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