Dani Yogatama (Google DeepMind, CMU PhD) What is AI Research? | BukaTalks

나를 보내 주셔서 감사합니다 오래되고 새로운 친구들을 만나기 좋습니다

다행히도 당신이 질문을하거나 내가 평범한 사람이기 때문에 대답하기 위해 최선을 다할 것입니다 우선 주제는 AI Research입니다 그럼 그게 무슨 뜻 이죠? 왜 인공 지능 연구가 필요합니까? 그러나 먼저 면책 조항을 먼저 작성하십시오 이 모든 것은 개인적인 의견이며, 제가 일하는 회사의 견해를 반영하지 않습니다 이것은 매우 중요합니다

인공 지능은 무엇입니까? 우선, 인공 지능 분야에서 누가 여기서 일합니까? 그래서 우리는 알고 있습니다 인공 지능, 좁은 인공 지능? 부끄러워하지 마라, 예를 들면 우리는 무엇? 잠재 고객 참여가 부족한 것처럼 보입니다

제 생각에는 인공 지능의 정의는 끊임없이 변하고 있습니다 예전에는 체스 게임을 풀 수 있었지만, 과거에는 우리가 수년 전에 인공 지능으로 생각할 수도 있었지만, 실제로는 검색 범위가 넓습니다 요즘 어쩌면 Deepmind에서 우리는 초인적 인 Atari를 할 수 있습니다 누구나 아타리 게임을 아십니까? 아타리? 아니? 여기 Dingdong 게임과 같습니다 스트리트 파이터와 마찬가지로 정확하게 스트리트 파이터가 아니라, 쿵후와 마찬가지로 더 잘 아는 사람이 있습니까? Nintendo Kungfu는 당신이 뛰어 내려야하고, 걷어차 야합니다

어떤 게임 이었는가하는 것이 아니라면 블록이 있고, 공을 튀게하기 위해 그것을 움직여야 만합니다 테트리스가 아니야 그래 그래 어쨌든 이름은 아타리 게임입니다

게임 컬렉션이 많고, 수백 가지가 있습니다 그리고 사람들보다 더 잘 플레이 할 수있는 AI 에이전트가 있습니다 더 높은 점수를 얻고 죽기가 더 힘들 수 있습니다 예를 들어 동키 콩 (Donkey Kong) 게임도 있습니다 먼저 여기에 가야 만합니다

하지만 AI라고 부를 수 있을까요? 그래, 그게 인공 지능이야 또 다른 예로 Go, AlphaGo 코스가 있습니다 가장 유명한 Deepmind가 이제 Go를 끝낼 수 있습니다 우리는 그 좁고 약한 인공 지능을 상태라고 불리는 문제에만 적용하기 때문에 호출합니다 예를 들어, 우리는 한 번에 많은 문제를 해결할 수 있습니다

우리는 무엇이든 할 수 있습니다 우리가 지금 가지고있는 것, 최고 인간 수준에 도달 할 수있는 것은 보통 이런 특별한 것입니다 몬테카를로 트리 검색 기법을 사용하고 있습니다 그래서 실제로 검색과 인공 지능 사이에는 미세한 선이 있습니다 그러나 우리가 정말로 원하는 것은 장기적으로 말의 이해를 완성하는 것입니다

예를 들어 대화하는 사람이있는 경우, 직접 문자를 쓰고 그가 의미하는 바를 이해할 수 있습니까? 이것이 내가이 분야의 발전으로 의미하는 바는 우리가 데이터 만 가지고 있다면 우리가 관리 할 수 ​​있다고 생각합니다 그러나 궁극적으로 목표는 분명합니다 인공 일반 정보 우리가 원하는 것은 에이전트만으로 모든 것을 해결할 수있는 것입니다 우리와 비슷하지만, 우리보다 더 똑똑하기를 바랍니다

우리는 부족합니다 나는 부족합니다 다음 질문 : AI가 정말로 필요한가요? 이 인공 지능을 왜 필요로하는지 몇 가지 이유가 있습니다 내 의견으로는, 장기적으로 우리는 이미 AGI를 가지고 있다면, 지금으로부터 20-30 년 후에 나는 우리가 운이 좋다면 언제 AGI가 일어날 지 예측할 수 없습니다

