продовження статті Пошук у просторі стратегій. AI водій
Я зробив міні-гру жанру «файтинг», де учень AI б'ється з іншими, рукописними ботами, та розробляє стратегію перемоги методом проб і помилок.
У цій грі б'ються два хлопця на зразок такого:


Читати далі →

Learning to learn
В цей раз я проводив експерименти на тему learning to learn, тобто алгоритмів, які можуть вчитися, як краще вчитися.

Цілі експерименту:
1) Створити алгоритм оптимізації, який можна деяким стандартним способом пристосувати до будь-якої оптимізаційної задачі або безлічі завдань. Під словом «пристосувати» я маю на увазі зробити, щоб алгоритм дуже добре справлявся з цим завданням».
2) Налаштувати алгоритм під одну задачу і подивитися, як змінилася його ефективність на інших завданнях.

Читати далі →



Ви помічали, що в нашому світі все так влаштовано, що скрізь можна знайти плюси і мінуси, чорне і біле, чоловіче і жіноче? Сьогодні Міжнародний жіночий день, тому гріх не звернути свої два ока, дві руки, дві ноги і двадцять один палець у бік прекрасної половини людства. Зрозуміло, що на Хабре 76,1 відсотків чоловіки, тому, якщо ви відчуваєте жорсткий антагонізм до тематичних постів, можете сміливо далі не читати. Під катом багато картинок і пара цікавих історій про те, чому сучасні віртуальні помічники кажуть жіночими голосами.
Читати далі →


Викладаю звіт про свій експеримент в області машинного навчання. На цей раз темою експерименту було створення AI для управління моделькою автомобіля.

Читати далі →



Як багато з вас знають, в 2015 році Стівен Хокінг, Елон Маск і сотні вчених, розробників штучного інтелекту і великих бізнесменів підписали відкритий лист, в якому підкреслили небезпека ШІ для існування людства і закликали співтовариство інженерів і вчених не створювати штучні інтелекти, які не можуть повністю контролюватися людиною. У 2016-му на конференції Code Conference засновнику Space X і Tesla задали питання: які компанії, що розробляють сьогодні ІІ, викликають у нього побоювання? На це відповів, що зараз його лякає лише одна з них. Яка — не сказав. І незважаючи на всі запевнення техноадептов в тому, що ШІ — виключно благо, ціна зневаги механізмами безпеки може виявитися несумірною висока.
Читати далі →

Ось що квант животворящий робить



Сьогодні квантові обчислення — один із стратегічних напрямів розвитку, якому приділяють велику увагу великі корпорації та наукові центри. І хоча у пресі час від часу повідомляється про чергові досягнення щодо створення квантових комп'ютерів, поки що мова йде, в основному, про експериментальних виробах для відпрацювання ідей і технологій. Використовувати такі комп'ютери в життя поки важко. Але цілком ймовірно, що саме в 2017 нас чекає прорив у сфері практичного застосування квантових комп'ютерів.
Читати далі →

Cognitive Services & LUIS: Введення в розпізнавання природної мови

У цій статті ми поговоримо про розуміння мови (про лінгвістичних обчисленнях, таких як призначення міток, синтаксичний аналіз і так далі) і звернемо особливу увагу на два API: Linguistic Analysis API і інтелектуальну службу розпізнавання мови (LUIS). Якщо ви любите англійську мову так само, як російська і захоплюєтеся навчанням штучного інтелекту, ласкаво просимо під кат.



Читати далі →

Інтелектуальна система ЕЛІС

image

Мене звати Олег Андрєєв, мені 32 роки, займаюся ремонтом і розробкою електроніки, а також програмуванням (що вже більше 10 років). Завжди захоплювався штучним інтелектом і робототехнікою.

Дуже давно мені в голові крутилася ідея, створити ІІ або щось подібне, що буде здатна керувати чимось. Але не було можливості зробити таке, хоч і були якісь ідеї. Зараз же час технологій, тепер будь-яка дитина може зібрати робота або якийсь складний пристрій на платформі Ардуїнов і т. д.

Читати далі →

Глибоке навчання з підкріпленням віртуального менеджера в грі проти неефективності


Про успіхи Google Deepmind зараз знають і говорять. Алгоритми DQN (Deep Q-Network) перемагають Людини з непоганим відривом все більшу кількість ігор. Досягнення останніх років вражають: буквально за десятки хвилин навчання алгоритми навчаються і вигравати людини в теніс та інші ігри Atari. Нещодавно вийшли в третій вимір — перемагають людини в DOOM в реальному часі, а також вчаться керувати машинами і вертольотами.
DQN використовувався для навчання AlphaGo програванням тисяч партій в поодинці. Коли це ще не було модним, в 2015 році, передчуваючи розвиток даного тренду, керівництво Phobos в особі Олексія Спаського, замовило відділу Research & Development провести дослідження. Необхідно було розглянути існуючі технологій машинного навчання на предмет можливості використання їх для автоматизації перемоги в управлінських іграх. Таким чином, у даній статті піде мова про проектування самообучающегося алгоритму в грі віртуального управлінця проти живого колективу за підвищення продуктивності.
Читати далі →