AlphaGo és megerősítéses tanulás
2016-ban egy Go-mérkőzés tudományos mérföldkő lett.
A lényeg
A DeepMind AlphaGo 2016-ban legyőzte Lee Sedolt a Go játékban. A rendszer neurális hálókat és faalapú keresést kombinált, tanulásához emberi játszmákat és önjátékot is használtak. A Go óriási állapottere miatt ez másfajta kihívás, mint egyszerű szabályok végrehajtása.
Az AlphaGo mély neurális hálókat, keresést és megerősítéses tanulást kombinált. Fontos tanulság: egy látványos stratégiai siker nem jelenti automatikusan a tetszőleges hétköznapi feladatok megoldását.
Egy tanuló ügynök sok szimulált partit játszva tapasztalhatja meg, mely lépések vezetnek gyakrabban győzelemhez.
Az AlphaGo sikere nem jelenti, hogy a rendszer tetszőleges társadalmi problémát megoldana.
Próbáld ki!
Hasonlítsd össze, milyen visszajelzést kap egy sakkozó AI és egy spamfelismerő.
Szánj erre 1–2 percet. A saját megoldás többet ér, mint a kész válasz olvasása. Nem kell AI-fiók a feladathoz.
Mondd el saját szavaiddal a lecke lényegét. Hogyan magyaráznád el valakinek, miért téves a fent bemutatott félreértés? Hozz még egy saját példát!
Saját jegyzeted (automatikus helyi mentés)
Ellenőrizd a tudásod
Helyes válasz: Önjáték és neurális hálók kereséssel kombinálva. A DeepMind AlphaGo 2016-ban legyőzte Lee Sedolt a Go játékban. Az AlphaGo sikere nem jelenti, hogy a rendszer tetszőleges társadalmi problémát megoldana.
Források és továbbolvasás
A magyarázatok ismeretterjesztő összefoglalók. A hivatkozások modulonkénti szakmai háttéranyagok, nem mondatonkénti, elsődleges bizonyítékok. Kétség esetén ellenőrizd az eredeti dokumentumot.