امروز چهارشنبه ، ۱۴۰۱/۰۴/۱۵
بدان
FAENZYXWVUTSRQPONMLKJIHGFEDCBA

AlphaGo

AlphaGo به چه معناست؟ AlphaGo یک هوش مصنوعی باریک، یک برنامه کامپیوتری است که توسط Google DeepMind برای بازی Go، یک بازی استراتژی چینی روی تخته برای دو بازیکن شبیه به شطرنج توسعه یافته است. AlphaGo اولین برنامه هوش مصنوعی است که توانست در اکتبر 2015 یک بازیکن حرفه ای انسان، بازیکن 2 دان، فن هوی را در یک تخته با اندازه کامل و بدون نقص شکست دهد. سپس در مارس 2016 یکی از بالاترین رتبه بندی بازیکنان انسانی در جهان، لی سدول 9 دان را شکست داد و چهار بازی از پنج بازی را برد.Bedan AlphaGo را توضیح می دهد پروژه AlphaGo در سال 2014 به عنوان یک بستر آزمایشی آغاز شد تا ببیند الگوریتم شبکه عصبی Google DeepMind با استفاده از یادگیری عمیق چقدر می تواند در Go رقابت کند. الگوریتم AlphaGo ترکیبی از تکنیک‌های جستجوی درختی و یادگیری ماشینی است و با آموزش‌های گسترده هم با انسان و هم با سایر بازیکنان رایانه تقویت شده است. از جستجوی درخت مونت کارلو استفاده می کند و توسط یک شبکه خط مشی و ارزش هدایت می شود که با استفاده از فناوری های شبکه عصبی عمیق پیاده سازی شده است. شبکه خط مشی آموزش دیده است و به هوش مصنوعی کمک می کند تا حرکت بعدی را پیش بینی کند که به احتمال زیاد برنده خواهد شد، در حالی که شبکه ارزش آموزش دیده است تا درخت جستجو را محدود کند و ارزش آن موقعیت ها را تعیین کند، به جای جستجوی کامل، برندگان را در هر موقعیت تخمین بزند. تا پایان بازی. AlphaGo برای اولین بار با حرکات بازی های تاریخی از بازیکنان انسانی تغذیه شد، با استفاده از پایگاه داده ای از حدود 30 میلیون حرکت، که باعث تقلید بازی های انسانی می شود. هنگامی که هوش مصنوعی به درجه ای از مهارت رسید، با استفاده از یادگیری تقویتی برای بهبود و یادگیری بیشتر، با وادار کردن آن به بازی در برابر نمونه های خود، بیشتر آموزش دید. در اکتبر 2015، یک نسخه محاسباتی توزیع شده از AlphaGo بازی کرد و فان هوی، قهرمان 2 دان گو اروپا را شکست داد و اولین بار بود که یک برنامه کامپیوتری یک بازیکن حرفه ای را در Go شکست داد. فن هوی سپس ماه ها پس از شکستش به عنوان مشاور تیم DeepMind کمک کرد. در مارس 2016، AlphaGo به مصاف لی سدول، یکی از بالاترین رنکینگ بازیکنان جهان رفت که به سطح بالای 9 دان دست یافت. با بردن چهار بازی نسبت به بازی لی، این یک پیشرفت بزرگ در تحقیقات هوش مصنوعی بود زیرا به این معنی بود که الگوریتم یادگیری عمیق و شبکه های عصبی مورد استفاده توسط DeepMind می تواند برای هر هدف دیگری استفاده شود، زیرا واقعاً برای بازی Go برنامه ریزی نشده بود، بلکه آموزش داده شده بود. نحوه بازی Go این یک دنیای کاملاً جدید را برای تحقیقات هوش مصنوعی باز می کند.

AlphaGo

What Does AlphaGo Mean? AlphaGo is a narrow AI, a computer program developed by Google DeepMind to play Go, a Chinese strategy board game for two players similar to chess. AlphaGo is the very first AI program that was able to beat a professional human player, 2-dan player Fan Hui in October 2015, on a full-sized board with no handicaps. It then beat one of the highest ranked human players in the world, 9-dan Lee Sedol, in March 2016, winning four games out of five. Techopedia Explains AlphaGo The AlphaGo project was started in 2014 as a test-bed in order to see how well Google DeepMind's neural network algorithm utilizing deep learning could compete at Go. The algorithm for AlphaGo is a combination of tree search and machine learning techniques and reinforced with extensive training with both humans and other computer players. It uses the Monte Carlo tree search and is guided by a policy and value network, implemented using deep neural network technologies. The policy network is trained and helps the AI predict the next move most likely to win while the value network is trained to narrow down the search tree and determine the value of those positions, estimating the winners in each position rather than searching all the way down to the end of the game.AlphaGo was first fed with historical match moves from human players, utilizing a database of around 30 million moves, making it mimic human plays. Once the AI reached a degree of proficiency, it was trained further by making it play against instances of itself, using reinforcement learning to improve and learn more. In October 2015, a distributed computing version of AlphaGo played and defeated Fan Hui, a 2-dan European Go Champion, marking the first time ever that a computer program had beaten a professional player at Go. Fan Hui then helped as a consultant for the DeepMind team months after his defeat. In March of 2016, AlphaGo went up against Lee Sedol, one of the highest ranked players in the world, having achieved the top level of 9-dan. Winning four games to Lee's one, this marked a major breakthrough in AI research since this meant that the deep learning and neural networks algorithm used by DeepMind can be used for any other purpose since it was not really programmed to play Go, but rather was taught how to play Go. This opens up a whole new world for AI research.