AlphaGo
Программа DeepMind для игры в го, первая из компьютерных программ обыгравшая сильнейших профессионалов, в том числе Ли Седоля. Сначала её обучали на партиях сильных игроков-людей, а затем с подкреплением — в играх против самой себя. Ходы выбирает поиск по дереву методом Монте-Карло, который опирается на две нейросети: одна предлагает ходы, другая оценивает позицию.
проверено по: deepmind.google ↗
См. также
- Google DeepMindИсследовательская лаборатория ИИ, которую основали в Лондоне в 2010 году под названием DeepMind Technologies. В 2014 году её купила Google, а в 2023-м она объединилась с Google Brain и стала называться Google DeepMind. Создала AlphaGo и AlphaFold, разрабатывает модели Gemini.
- Поиск по дереву методом Монте-КарлоЭвристический алгоритм поиска решений (Monte Carlo tree search, MCTS), чаще всего в играх. Он постепенно строит дерево возможных ходов, оценивает варианты случайными доигрываниями до конца и чаще развивает ветви, которые уже дали хороший результат, но оставляет место и для проверки новых. В отличие от полного перебора (например, минимакса), он не просматривает все ветви. Прославился благодаря программам для игры в го, включая AlphaGo, и также применяется в планировании.
- Обучение с подкреплениемОдин из основных подходов машинного обучения (reinforcement learning, RL): агент действует в среде, получает за результат числовую награду и учится выбирать действия, которые приносят наибольшую награду. В отличие от обучения с учителем, правильных ответов ему заранее не показывают — он учится методом проб и ошибок. У языковых моделей это отдельный этап после предобучения, на котором развиваются рассуждения и агентные навыки.
В новостях
Google Cloud в ноябре откроет всем клиентам серверы на NVIDIA Vera Rubin
Программа DeepMind для игры в го, первой из компьютерных программ обыгравшая сильнейших профессионалов. Её научили играть с помощью обучения с подкреплением, в том числе в партиях против самой себя.