G
Gjestemedlem
Gjest
Jeg og youtube AI-en er gode venner, men av og til får jeg litt bakoversveis.
Diskusjonstråd Se tråd i gallerivisning
-
G
Gjestemedlem
Gjest
Fint når folk viser litt respekt.
"Amerikanske leger sto overfor et uvanlig etisk dilemma da de fikk inn en bevisstløs pasient som hadde tatovert ordene «ikke gjenoppliv» på brystet sitt."
https://www.dagbladet.no/nyheter/ta...nsk-sykehus---valgte-a-la-pasient-do/68941839
GGjestemedlem
Gjest
Litt mer gull fra James Grime.
HHardingfele
Gjest
Og vi får snart et nytt medlem i "Tulipankrakket-klubben". Dengang betalte folk for tulipanløker med hus og gård og grunn ...
https://en.wikipedia.org/wiki/Tulip_mania
"Det første jeg gjorde var å åpne en gratis konto på Cryptocurrency System-siden. Det tok bare 2 minutter å fylle inn navnet mitt, e-posten, telefonnummeret og passordet. For å aktivere systemet overførte jeg 1 500 kroner til min nye elektroniske lommebok.
Siden det bare er en overføring kostet det meg ingenting. Jeg visste at jeg kunne overføre pengene tilbake når jeg måtte ønske det." "
Neste dag logget jeg inn på siden. Jeg følte meg litt nervøs... Jeg åpnet opp dashboardet, og trodde at jeg hadde gjort en feil, dette var da ikke min konto?
Jeg dobbelsjekket navnet i hjørnet, og jo, det var min. Jeg kunne se at den nye saldoen på dette tidspunktet var 12 245,30 kroner.
Utrolig! På bare 12 timer, mens jeg sov, tjente kontoen 10 745,30 kroner, kun fra de 1 500 kronene jeg hadde overført."
"Jeg kontaktet min personlige kontoansvarlig. Han var ikke like overrasket som jeg var.
"Dette er helt normalt" sa han, "faktisk ser vi stadig vekk at folk tjener mer enn det i løpet av de første 12 timene."
Jeg var imponert, dette fungerte virkelig."
Siste Nytt: OFFERED FOR THE FIRST TIME EVERGGjestemedlem
Gjest
Bra saker her. The trolley problem er jo et velkjent dilemma innen etikk og hobbytenking. Men her en fin gjennomgang tross alt.
"Would you reroute a train to run over one person to prevent it from running over five others? In the classic “Trolley Problem” survey, most people say they would. But I wanted to test what people would actually do in a real-life situation. In the world’s first realistic simulation of this controversial moral dilemma, unsuspecting subjects will be forced to make what they believe is a life-or-death decision. "
HHardingfele
Gjest
Googles DeepMind prosjekt med et stort gjennombrudd. Sjakkprogram er forlengst blitt bedre enn mennesker. Carlsen ville blitt banket av Houdini, Stockfish, Komodo o.a.
Men disse programmene er skrevet med utgangspunkt i at de skal analysere massive mengder data og kjører best på supercomputere. De bryter gjennom ratinggrenser ved å forsøke å se dypest inn i sjakkposisjoner vha regnehastighet.
DeepMind tok et annet utgangspunkt. En tid tilbake slo AlphaGo verdens beste Go-spiller, noe man hadde trodd først ville skje om en tid. Men dette programmet analyserte også massive mengder data for å finne frem til trekk, bl.a. titusener av Go-stillinger. Og programmererne bak Go- og sjakkprogrammene bruker enormt med tid på å videreutvikle dem og forbedre dem, selve programmet er passivt, menneskene som programmer er de aktive bidragsyterne som forsøker å finne best mulige løsning. (For tiden er det finale i verdensmesterskapet mellom sjakkprogram, Houdini vs Stockfish, morsomt å følge).
Hva om man i stedet skrev en enkel, prinsipiell selvlæringsalgoritme, instruerte programmet i spillets regler og så lot det spille mot seg selv til det hadde mestret spillet?
AlphaZero ble gitt oppgaven å lære sjakk. Algoritmen ble igangsatt og lærte seg selv sjakk på 24 timer, så godt at algoritmen har grunnbanket fjorårsvinneren i verdensmesterskapet i computersjakk: Stockfish. Og partiene er meget interessante å gå gjennom. AlphaZero har en holdning til visse "menneskeprinsipper" i sjakk som har satt en støkk i dem som har kikket på dem. Et morsomt moment ved hva AlphaZero gjorde er at det kom frem til de beste åpningene, flere av disse har også mennesker kommet frem til, men det har tatt århundrer, logaritmen gjorde det på 24 timer.
