AlphaGo. Как думает машина

Слайд 3

В чем интерес

Исторический контекст
Подходы к решению задач
Внутри AlphaGo

В чем интерес Исторический контекст Подходы к решению задач Внутри AlphaGo

Слайд 4

Компьютеры vs Человеки

Компьютеры vs Человеки

Слайд 6

Способ решения задач

Грубая сила — перебор
Умная сила — тайные знания
вручную (алгоритмы)
автомагически
машинное

Способ решения задач Грубая сила — перебор Умная сила — тайные знания
обучение
нейронные сети

Слайд 7

Нейронная сеть — Человек

Нейронная сеть — Человек

Слайд 8

Нейронная сеть — Программа

Нейронная сеть — Программа

Слайд 9

Свёрточная глубокая нейронная сеть

Свёрточная глубокая нейронная сеть

Слайд 13

Внутри DeepBlue (1997)

200,000,000  позиций в секунду
Материал, позиция, сохранность Короля, темп
11.38 GFLOPS
Специализированное железо

Внутри DeepBlue (1997) 200,000,000 позиций в секунду Материал, позиция, сохранность Короля, темп 11.38 GFLOPS Специализированное железо

Слайд 15

Внутри Alpha Go

Features
46 bits for slow
≈140,000 patterns for fast
Value networks to evaluate

Внутри Alpha Go Features 46 bits for slow ≈140,000 patterns for fast
board positions
Policy networks to select moves
Fast value network for rollout
Monte-Carlo tree search
“machine learning techniques” for time management

Слайд 19

Компьютеры vs Человеки: Go

AlphaGo
1920 CPUs, 280 GPUs
1 MW
≈4 недели, 160,000 записей игр,

Компьютеры vs Человеки: Go AlphaGo 1920 CPUs, 280 GPUs 1 MW ≈4
3,000,000 позиций
Lee Sedol
1 мозг (+ команда)
100 W
25+ лет карьеры

Слайд 20

Тест Тьюринга, будущее

If no one told me, maybe I would think the

Тест Тьюринга, будущее If no one told me, maybe I would think
player was a little strange, but a very strong player, a real person.
Планы по обучению сети «с нуля»

Слайд 21

Центр управления полетами

Центр управления полетами
Имя файла: AlphaGo.-Как-думает-машина.pptx
Количество просмотров: 43
Количество скачиваний: 0