Поздравляю, кожаные мешки, прогресс подкрался незаметно. 18-кратный чемпион мира по игре в го корее / го :: игра :: ИИ

Их никогда и не было

В.Высоцкий - Честь шахматной короны. Игра.

Победа методом уничтожения конкурента. Задача - выиграть. Мёртвый противник выиграть не сможет. Устраняем. Выигрываем. Всё норм

Так и победили в войне на уничтожении человечества.

Дурачок? Они выигрывают не перебором всех возможных вариантов, их слишком много даже для наших компьютеров, а именно что эффективным подходом. Об этом уже сто раз говорили. А каким словом ты это назавешь, это уже твое дело. Вон про любого кто хоть как то рисовать научился, всякие ленивые жопы тоже говорят - "а что вы хочете? У него талант" И самих художников уже никто не слушает. Легче поверить в талвнт, чем в кропотливое обучение.

Так говоришь, будто там днище бронзовое. Ведь это далеко не так.

Это как если играть на скорость чугунными шахматами по 50-80 кг каждая, и сказать, что мы понерфили ИИ, отобрав у него кран способный поднимать тонны. Естественно, если серьезно сравнивать ИИ и человека, то надо ставить их в одинаковые условия, в идеале вообще посадить робота, который будет смотреть на монитор (распознавать оттуда все), тыркать мышку и клаву монипуляторами (+пинг сервера с другой стороны планеты, при необходимости). Звучит как придирки, но если уж начали сравнивать ИИ и человека, то нельзя останавливаться, рано или поздно мы должны будем добраться и до этой хрени.

Он не просто просчитывает ходы. Даже сейчас просчитать все ходы не вариант. Или, наверное - не лучший вариант. Об этом уже говорили и Краусс, и Деграсс Тайсон, и Докинз и еще бог весть кто. И они не просто "из головы" это взяли. Они имеют доступ к людям, которые этим занимаются.

Нет.
Полность просчситаны, емнип, только шашки.
У ГО же, например, вычислительная сложность такая, что ее "просто просчитывать" на данный момент просто не вариант.
AlphaGo работает на "нейронной магии" и учился играть почти с нуля сам с собой.

Что знначит "умннее"? Нейросетка для игры в Го, может играть только в Го, хотя бы потому, что у неё есть только интерфейс для игры в Го. Если для неё сделать интерфейс для чегото другова, то она это что-то научится делать (и то не фаакт), но при этом разучится играть в Го.
ИИ должен не просто оббучаться, но и экстраполировать свой опыт на другие области без ухудьшения старых достижений.

Угу, на уровне муравьиного ганглия, ведь муравья или даже группу раз речь о сети, аналогично можно надрочить выполнять простейшие задачи. А вот дальше все упирается в непонимание того, как же собственно воспроизвести разум приблизительно уроня высших хордовых (даже не смотря на всю обманчивую незамысловатость устройства оного) и в частности сапиенсов, не говоря уж о том как его правильно измерять (можно вспомнить пример из лекции того же Дробышевского), а так же туеву кучу других, казалось бы, гавным-гывно раз и навсегда решенных моментов.

а в других играх нужна сила или ловкость, а не вычислительные мощности. это тоже проблема этих игр?

Исключительно вычислительные мощности? Комп не просчитывает лучшие ходы, в Го нельзя просчитать ходы, их слишком много для любых мощностей. Комп _угадывает_ лучшие ходы во время обучения, накапливает огромный опыт реагирования на те или иные расклады, а потом использует его для игры против реального игрока, пытаясь по не чётким критериям найти в своём опыте такой ход, который чаще других приводил к победе во время тренировок.
"Вычислительные мощности" компа позволяют ему быть сверхчеловечески внимательным, обладать сверхчеловечески точной памятью и сверхчеловечески быстро учиться. Но он не побеждает за счёт просчёта ходов наперёд, т.к. это не эффективная тактика в Го.

но это все равно очень хороший результат для игры с неполной информацией в реальном времени, с постоянно меняющимися правилами, даже если противники из алмаза подибраются.
Видимо, структура сети должна быть гораздо сложнее и ее обучение в такой игре занимает гораздо больше времени чем в тех же Го

Старая версия АльфаСтар била Грандмастеров. Сейчас ее проблема в том, что ее понерфили к херам, чтобы Альфа играла по возможностям человека и немогла контролить аабсолютно каждого юнита единовременно.

На ютубе есть таймлапы ботов в мультике цивы, уже после 20 минут интерес нулевой. Хотя боты в циве конечно далеко не ии.