Resultatet ble offentliggjort 5. desember og sjakkverden har ikke snakket om stort annet. Dette er selvsagt også et massivt gjennombrudd for KI (AI).
A new AI was created called AlphaZero. It had several strikingly different changes. The first was that it was not shown tens of thousands of master games in Go to learn from, instead it was shown none.
Not a single one.
It was merely shown the rules, without any other information.
The result was a shock. Within just three days its completely self-taught Go program was stronger than the version that had beat Lee Sedol, a result the previous AI had needed over a year to achieve.
Within three weeks it was beating the strongest AlphaGo that had defeated Ke Jie.
What is more: while the Lee Sedol version had used 48 highly specialized processors to create the program, this new version used only four!
A new paradigm
On December 5 the DeepMind group published a new paper at the site of Cornell University called "Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm", and the results were nothing short of staggering. AlphaZero had done more than just master the game, it had attained new heights in ways considered inconceivable. The test is in the pudding of course, so before going into some of the fascinating nitty-gritty details, let’s cut to the chase. It played a match against the latest and greatest version of Stockfish, and won by an incredible score of 64 : 36, and not only that, AlphaZero had zero losses (28 wins and 72 draws)!
Stockfish needs no introduction to ChessBase readers, but it's worth noting that the program was on a computer that was running nearly 900 times faster! Indeed, AlphaZero was calculating roughly 80 thousand positions per second, while Stockfish, running on a PC with 64 threads (likely a 32-core machine) was running at 70 million positions per second. In spite of this insane deficit, AlphaZero crushed Stockfish 64-36 with no losses at a time control of one minute per move. To better understand how big a deficit that is, if another version of Stockfish were to run 900 times slower, this would be equivalent to roughly 8 moves less deep. How is this possible?
https://en.chessbase.com/post/the-future-is-here-alphazero-learns-chess
Since AlphaZero did not benefit from any chess knowledge, which means no games or opening theory, it also means it had to discover opening theory on its own. And do recall that this is the result of only 24 hours of self-learning. The team produced fascinating graphs showing the openings it discovered as well as the ones it gradually rejected as it grew stronger!
Jeg har aldri likt denne åpningen, godt å få det bekreftet.
Sist redigert av en moderator:HHardingfele
Gjest
So where does this leave chess, and what does it mean in general?
This is a game-changer, a term that is so often used and abused, and there is no other way of describing it. Deep Blue was a breakthrough moment, but its result was thanks to highly specialized hardware whose purpose was to play chess, nothing else. If one had tried to make it play Go, for example, it would have never worked. This completely open-ended AI able to learn from the least amount of information and take this to levels hitherto never imagined is not a threat to ‘beat’ us at any number of activities, it is a promise to analyze problems such as disease, famine, and other problems in ways that might conceivably lead to genuine solutions.
Her spiller AlphaZero Lg5 (Løper). Forfatteren satte opp stillingen i sin sjakkcomputer og lot Houdini forsøke å finne trekket. Etter én time med 9 millioner posisjoner i sekundet hadde Houdini ikke funnet det.
Her spiller AlphaZero Lxg6.
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
^ takk for linker, det der var interessant.
Jeg tror dog forfatteren gjør et for stort poeng av at maskinen Stockfish kjører på er så mye kraftigere enn den AlphaZero kjører på. For nevrale nettverk innen AI er det treningen av nettverket som krever enorm regnekraft, når det først er trent så er gjerne selve prediksjonene relativt sett raske å gjennomføre. Så vidt jeg kan skjønne av artikkelen det linkes til fra ChessBase (https://arxiv.org/pdf/1712.01815.pdf) så har treningen av den underliggende modellen foregått på et relativt voksent cluster av spesialisert maskinvare (5000 TPUs) - eller TensorProcessingUnits - hardware som er spesiallaget for å kjøre TensorFlow - modeller. TensorFlow er Google sitt open-source rammeverk for nevrale nettverk.