AGI 요원이있는 경우 영향은 산업 혁명만큼이나 거대합니다 많은 사람들이 이것을 믿습니다 왜 그런가요? 과거에는 모든 것을 수동으로 처리해야했습니다 목화를 만들고, 실을 꿰매고, 기계를 따라옵니다 한 가지 일을하는 한 사람에게서 이제는 많은 일을 할 수 있고 옷, 바지 등을 대량 생산할 수 있습니다

그것이 바로 AI 효과입니다 인간에 의해 수행된다면 여러 가지 일들이 오래 걸릴 것이지만 AI는 결코 피곤하지 않을 것입니다 우리는 규모만큼 이익을 얻을 수 있습니다 이것이 내가 생각하는 주된 이유 중 하나입니다 이 하나가 내 개인적인 동기 인 또 다른 이유는 AI 요원이 우리의 사고 능력을 넘어서 앞으로 나아갈 수 있도록 도울 수 있다는 것입니다

예를 들어, 우리가 생각할 수없는 모든 것, 모든 것을 이해할 수있는 인공 지능 요원이 있다면, 그것은 우주의 신비를 탐구하는 데 도움이 될 수 있습니다 그리고 나는 그것이 미래에 불가능한 것이 아니라고 생각합니다 그러나 단기간에 먼저 이러한 제품에 대해 AI가 유용한 것은 무엇입니까? 가장 중요한 것은 사용자를 돕는 것입니다 예를 들어 BukaLapak 사용자는 불만 사항을 원하거나 뭔가에 대해 물어보고 싶다면, 또는 어쩌면 그와 관련이있는 제품을 추천하거나, 누군가가 그 방법을 알지 못하면 상점을 설립하도록 돕는 것입니다 나중에 더 논의 할 수 있습니다

이제 다음 질문으로 넘어갑니다 : AI 연구가 필요한 이유는 무엇입니까? 이걸 제대로 받아 들일 수 있을까요? scikitlearn 가져 오기, 그 다음엔? 간단합니다 인공 지능은 무엇을 사용합니까? 누구나 할 수 있습니다 그러나 실제 현실에서는 매우 유용한 모델을 만드는 것이 쉽지 않습니다 아, 모델이 너무 많아서 하나씩 가져올 수 있습니다

그러나 성공적인 제품이 되려면 가져 오기처럼 간단하지 않고 교육을 받아야합니다 일반적으로 우리는 일부 부품을 수정해야하며, 실패하면 그 이유를 이해할 수 있습니까? 따라서 우리는 더 적절한 모델로 대체하거나 더 많은 데이터 수집을 할 수 있습니다 그리고 다른 질문 : 그것이 효과가 있다면, 왜? 이 제품에 성공했기 때문에 다른 제품에도 적용 할 수 있습니까? 상관 관계를 이해할 수 있습니까? 이것이 주된 이유 중 하나입니다 다른 이유는 우리가 헌신적 인 연구 부서를 가지고 있다면, 우리는 우리 자신의 제품을 개발할 수 있다는 것입니다 예를 들어; Amazon은 처음에는 연구 부서의 Kinect 또는 Microsoft Kinect의 Echo를 만들었습니다

그래서 회사의 다른 비즈니스 기회를 열 수 있습니다 실제로 AI 기술을 사용하면 좋은 결과를 얻을 수 있습니다 특히 인도네시아에서는 인공 지능을 기반으로하는 것이 없지만 많은 기회가 있습니다 예를 들어 연구를하고 싶다면 무엇이 필요합니까? 첫째, 우리는 팀이 필요합니다 이것은 우리가 실제로 누릴 수있는 것을 만드는 일이 아닙니다

연구원, 엔지니어, 제품 관리자와 팀을 이뤄 공동 작업을 수행하는 팀이 모두 이러한 목표를 달성해야합니다 혼자서하는 것이 어렵다면 실험이나 연구를 할 수있을 것입니다 콘크리트를 만들기 위해서는 더 큰 팀이 필요하다고 생각합니다 중요한 한 가지 더 중요한 것은 계산 리소스가 필요한만큼 많이 필요하다는 것입니다 그것의 더 많은 것, 우리는 더 많은 것을 얻을 수있다

이것은 또한 인공 지능을위한 가장 중요한 계산 자원 중 하나이기도합니다 왜냐하면이 방법은 실제로 계산 상으로 비싸기 때문입니다 예를 들어 우리가 GPU를 사용한다면 그러한 종류의 리소스에 액세스 할 수 있다면 진보는 훨씬 빨라질 것입니다 기본적으로 선형적인 경험이 아닙니다 조금만 나누어 보겠습니다

