Deep Learning в шахматах

а зачем закрывать проект, если программа самообучающаяся? пусть прога за соседним компом играет и учится

 

Посмотрите первую ссылку - http://arxiv.org/pdf/1509.01549v2 , и поймете, что программа при заданных установках достигла своего максимума (см.рис.4, стр.25).
Для дальнейшего совершенствования, нужно перестраивать программу. Видимо, сама нейронная сеть не способна грамотно оценить и достаточно эффективно "автоматически извлекать новые типы признаков позиции, а не просто подстраивать коэффициенты".

 

Я так понимаю, в нейросети Жирафа всего 2 скрытых слоя, в то время как в нейросети АльфаГо целых 12-13 (и таких нейросетей две). Так что есть ещё большое поле для экспериментов. В некотором смысле надо начинать всё с нуля, с точки 60-летней давности. Не ясно даже будет ли эффективно работать с нейросетью стандартная альфа-бета, или же только Монте-Карло, как в Го, или же что-то ещё. Надеюсь автор подучится в Google и вернется к этому вопросу.

 

Заставить программу искать что-то неизвестное - задача очень интересная.
К примеру, в фолдинге белка люди справляются лучше компьютера.
Например люди мыслят образами, пятнами (захват центра, атака на короля), целями (активизация фигура) а не конкретными вариантами. В этом плане программа для игры в Го - выглядит многообещающей.

 

Если изначально программа обучается на первых 12 полуходах, то как она нормально может играть эндшпиль и миттельшпиль, от этого и результаты так себе, подход неправильный.

 

Я думаю уже давно пора развивать эволюционное программирование, когда не значения внутри нейросети, а вообще сама программа меняется случайным образом, но это наверно более рерурсная задача, с другой стороны эволюция внутри компа происходит быстрее, но если и запускать такое то не шахматную задачу, а создание искусственного интеллекта, но тут другой вопрос мне кажется обычный комп не сможет это сделать, должно быть что то гибкое со случайностями типа квантовой основы.

WinPooh,

 

Ну так среди этих 150 миллионов были и эндшпильные и миттельшпильные.

 

Компютер специально сделанный для deep learning, 170 teraflops
http://www.nvidia.com/object/deep-learning-system.html
http://www.pcworld.com/article/3052...uter-packs-the-horsepower-of-250-servers.html

 

Если вы имеете представление, как это может работать хоть примерно, напишите об этом статью, может и выстрелит.

 

Какое там представление, я лишь разделяю точку зрения что без квантовых эффектов вряд ли создать искусственный интеллект. Вероятно это же происходит и внутри нейронов мозга.

 

Перефразирую. Что вы подразумеваете под

Что должно меняться в самой программе? Какие её элементы?
Почему вы считаете что это приведет к увеличению производительности? При чём тут квантовые эффекты?

 

Квантовые эффекты пока не причём, меняться должна программа, случайным образом тысячи изменений в программе, если вдруг что то получилось размножать, но каждую надо тестировать на куче партий в общем при ограниченных ресурсах это тупиковый путь.

Кстати вот интересная статейка что может вытворять железо
ЭВОЛЮЦИЯ ЖЕЛЕЗА
https://kiwibyrd.org/2016/03/05/211/