo, наверное, останется последней победой человека над этим ИИ: по завершении игр разработчики заявили об уходе системы из го.

Мы обсудили с двумя профессиональными игроками уровень этой версии программы, а также будущее отношений человека и систем компьютерного го.

На фото: почти готовые признать поражение пять мастеров го недоумевают — система AlphaGo, их оппонент, начала играть лениво, словно предчувствуя победу.
Читать полностью »

в 12:09, , рубрики: DeepMind, ibm watson, Блог компании Яндекс, большие данные и машинное обучение, генетика, генетические алгоритмы, геном, гигапиксельные изображения, диагностика болезней, Исследования и прогнозы в IT, носимые устройства, сбор данных, телемедицина, фитнес-трекеры, электронная медицина

Постепенная информатизация медицины связана со сбором очень разных данных. Они добываются совершенно непохожими способами и почти всегда имеют уникальную структуру. Откуда, как и зачем их стоит собирать? В своём докладе руководитель разработки сервиса Яндекс.Здоровье Михаил Tomcat Пайсон рассказывает об основных путях развития современной медицины и о технологических проблемах, которые перед ней стоят.

Под катом — расшифровка доклада и слайды.

Читать полностью »

в 14:29, , рубрики: AlphaGo, DeepMind, Go, будущее здесь, искусственный интеллект, логические игры

AlphaGo выиграл второй из трех матчей с чемпионом мира по го Кэ Цзе - 1

Совсем недавно на Geektimes публиковалась информация о том, что AlphaGo, компьютерная система, разработанная компанией DeepMind, победила чемпиона мира по го Кэ Цзе в первом из трех матчей в рамках праздника го. Перевес компьютера по очкам был совсем небольшим, но некоторые эксперты посчитали, что разработчики Deep Mind просто не захотели, чтобы система разгромила мастера, для добавления зрелищности этому матчу.

Некоторые профессиональные игроки в го с высоким даном, следившие за ходом матча, заявили впоследствии, что человек вряд ли способен выиграть у компьютера. Возможно, подтверждением этих слов можно назвать результаты второго матча, в котором снова победил компьютер, ранее побивший Ли Седоля.
Читать полностью »

1...345...7
Рейтинг@Mail.ru
Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js