En analog er selvkjørende biler - maskinvaren som brukes for å lage modellen for selvkjøring er fantastisk mye kraftigere enn maskinvaren som står i bilen for å kjøre bilen basert på den utviklede modellen.Sist redigert:HHardingfele
Gjest
Ja, og Stockfish kan ikke kjøre på TUPs og har ikke den ressursen tilgjengelig. Men det er vel også poenget her -- at når først selvlæringen er gjennomført på den store maskinbanken og man har "løst" sjakk på 24 timer i forhold til hvor andre program befinner seg, så sitter man igjen med en ressurs som er langt mindre datakrafttrengende enn konvensjonelle program. (F.eks. kjøres Stockfish på Sesse for å ha tilgang til størst mulig datakraft under mesterskap).
Usedvanlig interessant. Jeg har spilt gjennom de ti partiene de har sluppet og det er en del overraskelser der; noe det også har vært i parti spilt mellom "konvensjonelle" sjakkprogram. Men det AlphaZero gjør sitter det nok stormestre og nistirrer på nå. Kommentaren om kvelerslangetaktikk av typen Karpov er spot-on.Sist redigert av en moderator:
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
Det er faktisk overraskende enkelt å lage seg et lite nevralt nettverk hjemme. En av klassikerene i tutorials er gjenkjenning av håndskrevne tall (mnist - datasettet). Å lage en modell som predikerer 99.ett-eller-annet prosent riktig er faktisk overraskende enkelt og kan gjøres med noen veldig få linjer python-kode.
Se f.eks her for en liten gjennomgang - også med forklaringer på hva som foregår
https://www.tensorflow.org/get_started/mnist/beginners
For beskrivelse av noen av de mer avanserte teknikkene
https://www.tensorflow.org/get_started/mnist/pros
Nevrale nettverk som skal brukes til noe mer fornuftig er selvsagt betydelig mer kompliserte og krever mye mer omfattende og langvarig trening enn hva man kan gjøre på hjemme-PCen. De modellene som er SOTA innen bildegjenngkjenning har over 100 lag og krever noen ukers trening, men da blir de også veldig bra etter hvert.
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
Det er også verdt å merke seg at nevrale nettverk på ingen måte er en ny idé. Teorien bak er flere tiår gammel (fra 1943, faktisk). Det var dog av moten veldig lenge, delvis på grunn av teoretiske innvendinger som har vist seg lite relevante i praksis og også fordi datakraft har blitt mye,mye rimeligere over tid så det har blitt mulig å lage nettverk som faktisk gjør noe vettugt. Det har også blitt gjort en rekke tilsynelatende trivielle oppdagelser og utviklet teknikker som dramatisk øker ytelsen til slike nett.Hvem er det som designer (skriver algoritmer eller programmerer eller hva man skal kalle det) de nyeste og kraftigste AI-programmene? Er det folk eller eller er oppgaven allerede satt bort til AI? Er vi der at maskiner bygger maskiner fordi mennesker blir for treige?HHardingfele
Gjest
^Det du beskriver er "singulariteten" som Kurzweil ser for seg komme, men vi er ikke der enda.
Fortsatt er det folk som skaper programmen e og algoritmene. Og man har mange teorier om hva som er beste måte å skape kunstig intelligens på.Machine Learning er blitt et lovende område, der målet er at maskinene selv skal gå lenger enn hva programmererne er i stand til.
Det er strid mellom dem som mener at KI er å etterligne hva vi mennesker gjør og dem som mener at KI er å bryte helt ny mark. Tankene om singulariteten er engasjerende og slett ikke bare fabulering, men det er uenighet om hvor fort man kan stå ved et slikt punkt, der mange fnyser av påstandene om at maskinene vil kunne løsrive seg fra menneskelig kontroll.
https://en.wikipedia.org/wiki/Technological_singularity
Men når man leser om et sjakkprogram som "løser" sjakk på 24 timer kan man jo begynne å undre ... det går fort.
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
AlphaZero er et eksempel på det som kalles Reinforcement Learning - der man gir AIen et sett premisser (i dette tilfellet reglene for sjakk) og en målfunksjon (ta kongen til motstanderen og unngå at ens egen blir tatt). Så finner systemet ut av resten selv, dvs at det ikke blir gitt noen føringer på hvordan den skal gjøre det, ingen ekspertinput eller prekoding av oppførsel. Dette i motsetning til eksisterende sjakkcomputere som baserer seg på dyp menneskelig innsikt i spillet i form av åpningsbøker, vurdering av posisjoner, felt, brikker og stillinger som er kodet inn i programmet.
