Det är nu tjugo år sedan den ökända matchen mellan schackvärldsmästaren Garry Kasparov och Deep Blue - IBMs superdator. Kasparov förlorat till Deep Blue - och fortsatte med att anklaga datorn för att ha kontrollerats av en verklig, mänsklig schackmästare. I huvudsak kallade Kasparov shenanigans. Schackmästaren vägrade att tro att en kall, beräkningsmaskin kunde slå en resonemang, tänkande människa. Verkligheten var att det troligen var på grund av Deep Blue: s styva, beräknande natur att maskinen lyckats slå sin mänskliga motsvarighet.

Deep Blue hade inte förmågan att vara kreativ eller tillämpa någon form av "upplyst" resonemang - just det som ofta hamnar i en sund bedömning. Deep Blue handlade om att tillämpa schackreglerna på bästa möjliga sätt för att uppnå ett visst resultat. Deep Blues prestation och efterföljande seger meddelade gryningen av en ny tidsålder: den artificiella intelligensens tid och dess förmåga att överlista, överlista och övertänka mänskligheten.

Deep Blue marshalled i åldern av Big Data.

Definiera The Unbeatable

Trots Deep Blue: s häpnadsväckande framgång - det finns spel som har orsakat den ordspråkiga huvudskrapan; till och med maskinliknande huvuden. En av dessa är StarCraft - ett strategispel i realtid som involverar utvecklingen av en spelares egen militärbas och den efterföljande attacken mot de som tillhör andra spelare. StarCraft var det allra första eSports-spelet någonsin - och forskare som arbetar för jättar som Facebook och Microsoft har publicerat artiklar om StarCraft och AI: s oförmåga att knäcka det skottsäkra inre arbetet i spelet, främst på grund av det till synes oändliga antalet variabler som spelets .

Vet maskinerna när man ska hålla dem?

Tydligen är svaret ja. AI-utvecklare DeepStack har utvecklat artificiell intelligens som kan konkurrera med de bästa i (mänskliga) pokerbranschen. Hemligheten till DeepStacks framgång? Djup maskininlärning. DML härmar den mänskliga hjärnan i sina grundläggande tankeprocesser och gör det i grunden möjligt för maskinen att lära sig nya knep.

Själva naturen hos Texas Hold'em Poker förlitar sig på den mänskliga egenskapen hos intuition. Den mekaniska versionen av intuition upptäcks uppenbarligen i att flytta sig bort från den tidigare strategin som användes av AI-system som involverade att försöka beräkna varje steg för resten av spelet - och istället hålla sig à jour med utvecklingen med bara några steg åt gången.

Det nya AI-sättet att göra saker (som används av DeepStack) innebär att ständigt beräkna sina algoritmer och framtida strategi när ny information blir tillgänglig. Hur lärde DeepStack just denna färdighet för sin ödmjuka skyddsledare? Genom att kasta mer än 10 000 slumpmässiga pokerspelsituationer på det.

Dop av eld

År 2016 plockade International Federation of Poker ut trettiotre professionella pokerspelare och satte dem emot DeepStacks strategier. Efter att ha separerat de fall där turen ledde till en vinst från strategins fall, nåddes en slutsats: DeepStacks vinsthastighet kom in mer än tio gånger den som professionella spelare anser vara en anständig marginal.

Slutsatsen och resultaten överensstämmer med den framgång som nyligen gjorts av Libratus - ett pokerspelande AI och ett hjärnbarn av forskare vid Carnegie Mellon University i Pittsburg. Libratus gick upp mot ett antal av världens bästa Texas Hold'em Poker-proffs i ett häpnadsväckande utbud av 120,000 XNUMX händer med poker. Libratus bluffade fyra av dem.

Dong Kim var en av de spelare som överträffades av maskinen och rapporterade efteråt att han vid halvvägs hade börjat misstänka att Libratus faktiskt kunde se sina kort. Han fortsatte med att säga att han inte anklagade Libratus för fusk i sig, utan att AI helt enkelt var så bra.

Vi är många

Carnegie Mellons glada män tycktes inte vara angelägna om att avslöja mycket om Libratus eller det inre arbetet i sitt beslutsfattande under stand-offen, men det avslöjades senare att Libratus inte var en singel AI - utan istället litade på en tre- prong system arbetar tillsammans mot ett gemensamt mål.

Förlitar sig på förstärkningslärande, i huvudsak en metod för försök och fel, lyckades Libratus genom att spela spel efter spel mot sig själv. Till att börja med visste det ingenting om speciella pokerstrategier eller liknande - det blev helt enkelt medvetet om vad spelreglerna var. Genom att spela upprepade gånger mot sig själv, inom ramen för sitt tredubbla nätverk, utforskade den alla möjliga vägar och kombinationer - och därmed utrustade sig framgångsrikt för uppgiften innan den.

I all rättvishet måste det nämnas att Libratus skörde fördelarna med att kunna ta ställning till situationen, som det var, varje kväll efter dagens omgångar.

Men likväl överträffade Libratus även förväntningarna hos sina mänskliga skapare.

Spin Palace Ingen insättnings casino bonusar >>