Http://www. Vesti. Ru/doc. Html? Id=847303&cid=2161

Карточка (или 2-3 карточки) недели

Самая интересная карточка(и), попавшая в картотеку в последнее время. Выбор делаю по количеству комментариев, написанных к содержанию карточки. Обычная процедура: нашел интересный факт, внес его в картотеку, создал его шифр, выбрал из картотеки карточки с таким же шифром. Так появилась возможность отслеживать развитие темы (факта) во времени, проверять тематическую преемственность, выявлять неожиданные связи.

На последней странице файла для демонстрации возможностей Универсальной Схемы Эволюции (УСЭ) представляю эволюцию объекта (факта), которому посвящена карточка недели.

13 июля 2012 года

Французский учёный создал алгоритм, благодаря которому компьютер учится играть в настольные игры, просматривая короткие видеоролики, в которых в ту или иную игру играют люди. См. карт. 8337: Ученые из MIT создали компьютерную систему... Для того чтобы обыграть человека в такие игры, как "Четыре в ряд", "Гомоку", "Пешки" компьютеру достаточно посмотреть всего две минуты игры с участием людей. Лукаш Кайзер (Łukasz Kaiser) из Парижского университета Дидро (Universitй Paris Diderot) использовал в своей работе не суперкомпьютер, а обычный ноутбук с четырьмя гигабайтами оперативной памяти и одноядерным процессором. Программа анализирует несколько партий с разным исходом и идентифицирует клетки, фишки и другие элементы игрового поля. Отслеживая действия игроков, компьютер быстро осваивает правила игры. Затем он рассчитывает все возможные варианты ходов и комбинаций, выбирая оптимальные для победы. См. карт. 8731: Функция полезности — экономическая модель для определения... Учёный отказался от классических алгоритмов, которые используются в существующих самообучающихся программах. Он использовал в своём коде математические и логические методики, основанные на теории принятия решений и индуктивном логическом программировании. Программа пока не настолько "умна", чтобы научиться играть в сложные игры, например, такие как шахматы. Но в более простых играх, где не нужно учитывать множество параметров, у человека практически нет шансов выиграть у самообучающегося компьютера. Кайзер планирует расширить возможности программы и адаптировать её для решения более сложных задач, требующих "иерархического структурного обучения или применения вероятностных формул". Т.е. использование иерархии: учет стремления к выживанию по УСЭ систем разных иерархических уровней. Причем систем, связанных вертикальной (сверху вниз) подчиненностью. Он полагает, что его детище может стать основой для создания автономных роботов с искусственным интеллектом. Француз разработал беспроигрышный алгоритм обучения настольным играм http://www.vesti.ru/doc.html?id=847303&cid=2161 135.22421.322160 Онтология по шифру: 135 (человек), 22421 (интеллектуальный анализ данных) и 322160 (закон повышения жизнеспособности) L