AI 그룹 연구가 다른 그룹 연구보다 더 성공적이라고 생각하는 이유는 무엇입니까? 예를 들면 : 이제 Google Break, Facebook AI Research, Deepmind가 있습니다 다른 그룹과 비교하여 더 빠르게 진행되는 것으로 보이는 그룹이 더 큰 이유는 무엇입니까? 성공적인 AI 그룹을 구축하기위한 열쇠는 무엇입니까? 내 의견으로는, 첫 번째, 물론, 가장 잠재력있는 사람들을 모집해야합니다 그것은 단지 모든 사람들이 할 수 있다고 말하며, 우리는 무엇을 할 수 있습니까? 첫 번째는 분명한 업무 분업입니다 그래서 작업 환경은 서로를 지원해야합니다 예를 들어 연구원이 있다면, 그는 무엇을합니까? 엔지니어, 그는 무엇을합니까? 그들은 멀티 태스킹을 할 수는 있지만 개인적으로 나라면 그렇게하지 않을 것입니다

연구원을 고용하면 연구해야합니다 엔지니어가 필요하다면 고용인을 고용하고, 멀티 태스킹을하지 않으며, 해당 분야에 전문화되지 않았 으면 좋지 않을 것이며 진행 상황이 느려질 것입니다 그리고 당신은 처음부터 공통 목표를 설정해야합니다이 부문의 주요 목표는 무엇입니까? 예를 들어 AGI를 뇌로, Art General Intelligence 등 모든 작은 프로젝트를 AGI의 지원 구성 요소로 만들었습니다 마지막으로 공유하고 싶은 것은 우리가 이미 꽤 발전한 인공 지능 기술입니다

제 의견으로는 지금 구현할 기회가있을 것입니다 많은 양의 데이터가있는 경우 이러한 종류의 기술을 수행 할 수 있습니다 우리는 감독 학습을해야하며, 학습을 위해이 데이터를 사용합니다 어떻게해야합니까? 어떻게해야합니까? 우리는 모델을 가지고 있습니다 여기에는 많은 잠재력이 있습니다

우리는 이미 상당히 정확한 예측을 산출 할 수있는 기술을 보유하고 있습니다 특정 분야 몇 가지가 이미 큰 진전을 보였습니다 제품 이미지가 많거나 많은 것이 있으면 여기에 구현할 수 있습니다 우리의 컴퓨터 비전은 꽤 괜찮습니다 어떤 종류의 제품인지 식별 ​​할 수 있습니다

이 종류는 인간의 정확성 수준에 매우 가깝습니다 또는 어떤면에서는 이미 초과되었을 수도 있습니다 예를 들어,이 제품은 무엇입니까? 이미지에 뭐가 들어 있니? 그런 식으로 컴퓨터 비전은 AI의 다른 분야와 비교해도 꽤 좋은 성과를 거두었습니다 또 다른 한가지는 꽤 좋은 진전을 이뤘습니다 음성 인식, 우리의 시리 (Siri)는 나쁘지만, 특히 영국 – 순 다스 (Sundanese) 악센트를 사용하기 때문에 나

다소 중요하지는 않지만 일반적으로 우리가 실제로 데이터를 수집하고 대상 추출 도메인이 꽤 괜찮은 경우 여기에서 제품을 만들 수 있다고 생각합니다 우리가 아직 할 수없는 것들, 우리는 여전히 많은 연구가 필요합니다 언어, 많은 사람들에 따르면, 언어는 인간 지성의 주된 징후 중 하나입니다 우리가 대화를 이해하는 것과 같은 문제를 해결할 수 있다면, 우리는 지능을 가진 것으로 간주됩니다 여기에 적용 할 수있는 응용 프로그램이 있지만 컴퓨터 비전, 이미지 인식, 그런 종류의 정렬만큼 좋지는 않습니다

그렇게 많은 데이터가 없다면 어떨까요? 우리는 아직 그 지역이 부족합니다 내 개인적인 견해에서 가장 중요한 사실은 예측을 할 수 있었고, 이것은 당신이해야 할 일이거나, 이것이 말 또는 어떤 것입니다 이것이 왜 이것이 말이라고 말하는지 검사 할 수 없습니까? 또는 왜 이것이 말로 밝혀 졌는지 설명해보십시오 따라서 아직 설명 할 수 없으며, 우리가 아직 함께 연구해야 할 연구 분야 중 하나이기도합니다 그게 전부예요

