Чак сега видях от статията, че AlphaGo Zero е само с 4 /четири!/ TPU /Tensor Processing Unit/. А такива можеш да си наемеш от Google Cloud само за няколко долара на час, всеки може да си го позволи. Наистина невероятен прогрес последната година, май че се качихме на експонентата.

https://cloud.google.com/tpu/docs/pricing

и що не обясниха как големия бот анализира играта и управлява малките ботчета, как изгражда стратегия, кое е революционното в демонстрацията...
читър с отворена карта ... пицаджията беше по-интелигентен

Спокойно, имам ги статиите. Ето тук да четете:

https://deepmind.com/blog/alphastar-mas ... rcraft-ii/
AlphaStar: Mastering the Real-Time Strategy Game StarCraft II

https://towardsdatascience.com/what-dee ... ca70ccb403
What DeepMind’s AlphaStar beating StarCraft players means for AI research

https://habr.com/ru/post/437538/
Нейросеть AlphaStar обыграла профессионалов StarCraft II со счётом 10−1

https://habr.com/ru/post/437486/
AlphaStar — новая система искусственного интеллекта для StarCraft II от DeepMind (полный перевод)

Както предположих технологията е Reinforcement Learning. Повече може да се научи за нея с търсене в Google с тези думи, също Q-Learning, Q-Reinforcement Learning, Deep Reinforcement Learning, Multi-Agent Reinforcement Learning... както и в статиите по-горе. В Хабра има една подборка от двадесетина статии за тази технология, на руски е "обучение с подкреплением":

https://habr.com/ru/search/?q=[обучение с подкреплением]

И за DeepMind които са водещите в това направление, те разработиха програмата AlphaGo която победи световният шампион по играта Го, а след това AlphaZero която пък победи AlphаGo с резултат 100:0:

https://habr.com/ru/search/?q=[DeepMind]
https://habr.com/ru/search/?q=[AlphaGo]
https://habr.com/ru/search/?q=[aplhazero]

https://deepmind.com/

PS Важно уточнение. В една от статиите се казва, че бързодействието на компютъра изкуствено е ограничено така че скоростта с която прави ходовете да е по-малка от тази на човека. И въпреки това побеждава. Което означава, че стратегията му е по-добра. Което е и целта, тези експерименти са за да се тестват алгоритми за дългосрочни стратегии при недостиг на информация за ходовете на противника.

демек пак читове - човека анализира екрана !!!! и въздейства с мишката и клавиатурата,
а бота ползва API към играта....

Още в началото казах, че не я играя тази игра и затова ми е трудно да обсъждам.

Но е очевидно, че човека играе спомагателна роля иначе ще излезе, че той е световният шампион. И възниква въпросът защо се е съгласил да играе спомагателната роля вместо сам да се пребори и получи славата на победител.

По аналогия машинописката печати на машината това което и диктува писателя но това не означава, че тя е автора на романа. И при играта на шах и Го човек местеше фигурите както му нарежда машината, също така въвеждаше в машината играното от човека /анализира полето / но това не значи че играе, можеше и въобще нищо да не разбира от тези игри.

PS Това че човек въвежда ходовете ми изглежда малко съмнително. Играта е твърде динамична за да въвежда нещо човек, непрекъснато се гърмят един друг и трябва бърза реакция. Къде го прочетохте това за човека и каква е неговата роля, в какви етапи на играта и какво точно прави?

пак питам:
кое е "революционното" в тази демонстрация - StarCarft: AI срещу Човек? на какво трябва да обърнем внимание,
какво точно са направили/изобретили/подобрили екипа на гугъл освен, че харчат МНОООГО пари

и не ми пасвай линкове, обясни fred: измислиха еди какъв си алгоритъм, който прави еди какво си в тази демонстрация

Обяснено е в статиите. Ти какво искаш, да ти обясня цяла наука и работата на екип от няколко стотин души в две изречения?

Революционната стъпка е, че вече машината не анализира опита от играни от човек партии а трупа опит играейки машина срещу машина. Което и дава огромни перспективи и възможността да постигне нива надминаващи натрупаният от човека опит. И другото ново е, че гради дългосрочни стратегии чийто ефект се вижда чак след време. И то в обстановката на непълна информация за противника и играта. Факта, че РАЗГРОМЯВА световни шампиони показва мащаба на постижението.