Онтология по шифру: компьютер, обучение, выигрыш, адаптация, интеллект

	Попытки создания автономных существ в рамках исследований по ИИ предпринимались неоднократно. В 60-х годах ХХ в. ряд фундаментальных концепций теории ИИ разработал советский математик М. Л. Цетлин. «Задача о поведении маленького животного в большом мире»: адаптация технического устройства к любой неизвестной стационарной среде с неизменяемым соотношением вероятностей проявления хорошего и плохого описывается элементарными схемами автоматов с линейной тактикой, крайне просто реализуемых технически. Цетлин и ученики: создание вероятностных автоматов с переменной структурой, которые были способны вести себя целесообразно в любой динамической среде, а в ряде случаев действовали вообще оптимально. Затем Цетлин рассмотрел поведение целых коллективов адаптирующихся автоматов. Бобровский С. Искусственное выживание. PCWeek, 09/98, # 36 http://www.pcweek.ru/themes/detail.php?ID=48691
	Стэнфордский Университет (Stanford University) сообщил о создании искусственного интеллекта, способного к самообучению - роботы-вертолетики, снабженные электронными "мозгами", учатся летать, "наблюдая" за тем, как летают другие вертолетики. В результате, подобный робот оказывается способен самостоятельно осуществлять сложные воздушные маневры. Суть методики заключается в следующем: вертолетик -"ученик" фиксирует траекторию движения, ориентацию, скорость и иные данные о полете "учителя" с помощью нескольких сенсоров (каждый геликоптер снабжен гироскопом, магнетометром, акселерометром и GPS-маячком). Эти данные обрабатываются компьютером "ученика", который выдает соответствующие команды, в результате исполнения которых обучающийся вертолетик в точности повторяет полет "учителя". Орлята учатся летать http://www.washprofile.org/ru/node/7973 Интересно было бы организовать эволюцию умения летать нескольких поколений «учеников» - мутации и кроссовер (скрещивание немного разных умений), отбор наиболее успешных.
	... способности предсказывать действия человека получил робот, построенный европейскими инженерами. Учёные провели ряд опытов и нашли интересную деталь: во время выполнения совместных задач человек, наблюдающий за действиями партнёра, словно бы мысленно копирует их, в его мозгу активируются нейроны, отвечающие за такие же действия, хотя в реальности наблюдатель ничего не делает. "Я вижу тебя и мысленно повторяю твои действия, чтобы понять, что нужно делать мне". Примерно такова схема взаимодействия двух и более человек при выполнении общего задания. Возможно, слишком упрощённая. Но в роботе она сработала. Робот... фиксирует поведение визави, сверяет его с картой задач и быстро учится предвидеть действия партнёра и отмечать ошибки, когда человек не следует ожидаемым процедурам". Иными словами, машина училась понимать намерения человека, исходя из своих знаний об объектах окружающего мира. Робот проверил на человеке силу своих предсказаний http://www.membrana.ru/articles/technic/2009/06/10/175700.html
	A little humanoid robot called iCub is learning how to think for itself, bringing the world of science fiction to reality. The major goal of the "RobotCub" project is to study how humans learn and think, using a robot with the size and brain of a toddler, but the study is also expected to have practical applications in the near future. Маленький робот-гуманоид, который называется iCub, учится думать сам, воплощая мир научной фантастики в реальность. Основная цель проекта "RobotCub" – изучение того, как люди учитатся и думают, использование роботов с размером и мозгом малыша. Исследование, как ожидается, будет иметь практическое применение в ближайшем будущем. Human intelligence develops through interaction with the environment and other human beings, and mental processes are strongly connected to the physical body and its actions. The central hypothesis of the project is therefore that the best way to model the human mind is to create a humanoid that is controlled by realistic algorithms and allowed to explore the world like a real child. Человеческий интеллект развивается на основе взаимодействия с окружающей средой и с другими человеческих существами, а психические процессы тесно связаны с физическим телом и его действиями. Главная гипотеза проекта - лучшим способом моделирования человеческого разума является создание гуманоида, который управляется объективными алгоритмами, и которому позволено исследовать мир, как настоящему ребенку. iCub, the Toddler Robot (w/ Videos, Pictures) iCub, робот-малыш http://www.physorg.com/news171703166.html
	Ученые из MIT создали компьютерную систему, которая узнает значения незнакомых слов через поисковое взаимодействие с окружающей средой. Изучая правила игры из серии "Цивилизация" (Sid Meier’s Civilization) по игровому пособию, компьютерная система выводит значения незнакомых слов и применяет полученные знания для достижения победы. Способность узнавать новые слова отличает ее от других систем, которые умеют читать инструкции на человеческих языках и понимать речь. Здорово! Именно так выявляется смысл новых слов – через их вписанность в окружающий контекст. Правда, у Лукаша Кайзера (Łukasz Kaiser) система учит правила через наблюдения за действиями игроков. В Лаборатории компьютерных наук и искусственного интеллекта МТИ над самообучающейся программой работали несколько лет и получили впечатляющие результаты. Профессор Регина Барзилай и ее коллеги научили программу играть в "Цивилизацию II" – компьютерную игру, в которой строятся виртуальные города, государства и имитируются экономическая, социальная, научно-техническая, дипломатическая и военная деятельность. Как только ученые дополнили возможности самообучающейся системы умением читать инструкцию к игре, число ее побед подскочило с 46 до 79%. При этом, как особо отмечает аспирант Брэнаван: "Инструкция не говорит, как победить. Она дает рекомендации очень общего характера, и вам придется уяснить множество других вещей самостоятельно". Одно из важнейших свойств системы, приближающее ее к званию ИИ – это способность находить значения слов. Компьютер не знает, что представляют собой объекты в игре и как ими нужно управлять. Есть только список действий, таких как клик мышкой, перемещение курсора, способ доступа к информации на экране и методика оценки успеха – будь это установка ПО или победа в игре. В начале действия системы почти совершенно хаотичны. Но каждое действие вызывает ответ, на экране появляются слова и система проверяет их значение по инструкции. Некоторые слова ей незнакомы. Встречая их, система анализирует связанные слова и строит гипотезы. Если гипотеза приводит к положительным результатам, она принимается, если приводит к отрицательным – исключаются. Таким образом компьютер и узнает значения новых слов. Компьютер учится играть в "Цивилизацию" по инструкции для игроков http://rnd.cnews.ru/math/news/line/index_science.shtml?2011/07/13/447376
	... мне довелось увидеть в действии (два) подхода к созданию ИИ. Энтузиазм и энергия исследователей произвели на меня сильное впечатление. Сами они глубоко убеждены, что закладывают основы искусственного интеллекта и что когда-нибудь результаты их работы вызовут в обществе глобальные изменения, которые человечество сегодня только начинает осознавать. Сначала я побывал в Центре искусственного интеллекта Стэнфордского университета и встретился с роботом STAIR (Stanford artificial intelligence robot), созданным на базе традиционного подхода. Вообще, роботы научились брать объекты еще в 1960-х гг., и вскоре такие роботы появились на автомобильных заводах Детройта. STAIR — образец подхода «сверху вниз»: все его действия запрограммированы от начала и до конца. (Хотя STAIR может распознавать предметы под разными углами, но количество предметов, которые он вообще способен распознать, пока ограничено. Окажись такой робот на улице в окружении случайных объектов, он будет мгновенно парализован.) Это следствие ограниченности любой базы данных! ... в Нью-Йоркском университет е Янн ЛеКун (Yann LeCun) экспериментирует с совершенно другим созданием. Его робот носит имя LAGR (Learning applied to ground robots — обучение в приложении к наземным роботам) и представляет собой образец подхода «снизу вверх»: ему приходится учиться всему с нуля, натыкаясь на самые разные предметы. Робот оборудован GPS-приемником и имеет два инфракрасных датчика, способные засекать предметы на его пути. Он содержит три мощных процессора Pentium и подсоединен к гигабитной сети Ethernet. Мы с роботом отправились гулять по близлежащему парку, где LAGR учился объезжать возникающие на его пути помехи. Каждый раз, проходя маршрут, он приобретал новую сноровку и учился лучше обходить препятствия.

Дата добавления: 2015-11-04