Training AI to understand how people think Google’s DeepMind is one step closer to “thinking”

사람들이 Google�s DeepMind를 어떻게 생각하는지 이해하기 위해 AI 교육 인간을 싫어하는 것 무엇이 잘못 될지 모른다

작성자 : Vicki Batts 인간 사고 패턴을 이해하고 실행할 수있는 인공 지능 기계 또는 프로그램 수십 년 동안 공상 과학에서 대중적인 주제였습니다 무수한 영화와 책은 미래의 AI �과 그것은 인간에게 끔찍하고 겉으로보기에는 어둡습니다 이제 Google은 DeepMind 회사가 한 번 소설로 간주되었습니다 DeepMind가 열심히하는 것처럼, 새로운 인공 지능 발전의 도입은 가파른 가격으로 올 수 있습니다 그들의 AI 로봇 인 Theory of Mind-net, 또는 ToM-net을 사용하여 인간이 어떻게 생각하는지 이해합니다

실제로 AI와 같은 인간과 같은 세대의 출현이 우리에게 있습니다 � 그러나 얼마나 오래 갈 것입니까? 이 새로운 컴퓨터가 제작자를 능가하도록하십시오 보고서에 따르면 DeepMinds의 새로운 ToM-net 봇은 심리적 인 약 4 세 경에 대부분의 어린이들이 기술을 개발한다는 것을 테스트하십시오 미래를 향해 우리를 몰아 넣을 수있는 마음의 시험 gr 이론을 이해할 수있는 능력 우리와 거의 같은 인간의 로봇 Google 소유 DeepMind의 새로운 인공 지능은 다른 인공 지능 로봇이 할 것입니다 DailyMail에 따르면, DeepMinds 프로젝트는 다른 AIs 주변 환경에 대해 � 거짓 신앙을 지니십시오

공상 과학의 악몽이 현실이 되었습니까? 근원이 설명 하듯이, 마음 능력의 이론은 진정으로 인간을 더 많이 몰아 낼 것입니다 인공 지능 가정, 그리고 ToM – net 그걸 가지고있는 것 같습니다 DeepMind 엔지니어 Neil Rabinowitz는 최근 인터뷰에서 다음과 같이 설명했다 에이전트 간의 차이점을 배우고, 그들이 어떻게 다르게 행동할지 예측하고, 요원들이 세상에 대해 그릇된 믿음을 가질 때 검열을받지 않고도 이와 같은 더 많은 뉴스를 얻으십시오 휴대 기기 용 Natural News 앱을 사용해보십시오

무수정 뉴스, 실험실 테스트 결과, 비디오, Podcast 등을 즐기십시오 Google, Facebook, YouTube 및 Twitter에 의한 모든 불공정 검열을 무시하십시오 출처에서 직접 귀하의 일일 뉴스와 비디오를 받으십시오! 여기에서 다운로드하십시오 our 우리의 기계가 다른 사람들을 이해할 수있게되면할수록 요청을 더 잘 해석 할 수 있고, 정보를 찾고, 그들이하는 일을 설명하고, 새로운 것들을 가르치고, 그들의 개인에 대한 반응, � 그는 계속했다 DeepMind 하이브처럼 일부 사람들은 새로운 AI를 신의 선물로 선전하지만 모든 사람들이 믿는 것은 아닙니다

그 고도로 지능적인 로봇은 매우 양성입니다 세계에서 가장 유명한 사람들 중 일부는 더 지능적인 것에 대해 우려하고 있습니다 기계는 인간을 대상으로합니다 테슬라 (Tesla)와 스페이스 엑스 (SpaceX)의 엘론 머스크 (Elon Musk) CEO는이 구경의 인공 지능이 인류의 것이라고 말했습니다 가장 큰 실존 적 위협, � 또한이 기술의 발전을 언급했다 악마를 ummoning했다

사향은 언젠가 슈퍼 지능 로봇이 사람들을 애완 동물로 키울 것이라고 믿고있다 He�s는 또한 언젠가는 우리의 기술이 발전 할 확률이 95 %라고 추정했습니다 우리를 절멸시킬거야 데일리 메일에 따르면, 스티븐 호킹 (Stephen Hawking)은 또한 그것이 "확실한 것"이라고 선언했다 인류는 기술적 인 위협 (또는 아마도 폭동?)에 의해 위협 받게 될 것이다