Ну такое. Человек против машины - нечестная игра с заранее известным реззультатом. Шанс победы человека минимален.
Машина против машины? Победа за более совершенной машиной, т.е. это больше похоже на результат соревнования программистов, чем дуэль ИИ.

если коротко, то строится нейронная сеть, которая принимает решение исходя из текущей игровой ситуации, не просчитывая варианты наперед. Эта сеть или вернее целое множество таких сетей играют против самих себя и друг друга большое множество игр, структура и конфигурация сетей постоянно изменяются, плохие сети "отмирают", хорошие - проходят эволюционный отбор.

Вероятности и паттерны. Просчитать все варианты в го до сих пор слишком времязатратно.

Для начала уточню, что под термином "ИИ" могут понимать как и любой алгоритм компьютерного игрока (в контексте "живой игрок против ИИ"), так и конкретно нейросети.

Не знаю, принято ли как-то подходы к программному решению задачи классифицировать, но в целом в играх я бы выделил несколько категорий:
1. Конкретный алгоритм ("если состояние игры соответствует такому условию, ходи вот так"). Подходит для сильно решенных игр, чуть хуже - для слабо решенных.
2. Полный перебор. То, о чем говорил Флинтхарт выше. Подходит только для игр с небольшим количеством состояний, в противном случае не хватит никакой памяти.
3. Оптимизированные варианты перебора, включающие алгоритмы поиска (минимакс, Альфа-бета-отсечение), эвристические алгоритмы, основанные на знании, какие ходы действительно стоит рассматривать, метод Монте-Карло для поиска в дереве (использует случайные выборки). Некоторые из этих алгоритмов подходят для широкого спектра пошаговых стратегий, но требуют от разработчика глубоких познаний в математике, в том числе теории игр, и их эффективность напрямую зависит от его компетентности.
4. Машинное обучение: генетические алгоритмы, обучение с подкреплением. Подходят для еще более широкого спектра задач и игр, но, в свою очередь, от разработчика может потребоваться внушительный опыт и научная интуиция, чтобы эффективно обучить машину в играх с огромных количеством состояний, в противном случае результат будет хуже, чем у алгоритмов предыдущего пункта.
5. Нейросети. Очередной апгрейд, приближающий алгоритмы к человекоподобному способу мышления, имеет гораздо более непредсказуемый характер и потому вынесен мной в отдельную категорию, хотя и является частным случаем машинного обучения. Может решать очень широкий спектр различных задач (хотя хайп вокруг них сильно преувеличен благодаря маркетологам, которые пытаются заткнуть нейросетями каждую дырку, даже те, в которых один из предыдущих подходов был бы проще, лучше, эффективнее; извините, вырвалось), который, как и предыдущий пункт, требует высокой компетентности разработчика, на порядки больше вычислительных ресурсов, и больше склонен к ошибкам при недостаточном обучении. Однако при благоприятном стечении всех вышеназванных факторов нейросети могут легко обставить другие озвученные подходы.
Добавлю также, что я практически уверен, что в серьезных программах для игры в шахматы, го и подобных игр на основе нейросетей используется комбинированный подход для отсечения явных ошибок нейросети.

> перебором на основе миллионов сыгранных партий
Еще раз: Го - не шахматы, в которые можно играть по книжке известных ходов/тактик, где чуть ли не каждый имеет собственное имя.
361 поле - 361 вариант первого хода
360 вариантов второго хода при известном первом
359 вариантов третьего хода при известном первом и втором
361*360*359 = 46655640 комбинаций. 46 млн. На три хода.
Базы на миллион сыгранных уникальных партий не хватит на три хода. Плюс, опять-таки, трудность в оценке текущего положения не позволяет использовать "перебор" по аналогиям: каждый ход в Го, в данных конкретных обстоятельствах, может перевернуть ситуацию диаметрально.

Как работает? Понятия не имею, поищи информацию. Возможно, нейросеть, обученная на примерах блокировать чужие точки и не допускать блокирования своих. Вот только принцип работы нейросети не имеет ничего общего с перебором от слова "совсем".

>Да, не тупым перебором, а перебором на основе миллионов сыгранных партий, суть одна.
Что-то это мне напоминает... А, точно. Ровно по такому же принципу работают человеческие мозги, сюрприз.
>Вычислительные мощности.
Которых у человеческого мозга один хрена больше на порядки: ~86 миллиардов нейронов, ~150 триллионов синапсов, до 1000 Гц скорость переключения триггеров. На этом фоне AlphaGo со своими считанными миллионами нейронов выглядит бледновато.

>