Når spillet er satt opp så spiller maskinene til Google hundrevis av millioner av spill mot seg selv og utvalget er "survival of the fittest" - de beste mutasjonene blir med videre. Det er også vanlig å ta med ganske mange tilsynelatende svakere generasjoner videre, for det kan vise seg at de blir veldig gode på et senere tidspunkt. I det hele er paralellene til biologi - hvor inspirasjonen langt på vei kommer fra - fascinerende. Selv om det rent konseptuelt faktisk ikke er veldig komplisert så er man avhengig av at det utvikles algoritmer og teknikker for å få det til å gå fort nok og bli bra nok.
Grunnen til at det er enkelt å lage sine egne enkle nevrale nettverk hjemme er at det finnes biblioteker fritt tilgjengelig som tar seg av selve kjøringen av modellen - dvs treningen av den og gjør de underliggende beregningene og implenterer de vanligste teknikkene for slike nettverk. TensorFlow fra Google er et eksempel på et slikt bibliotek. Ingen hemmeligheter der - alt er åpen kildekode og kan lastes ned fra Gihub. Det finnes et knippe andre biblioteker som tilbyr samme type funksjonalitet (Keras, CNTK, Watson og hva de nå alle heter). Noen fritt tilgjengelige, andre ikke. Dette er svært rask kode som er tungt optimert og av høy kvalitet. Litt flåsete sagt består å trene en slik modell primært av noe grønnjævlig med matrisemultiplikasjoner, og Google (og andre) har utviklet hardware som er spesielt rask på akkurat denne oppgaven og relativt ubrukelig til absolutt alt annet. Ikke ulikt de Bitcom-miningmaskinene man kan få kjøpt.
Sjakk er et spill med full informasjon for begge parter (begge kan se hele brettet til enhver tid) og reglene er klart definerte. Sånn sett er det å lære en maskin å spille sjakk svært mye enklere enn å lære en bil å kjøre seg selv. Sistnevnte må forholde seg til en stor mengde audiovisuell informasjon, omgivelser som er i kontinuerlig endring og komplekse å analysere (mye bildegjennkjenning for eksempel) og ikke minst irrasjonell oppførsel fra andre aktører og ingen klart definert målfunksjon å styre etter utover å komme seg fra A til B uten å bryte noen regler, uten å drepe noen og uten å kollidere osv.Det med sjakken er jo egentlig ganske uskyldig, men det er jo ikke vanskelig å se for seg en KI-oppgave som går ut på å designe en super-KI gitt visse rammebetingelser rundt elektronikk, kretsløpsbegrensinger etc. Den forbedrede utgaven av KI gis samme oppgave osv. og så løper det hele av gårde i en rasende fart?HHardingfele
Gjest
Du må lese om Bostrom's "Paperclip Maximizer". Han har skrevet bøker og annet om utfordringene KI representerer. Dette er en god syntese:
https://wiki.lesswrong.com/wiki/Paperclip_maximizer
Godt om Bostrom her:
https://www.newyorker.com/magazine/...nvention-artificial-intelligence-nick-bostromSSlubbert
Gjest
Noen interessante artikler om selvkjørende biler:
Should driverless cars kill their own passengers to save a pedestrian? - QZ.com
De fleste som blir spurt mener at selvkjørende biler bør være utilitaristiske (Autonomous Vehicles Need Experimental Ethics: Are We Ready for Utilitarian Cars?), men det finnes også overbevisende argumenter for at de bør ha deontologiske regelsett: Deontological Ethical System For Google’s Self-Driving Car
Ikke helt enkelt det her.Spennende tema, takk for linker. Jeg registrerer at de som forventer å tjene mer penger og/eller få større innflytelse med KI er positiv til dette og toner ned risikoen. Akkurat det kom jo ikke som noen bombe.Sist redigert:
Litt mer om AlphaZero. Det er en smule skremmende hvor kjapt den lærte seg selv å spille bedre enn Stockfish.
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
Her er noen kommentarer fra et knippe toppspillere. Mest interessant er kanskje den på slutten fra en av de sentralene fyrene bak Stockfish
https://www.google.no/amp/s/www.chess.com/amp/news/alphazero-reactions-from-top-gms-stockfish-authorGGjestemedlem
Gjest
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
^ det er faen meg noe av det tristeste jeg har lest på lenge.Endelig aliens?