다음 1,000 ~ 10,000 년 그러나 Google의 신기술을 사용하면 예상보다 훨씬 빨리 하루가 걸릴 것으로 보입니다 불행히도 걱정할 필요가있는 것은 Google뿐입니다 전세계의 열정적 인 과학자들과 기술자들은 초과 근무를 통해 진정으로 결과를 고려하지 않고도 기계를 더 깊은 이해 상태로 만들 수 있습니다 아마도 이러한 추구가 다른 어떤 것보다 더 자아 중심적이라고 가정 할 수 있습니다

뭐 종은 실제로 그 자신의 후계자를 창조하는 길을 빠져 나옵니까? AI의 출현과 경고에 대해 경고하는 세계 최고의 인물들 그들의 위험 중에서도,이 소위 전문가들은 완전히 바보 같다고 말할 수 있습니다 우리가 수년 동안 무엇인가를 배웠다면 아무도 그 무엇도 알지 못한다 그들은 그렇게 생각한다 50 년 전, 담배를 피우는 것이 안전하다고 생각되었습니다 그리고 지금, 우리는 그것이 암을 유발한다는 것을 알고 있습니다

Training AI to understand how people think Google’s DeepMind is one step closer to “thinking”

사람들이 Google�s DeepMind를 어떻게 생각하는지 이해하기 위해 AI 교육 인간을 싫어하는 것 무엇이 잘못 될지 모른다

작성자 : Vicki Batts 인간 사고 패턴을 이해하고 실행할 수있는 인공 지능 기계 또는 프로그램 수십 년 동안 공상 과학에서 대중적인 주제였습니다 무수한 영화와 책은 미래의 AI �과 그것은 인간에게 끔찍하고 겉으로보기에는 어둡습니다 이제 Google은 DeepMind 회사가 한 번 소설로 간주되었습니다 DeepMind가 열심히하는 것처럼, 새로운 인공 지능 발전의 도입은 가파른 가격으로 올 수 있습니다 그들의 AI 로봇 인 Theory of Mind-net, 또는 ToM-net을 사용하여 인간이 어떻게 생각하는지 이해합니다

실제로 AI와 같은 인간과 같은 세대의 출현이 우리에게 있습니다 � 그러나 얼마나 오래 갈 것입니까? 이 새로운 컴퓨터가 제작자를 능가하도록하십시오 보고서에 따르면 DeepMinds의 새로운 ToM-net 봇은 심리적 인 약 4 세 경에 대부분의 어린이들이 기술을 개발한다는 것을 테스트하십시오 미래를 향해 우리를 몰아 넣을 수있는 마음의 시험 gr 이론을 이해할 수있는 능력 우리와 거의 같은 인간의 로봇 Google 소유 DeepMind의 새로운 인공 지능은 다른 인공 지능 로봇이 할 것입니다 DailyMail에 따르면, DeepMinds 프로젝트는 다른 AIs 주변 환경에 대해 � 거짓 신앙을 지니십시오

공상 과학의 악몽이 현실이 되었습니까? 근원이 설명 하듯이, 마음 능력의 이론은 진정으로 인간을 더 많이 몰아 낼 것입니다 인공 지능 가정, 그리고 ToM – net 그걸 가지고있는 것 같습니다 DeepMind 엔지니어 Neil Rabinowitz는 최근 인터뷰에서 다음과 같이 설명했다 에이전트 간의 차이점을 배우고, 그들이 어떻게 다르게 행동할지 예측하고, 요원들이 세상에 대해 그릇된 믿음을 가질 때 검열을받지 않고도 이와 같은 더 많은 뉴스를 얻으십시오 휴대 기기 용 Natural News 앱을 사용해보십시오

무수정 뉴스, 실험실 테스트 결과, 비디오, Podcast 등을 즐기십시오 Google, Facebook, YouTube 및 Twitter에 의한 모든 불공정 검열을 무시하십시오 출처에서 직접 귀하의 일일 뉴스와 비디오를 받으십시오! 여기에서 다운로드하십시오 our 우리의 기계가 다른 사람들을 이해할 수있게되면할수록 요청을 해석 할 수있게되고, 정보를 찾고, 그들이하는 일을 설명하고, 새로운 것들을 가르치고, 그들의 개인에 대한 반응, � 그는 계속했다 DeepMind 하이브처럼 일부 사람들은 새로운 AI를 신의 선물로 선전하지만 모든 사람들이 믿는 것은 아닙니다