А как е постигнато ето го тук как е приложен Reinforcement Learning в тези игри. За играта Го е но има много неща които съвпадат. Обяснено "на пальцах" както казват руснаците или For Dummies според западняците. Макар че и така не е лесно за усвояване, ако видиш оригиналните научни статии на които се основават тези алгоритми свят ще ти се завие от математика затова не може да е много елементарно.

https://habr.com/ru/post/279071/
AlphaGo на пальцах

https://habr.com/ru/post/343590/
AlphaGo Zero совсем на пальцах

когато седнеш да играеш стратегически игри ... ето ти едно човече, то копа минерали за пари, като направиш еди колко си пари може да си купиш още едно човече, стрелец, танк ... и тн - играча е "обучен" и влиза в "боя"...
A на alfaStar сичко това му е набутано като свойства и функции през API-то на играта, получава сурови данни в цифри
управлява човечетата през API-то, не цъка мишката и клавиатурата, не анализира екрана и звуците, не му се пикае и не му се пие бира
Затова ти казах че е читър, смята математика, а те игрите си имат достатъчно добри AI за да бият който и да е PRO
никъде в демострациите нямаше просто обяснение какво точно анализират и КАК изграждат "стратегия"
Акцентират: Изграждане на Стратегия <--- тук са парите, а не в смятането на weights и издупването на ASIC

Няма как и да обяснят. Това е спецификата на невронните мрежи, подават им сурови данни, в процеса на обучение те изграждат някакви свои вътрешни правила какво да правят с тях за да се получи определен резултат. Примерно ако е обучавана да различава кучета от котки го прави, с други данни и правила същата невронна мрежа се обучава да играе шах, с трети автоматично преобразуват глас в текст и т.н. Една и съща невронна мрежа в зависимост от входните данни и процеса на обучение го прави за различните неща.

Има входни данни и процес на обучение след който от тях почва да се получават резултати. Но никой не може да обясни КАК се получават тези резултати. Не може да се "разглоби" невронната мрежа и да се каже "ако преместя пешката компютъра ще направи това поради еди какви си причини". Не е твърдо програмиране описващо натрупан опит а обучение. Това е новото при изкуственият интелект и принципите са заимствани от работата на човешкият мозък.

Невронната мрежа е известното от кибернетиката понятие "черна кутия", има вход и изход а какво става вътре и как се постига изходният резултат не е ясно. В смисъл може да се видят теглата на отделните клетки но това нищо не ни говори.

Но същото е и с човека, вие например можете ли да обясните КАК различавате куче от котка? Какви точно признаци от геометрията. Или как се различават различните букви и цифри една от друга, дори когато са невъзможно деформирани от капитчата. Научили сте се в процеса на обучение.

Ето в тази статия е даден процеса на обучение на невронна мрежа да различава кучета от котки. И както се вижда записаното в различните слоеве на невронната мрежа абсолютно нищо не ни говори. Но като цяло тази мрежа ги различава и то много добре. Това впрочем много ги ядосва учените, трябва сляпо да вярват на резултатите а те искат всичко да е логично и с доказателства. Но на този етап е така. Има известни опити да се промени но още е абсолютно в началото.

https://towardsdatascience.com/image-cl ... 9af21ae7a8
Image Classifier - Cats vs Dogs

Металотърсач с изкуствен интелект различава черни от цветни метали.

https://habr.com/ru/post/435884/

Интелектът работи с представи, а машината с математически модели. Колко общо има между двете? Нищо. Така, че машината е и ще си остане грамада от метал и пясък. По тъпа дори от мишка. Последното го беше казал един гуру в електрониката, дето беше изобретил прозоречния интерфейс.

+fred
е те това с PI е яко - с анализа на "експоненнтата",
обаче за преносим детектор не става - има други проблеми
но ако се събере в многозонова врата (Walk-Through Metal Detectors) ще изтрепе пазара

Предполагам спектралният анализ също може да даде някаква информация, може би и ако се работи с програмно управлявана форма и продължителност на импулсите... т.е. пак опираме до спектъра. Основното е, че по-този начин се създават условия за много по-задълбочена и прецизна обработка на информацията в полеви условия. Това като общи съображения, далеч съм от тази област.

Много интересен е този упорит стремеж към антропоцентричност, т.е. сравняване на машината и човека с цел да се докаже че машината винаги ще е по-долу от човека. Според мен говори за комплекси, защита на последната крепост. Защото например никой не се вълнува от това, че машината "бяга" по-бързо от човека, дори един елементарен мотоциклет.

За мен лично това ме интересува единствено от приложна гледна точка а не като съревнование между човека и машината. Т.е. има ли работа която компютъра с тези нови алгоритми ще върши по-добре от мен. И такива има и то много, най-малкото защото редица неща може да ги върши по-прецизно и по-бързо. И въобще не ме вълнува, че е по-добър от мен в тези неща.

А относно че компютъра е по-тъп от мишка може би трябва да попитаме световните шампиони по шах, Го и т.н. Дали шахмата е толкова тъпа игра че една мишка може да я играе.

https://github.com/Dreamy16101976/nn4md
Neural net for pulse induction metal detector
A neural network that processes measurement results and discriminates targets.

https://acdc.foxylab.com/node/25