Skynet nära nu - Googles AI blir bäst i världen på schack på fyra timmar

Maskininlärning har redan existerat i nästan hundra år. Det är inte något nytt och folk med kunskaper strax över medelsvenssons vet om detta. Det är en massa överhypat skitsnack blandat med buzzwords och pay-per-click artiklar. Extremt tröttsamt.

Aha, ja så är det väl eventuellt. Mycket svammel som sker även inom forskning till följd av samhällets värderingar.

Att det finns en lärande komponent som applicerats över många brädspel med väldigt få ändringar i inparametrarna (såg nåt om ett noise function eller dylikt som dom ändrat beroende på brädets storlek) är väl sant i vilket fall.

Jo precis. Drama är ofta det viktigaste för många. ^^

Hur klipper du av strömmen till Molnet och till Internet

Det är inte svårt att googla fram olika personer som lägger fram sina farhågor om detta, Elon Musk och Stephen Hawking är två exempel och här har du en länk:

https://www.cnbc.com/2017/11/06/step...ilization.html

Du kan aldrig spelat schack på något seriöst sätt. Visst bör man memorera öppningssekvenser och lära sig känna igen vissa vanliga positioner, men den som bara klarar det kommer inte långt. Man måste klara av att tänka strategiskt i lägen man inte känner igen eftersom det finns så oändligt många fler positioner i schack än man kan memorera.

Skulle jag möta en spelare som du som inte tror att det finns någon strategi skulle min strategi bli att göra oväntade drag för att hamna i ställningar du inte kände igen, ungefär som man gör när man möter en begränsad AI som bara programmerats för vissa vanliga lägen.
Ångmaskiner existerade redan i antika Grekland, enda skillnaden var effektiviteten...

Kraftfullare datorer har gjort att metoder som tidigare var helt orealistiska, den som till äventyrs funderade på dem insåg att det inte skulle fungera praktiskt, nu blivit användbara.

Det beror på vilka servrar och datorer det är runt om i världen som har kapacitet nog att oavkortat kunna lagra och processa en självtänkande digital entitet. Min gissning är att det inte är mer än kanske 100st maskiner i världen totalt som har den kapaciteten, varav 4 av dem finns i en enda byggnad i USA, vars elkablar nog ganska enkelt kan "skäras" av.

Ett vanligt program blir tillsagt vilken information som ska sparas och användas. Ett neuronät tar själv reda på relevanta regler och mönster som ger ett gynnsamt beslut.

Neuronät är bättre än läkare på att avgöra om det finns en tumör på en mammografibild. Det är inte så att läkarna kan bli lika bra med träning och lära sig från neuronätet. Det är heller inte så att att neuronätet är bra för att den har den samlade kunskapen från flera experter inprogrammerad i sig. Neuronätet är bra därför att det letar efter saker den själv upptäckt vara relevanta och vi förstår inte exakt varje detalj som är betydelsefull för dess beslut.

Visst, du kan förenkla en avspekt av processen till att det handlar om att "spara information". Jag tror dock att majoriteten istället väljer att fascineras av en annan aspekt, att neuronätet kommer fram till och upptäcker denna information själv.

Är det inte så att datorn kan hantera så mycket mer information? Teoretiskt skulle läkaren kunna förstora upp denna mammografibild och studera varje kvadratcentimeter extremt noggrant och systematiskt och ta hänsyn till alla aspekter som datorn men då skulle det kanske ta flera månader för läkaren att analysera en bild lika bra som datorn gör på en minut.

Nej, inte ens då. Visst, det skulle hjälpa läkaren, men neuronätet kan ha så många fler variabler i åtanke samtidigt så det har gjort slutsatser och upptäckt mönster en människa inte skulle kunna. T. ex om 57 saker stämmer på ett visst sätt och 37 andra är mindre än något och 40 andra är större än vad som krävdes kanske det betyder att sannolikheten för cancer är överväldigande, medan om ett fåtal av de kriterierna inte uppfylls är det långt troligare med en godartad tumör. Mönster som dessa är så stora och oöverskådliga att människor inte upptäckt dem än.

Trams, det där fungerar under spelöppningen, dvs. de 10 eller upp till kanske 20 drag men inte sedan. När en bra spelare möter en sämre avviker den bättre spelaren också ofta från teorierna för att den sämre inte ska ha nytta av att vara expert på en viss spelöppning. Men det är inte förvånande att du har denna bild när du inte är en schackspelare vilket visas av bl.a. att du inte ens kan stava till schack.

Du verkar heller inte ha mycket kunskap om maskininlärning när du tror att det enda som hänt på 20 år är att datorerna blivit mer kraftfulla, även detta är helt fel.

AI kan tränas med en mycket större mängd exempel än vad en människa kan klara av att minnas och se samband mellan och därför kommer säkerligen AI bli helt överlägsen mänskliga läkare på att ställa diagnoser.

Jag läste för övrigt för bara någon vecka sedan om en app som upptäckte cancer genom att analysera en bild på fläcken och denna person hade innan dess varit hos läkare som konstaterade att det inte var cancer. Appen hade rätt och läkaren fel det framgick efter ny undersökning som föranleddes av resultatet från appen. Har tyvärr inte länk kvar men det kanske kan googlas fram.

Tillägg:

Ja det handlar inte bara om att studera bilden i detalj utan att se samband med en massa andra exempel över både sådant som visar på något allvarligt och sådant som inte gör det. En läkare har en begränsad mängd exempel som han har studerat medan AI kan bygga upp erfarenhet av extremt många fler fall. Förutom det är människor inte lika skickliga som att bra AI-system på att se dessa samband även om kunskapsbanken är desamma.

Det är lite det vi ser med Alpha Zero, den har spelat en extremt mängd schackpartier och lärt sig att se samband över vad som är bra och dåliga drag i olika situationer.