그 고도로 지능적인 로봇은 매우 양성입니다 세계에서 가장 유명한 사람들 중 일부는 더 지능적인 것에 대해 우려하고 있습니다 기계는 인간을 대상으로합니다 테슬라 (Tesla)와 스페이스 엑스 (SpaceX)의 엘론 머스크 (Elon Musk) CEO는이 구경의 인공 지능이 인류의 것이라고 말했습니다 가장 큰 실존 적 위협, � 또한이 기술의 발전을 언급했다 악마를 ummoning했다

사향은 언젠가 슈퍼 지능 로봇이 사람들을 애완 동물로 키울 것이라고 믿고있다 He�s는 또한 언젠가는 우리의 기술이 발전 할 확률이 95 %라고 추정했습니다 우리를 절멸시킬거야 데일리 메일에 따르면, 스티븐 호킹 (Stephen Hawking)은 또한 그것이 "확실한 것"이라고 선언했다 인류는 기술적 인 위협 (또는 아마도 폭동?)에 의해 위협 받게 될 것이다

다음 1,000 ~ 10,000 년 그러나 Google의 신기술을 사용하면 예상보다 훨씬 빨리 하루가 걸릴 것으로 보입니다 불행히도 걱정할 필요가있는 것은 Google뿐입니다 전세계의 열정적 인 과학자들과 기술자들은 초과 근무를 통해 진정으로 결과를 고려하지 않고도 기계를 더 깊은 이해 상태로 만들 수 있습니다 아마도 이러한 추구가 다른 어떤 것보다 더 자아 중심적이라고 가정 할 수 있습니다

뭐 종은 실제로 그 자신의 후계자를 창조하는 길을 빠져 나옵니까? AI의 출현과 경고에 대해 경고하는 세계 최고의 인물들 그들의 위험 중에서도,이 소위 전문가들은 완전히 바보 같다고 말할 수 있습니다 우리가 수년 동안 무엇인가를 배웠다면 아무도 그 무엇도 알지 못한다 그들은 그렇게 생각한다 50 년 전, 담배를 피우는 담배는 안전하다고 생각되어졌습니다 암

New DeepMind AI Beats AlphaGo 100-0 | Two Minute Papers #201

친애하는 동료 학자,이의 Károly Zsolnai-Fehér와 두 분의 논문입니다 AlphaGo에이 작품은 절대 광기이기 때문에, 당신의 논문에 잡아

이동의 게임에서, 플레이어는 목적이 둘러싸고있는 테이블에 돌을 넣어 상대보다 더 많은 지역 이것은 인공 지능 연구에 특히 흥미 아름다운 게임 공간 때문에 이동 가능한 임의의 종류를 이용하여 즉, 체스보다 대폭 크다 철저한 검색이 밖으로 질문이며 우리는 스마트 알고리즘에 의존해야 이 엄청나게 많은 검색 내에서 강력한 움직임의 작은 번호를 식별 할 수 공간 DeepMind의 이동 AI의 첫 번째 화신, AlphaGo는 정책 네트워크의 조합을 사용 그 움직임을 예측에 대한 책임 및 가치 네트워크는 승자를 예측하는 게임 그 자체에 대한 끝까지 재생 한 후 이들은 모두 깊은 신경망이며, 그들은 다음이라는 기술과 결합 몬테 카를로 트리 검색이이 큰 검색에서 검색 범위를 좁힐 수 있기를 공간 이 게임의 수천를 줬습니다 곳 알고리즘은 부트 스트랩 프로세스 시작 그는 이동의 기초를 배울 사용되었다

이를 바탕으로, 이러한 알고리즘은 무서운 사람처럼 좋은 일을 배울 수있는 것은 분명하다 플레이어 그러나 가장 큰 문제는, 어떻게 가능성이 전문가보다 더 잘 될 수 있었다 그것은 관찰했다고? 어떻게 제자가 주인보다 더 나은 될 수 있을까? 이 솔루션은이 게임에서 무엇을 할 수 배운 후, 그것은 반대한다이다 자체 많은 여러 번 그 능력을 향상시킬 수 있습니다 이 두 번째 단계는 가장 많은 시간이 소요되는 교육의 주요 부분이다 의 팬 후이 2 단에 재생하는 데 사용 된이 기본 알고리즘 AlphaGo 팬을 부르 자 0 5 패배 유럽 이동 챔피언 이 역사적인 순간 처음은 AI가없이 전문 바둑을 이길 수 있었다 핸디캡