Stephen Hawking undersøker om dette er et romskip
Nasa har pressekonferanse Torsdag. Antagelig dreier det seg om exoplaneter...HHardingfele
Gjest
Fin film om hvor vi bor.
https://www.facebook.com/jcvanzijl/...WJPKKo_ixz8z8N9dJm3z0xaqEZf1xJMs9nj3eiHzsTauQ
HHardingfele
Gjest
Terje Tvedt banker opp Støre med harde kronikkslag:
https://www.aftenposten.no/meninger...re-er-ogsa-pavirket-av-historien--Terje-Tvedt
Fin!HHardingfele
Gjest
“I once asked Rupert Murdoch why he was so opposed to the European Union. ‘That’s easy’, he replied. ‘When I go into Downing Street they do what I say; when I go to Brussels they take no notice.’”
https://unbound.com/books/brexit/
- Ble medlem
- 19.09.2014
- Innlegg
- 22.178
- Antall liker
- 14.725
https://www.dn.no/nyheter/2017/12/1...e-vil-kvitte-seg-med-oslo-havns-pirat-stempel
Oslo Havn har fått et «pirat-stempel» etter rapporter om brudd på internasjonale arbeiderrettigheter. I korthet går det ut på at sjøfolk på skip som har anløpt Oslo havn, har fått foreta lossing og lasting selv, noe som er brudd på både sjøfolkenes tariffavtaler og i strid med FNs internasjonale konvensjoner om havnearbeid.
Dette regnes som sosial dumping, og sammen med havnen i Mogadishu i Somalia og Barrow Island i Australia er Oslo den eneste havnen som har fått et slikt stempel av Den internasjonale transportarbeiderføderasjon (ITF).HHardingfele
Gjest
Blogg for spesielt interesserte som ønsker å følge med på alt det rare som foregår i Oslo havn:
bryggesjauerfrue -GGjestemedlem
Gjest
Den gjengen der kan du få gratis. Samme ulla som pakistanermafiaen innen drosjenæringen eller heismontørene for litt tid siden.
https://www.vg.no/nyheter/innenriks/i/npJ4o/drosjesvindler-har-romt-landetHHardingfele
Gjest
Eric Arthur Blair var i stand til å tenke. En fantastisk essayist, mest kjent for bøkene han skrev under navnet George Orwell:
- Ble medlem
- 02.08.2012
- Innlegg
- 1.126
- Antall liker
- 166
HHardingfele
Gjest
Omlegging til LED utendørsbelysning har ikke ført til forventet resultat, snarere omvendt.
https://gizmodo.com/the-switch-to-outdoor-led-lighting-has-completely-backf-1820652615
SPD, tredje vei og målløshet fra et medlem av det samme:
Sozialdemokratie - "Eine Minderheitsregierung unter Merkel ist mein eindeutiges Plädoyer" - Politik - Süddeutsche.de
Her forbigåes problemet, selv av en såpass oppegående person:
«Ich halte es für unnötig, die Begriffe "Heimat" und "Leitkultur" heranzuziehen, weil wir in der SPD viel bessere Begrifflichkeiten haben: "soziale Gerechtigkeit" und "Solidarität". Dieser historischen Aufgabe sollten wir uns widmen! Der Heimat-Begriff ist für mich ein Begriff der Rechtskonservativen, der bis ins rechtspopulistische Spektrum benutzt wird. Den brauchen wir gar nicht. Was Gabriel damit meint, ist doch Geborgenheit und Sicherheit - und das steckt für mich in den Worten "soziale Gerechtigkeit". Der umfasst, dass die Menschen ihre Miete, ihre Daseinsvorsorge, ihren Strom bezahlen können, dass sie sich bei Krankheit auf eine gute Rente, Pflege und ein gutes Gesundheitssystem verlassen können, bei dem sie nicht ständig draufzahlen müssen. Der Sozialstaat bietet Sicherheit und Geborgenheit.»
Fra kulturell verdiorienterning til materiell trygghet. Kortslutning!
Denne lenka til Martin Jay i artikkelen er også mer enn lesverdig.
https://web.archive.org/web/2011112.../martin-jay-frankfurt-school-as-scapegoat.cfm
En skal måtte tillate seg et ganske så jævlig syn på noen av sine medmennesker for i det hele tatt å kunne «forstå»/sette seg inn i slike tankemønstre. -
Laster inn…
Diskusjonstråd Se tråd i gallerivisning
-
Laster inn…