팬 후이는 매우 강력하고 안정적인 플레이어에 대한 재생으로 자신의 경험을 설명하고 그는 또한 알고리즘은 매우 인간과 같은 느낌 언급했다 일부는 이동 지역 사회 내에서 의심을 표명하고 알고리즘이 결코 것이라고 언급 이세돌, 9 단 세계 챔피언, 18 개 국제 제목의 우승자를 이길 수 그냥 당신에게 그들의 일로 포인트에 따라 차이의 직관을 제공하기 위해, 이세돌이 예상된다 100 게임에서 팬 후이 97 시간을 이길 수 있습니다 그들이 도전 할 경우 그래서 몇 달 후, DeepMind 거대한 미디어 이벤트를 개최 그를 AlphaGo에 대해 재생합니다 이 깊은 신경 네트워크를 사용하는 기본 알고리즘의 약간 수정 된 버전이었다 더 레이어 및 이전 버전보다 더 많은 자원을 사용하는 훈련을했다

정책 네트워크 알고리즘의 변화도 있었다, 이에 대한 세부 사항을 사용할 수 있습니다 설명의 논문에서, 그것은 좋은 읽기입니다, 모습을 가지고 있는지 확인하십시오 의는이 알고리즘 AlphaGo 리를 부르 자 이 이벤트는 전세계의 모든 지켜되었다 아마도 카스파로프의 비교 될 수있다 딥 블루에 대한 공공 체스 게임 나는 침대에서 점프, 아침에 슈퍼 일찍 일어나는의 가장 다정한 기억을 가지고 흥분이 모든 이동 일치를 볼 수 있습니다 그리고 길고 nailbiting 시리즈, 이세돌은 AI에 의해 1 4를 격파했다

훨씬 적은 언론의 관심으로, 다음 단계는, 이름 AlphaGo 마스터 베어링왔다 AlphaGo 리보다 10 배 적은 텐서 처리 장치 주위에 사용하고, 심지어되었다한다 강한 선수 이 알고리즘 월 2017 년 온라인 인간 전문가에 대한 재생 및 모든 60 경기를 이겼다 그것은 연주했다 이것은 광기,하지만 당신이 그것을 생각하면, 음, 지금 당신의 논문에 개최 이 새로운 연구에서, AlphaGo는 다음 형태 AlphaGo 제로에 도달했습니다 모든 인간에 대한 액세스 권한이없는이 변종은 첫 번째 단계에서 게임을하고 배운다 완전히 자기 놀이를 통해

이 게임의 규칙 단지 지식을 절대적으로 아무것도에서 밖으로 시작한다 그것은 40 일 동안 훈련, 일 3함으로써,이를 AlphaGo 리의 수준에 도달했다 세계 챔피언 수준 이상입니다 21 일 주위, 그것은 실제적으로 매우 저렴한입니다 AlphaGo 마스터의 수준을 명중 모든 인간 그리고이 얻을, 40 일,이 버전은 모든 이전 AlphaGo 버전과 패배를 능가한다 이전에 게시 된 worldbeater 버전 100-0 이것은 지금 몇 밤 저를 유지하고있다 나는 단어에서 완전히입니다

이 버전에서, 두개 이상의 신경망 훈련 될 수있는 하나에 융합 효율적으로 그들이이 신경 네트워크가 임의부터 보여 이러한 곡선을보고 아름답다 초기화 이 규칙을 알고 있지만 그 이상, 그것은 게임 자체에 대한 완전히 우둔, 그것은 빠르게 실질적으로 매우 저렴한된다 그리고 마지막에 가장 적합한 부분을 왼쪽 – 그것은 단지 하나의 기계를 사용합니다 나는 그것이 우리의 눈 앞에 펼쳐지는 역사라고하는 것이 공평하다고 생각합니다

어떤 시간은 살아 있습니다! 이 놀라운 성취에 대한 DeepMind 팀에 축하드립니다 그리고, 나를 위해, 나는 더 넓은 청중에게 연구에 대해 얘기 사랑 그리고 진정한 특권이다 당신에게이 이야기를 할 수 있어야합니다 Patreon에 당신의 관대 한 지원을 주셔서 감사하고 더 많은 지출을 할 날 수있게 만들기 내가 가장 좋아하는과 더 많은 시간 정말 대단해 그리고 지금, 나는 그것이 약간 중복 알고 있지만, 근육의 메모리에서, 나는 평소 아웃거야 방법

보고에 대한 당신의 관대 한 지원에 대한 감사합니다, 나는 당신에게 다음에 보자!

Inside Google’s DeepMind Project: How AI Is Learning on Its Own | Max Tegmark

나는 단순히 복잡한 목표 달성에 얼마나 좋은 일 같은 지능을 정의합니다 인간의 지능 오늘날 다수의 기계 정보 오늘부터 매우 다르다 방법

첫째, 과거에 기계 지능에 그냥 항상 열등로 사용 인간의 지능 점차적으로 기계 지능은 매우 특정의 인간의 지능보다 더있어 빠른 포켓 계산기처럼 숫자를 곱 또는 큰 기억과 같은 좁은 영역, 정말 빠른 데이터의 양 우리가 지금보고있는 것은 그 기계의 지능이 그 좁은에서 약간 퍼지는이다 봉우리와 조금 더 넓은지고 우리는 여전히 인간의 지능, 인간 아이가 할 수있는만큼 광범위 아무것도 없다 거의 모든 목표 꽤 좋은 얻을 배울 수 있지만, 그 예를 들어, 지금은 시스템이 컴퓨터 게임의 다른 종류의 전체 넓은 길을 재생 배울 수 또는 드라이브하는 법을 배워야 꽤 다양한 환경에서 자동차 그리고 어

어디에서 일을 분명히 AI에 가고는 폭을 증가하고, AI의 성배됩니다 연구는 인간의 지능만큼 광범위 기계를 구축하는 것입니다, 그것은 좋은 얻을 수 있습니다 아무것도에서 그 일어난 일단 단지 인간만큼 폭 넓은 될 것 아니에요 매우 가능성 하지만 지금은 그냥 오른쪽이 아닌, 모든 작업에서 인간보다도 더 나은 나는 꽤 컴퓨터 괴상한 나 자신이야 고백해야합니다

나는 고등학교와 대학에서 다시 일부 컴퓨터 게임을 쓴, 그리고 최근 내가 봤는데 MIT에서 내 연구실 깊은 학습 연구를 많이하고 그래서 정말 좋아 저 멀리 날려 뭔가 "워"내가 처음이 구글 보았다 때 처음부터 컴퓨터 게임을 배운 DeepMind 시스템 당신은 컴퓨터 게임이 무엇인지 몰랐, 신경 네트워크 시뮬레이션이 인공 있었다, 그것은 화면, 당신은 단지 숫자에 공급 무엇인지 모르고, 컴퓨터가 무엇인지 몰랐다 그 화면에 서로 다른 색상을 표현하고 다른 출력 할 수 있음을 말했다 또한 대해 아무것도 모르는 다른 키 스트로크에 해당하는 숫자, 다음 그냥에게 점수를 먹이 유지하고, 모든 소프트웨어 아는 것은 무작위로 수행하려고하는 것이 었습니다 그 점수를 극대화 할 물건을한다 나는 화면 한 번 데미스 하사비스, 구글 DeepMind의 CEO에이를보고 기억 를 보였고,이 일을 정말 총 BS 전략을 연주하고 모든 손실 얼마나 첫번째보고 시간 후 다음 점차적으로 더 나은 얻고, 다음은 나보다 더 나은 얻고, 그것은 당신이 반송되어있는 브레이크 아웃이 미친 전략 (파악하면서 는 왼쪽 상단 모서리까지를 목표로 계속 것입니다 벽돌 벽의 떨어져 공) 거기에 구멍을 천공하고 다시 단지 주변에 튀는 공을 가지고 미친 많은 점수를 달성했다

그리고 나는 "우와, 즉 지능이다!", 같았다 그리고이 프로그램 사람은 심지어 그들이 때문에 그 전략에 대해 알고하지 않았다 매우 그 게임을하지 않았다 이 기계 지능이 작성자의 지능을 능가하는 방법에 대한 간단한 예입니다 인간의 자녀와 같은 방법으로 훨씬보다 더 지능이되고 결국 수의 부모가 교육을 잘합니다 이것은 단지 작은 작은 컴퓨터 바탕 화면에 미칠 수있는 하드웨어의 일종이다 지금 가장 큰 컴퓨터 시설까지 확장 상상하면 우리가 세계에 있고 내가 바로 그 그럴듯한 생각, 우리에게 알고리즘 개발의 더 수십 년을 제공 우리는 단지 우리보다 더 나은 컴퓨터 게임을 배울 수있는 기계를 만들 수 있지만, 게임 삶을 볼 수 있으며 우리보다 더 나은 모든 것을 할 수 있습니다