Home / Archive by category "Programmazione"

Programmazione

Google Teachable Machine 2.0 aggiornamento

Google aggiorna il suo trainer AI senza codice e nel browser per renderlo più funzionale Addestra ed esporta il tuo sistema di intelligenza artificiale senza una riga di codice Google ha aggiornato la sua Teachable Machine , un esperimento web all'interno del browser pubblicato originariamente nel 2017 per insegnare alle persone alcuni principi di base dell'apprendimento automatico. La versione originale dell'app era davvero solo un piccolo esperimento divertente che poteva essere usato per classificare i dati visivi dalla tua webcam. (Gli ho insegnato a identificare le mie piante d'appartamento!) Ma Google ha aggiunto nuove modalità al sistema insieme all'opzione per esportare modelli addestrati, rendendo Teachable Machine 2.0 un sistema più funzionale per costruire veri e propri strumenti di intelligenza artificiale. Insieme ai dati delle immagini, Teachable Machine ora funziona con input di posa audio e corpo. Gli utenti possono caricare i propri set di dati pre-raccolti, ordinare i dati in più di tre categorie e scaricare e distribuire i loro modelli localmente o ospitarli nel cloud. Ciò significa che potresti allenare un sistema di base usando Teachable Machine e farlo funzionare su un sito Web o un'app. Google offre già un trainer AI senza codice chiamato Cloud AutoML , ma si tratta di uno strumento molto più professionale, con un ambito maggiore di personalizzazione, ridimensionamento e supporto clienti. APPRENDIMENTO AUTOMATICO RAPIDO E SPORCO Teachable Machine 2.0, al confronto, è veloce e sporco: è una rampa per i nuovi professionisti della ML e qualcosa che permetterà agli utenti di prototipare rapidamente una soluzione AI. Google osserva che Teachable Machine viene eseguito interamente sul computer dell'utente, il che significa che i dati di allenamento non lasciano mai il tuo dispositivo (una rassicurazione per coloro che sono preoccupati per la privacy). Negli anni trascorsi dall'ultima ondata di sistemi di apprendimento autom...
Continua a Leggere

Gli agenti di OpenAI si sono evoluti per mostrare comportamenti complessi, suggerendo un approccio promettente per lo sviluppo di un’intelligenza artificiale più sofisticata

AI ha imparato a usare gli strumenti dopo quasi 500 milioni di giochi a nascondino Neiprimi giorni di vita sulla Terra, organismi biologici erano estremamente semplici. Erano microscopiche creature unicellulari con poca o nessuna capacità di coordinarsi. Eppure miliardi di anni di evoluzione attraverso la competizione e la selezione naturale hanno portato alle complesse forme di vita che abbiamo oggi, così come alla complessa intelligenza umana. I ricercatori di OpenAI, il laboratorio di ricerca sull'intelligenza artificiale a scopo di lucro con sede a San Francisco, stanno ora testando un'ipotesi: se potessi imitare quel tipo di competizione in un mondo virtuale, darebbe origine anche a un'intelligenza artificiale molto più sofisticata? L'esperimento si basa su due idee esistenti sul campo: l'apprendimento multi-agente, l'idea di mettere più algoritmi in competizione o coordinamento per provocare comportamenti emergenti e l' apprendimento di rinforzo , la specifica tecnica di apprendimento automatico che impara a raggiungere un obiettivo attraverso la prova e errore. (DeepMind ha reso popolare quest'ultimo con il suo rivoluzionario programma AlphaGo, che ha battuto il miglior giocatore umano nell'antico gioco da tavolo cinese Go.) In un nuovo articolo pubblicato oggi, OpenAI ha ora rivelato i suoi risultati iniziali. Attraverso un semplice gioco a nascondino centinaia di milioni di volte, due team opposti di agenti di intelligenza artificiale hanno sviluppato complessi nascondigli e strategie di ricerca che hanno comportato l'uso e la collaborazione degli strumenti. La ricerca offre inoltre informazioni sulla strategia di ricerca dominante di OpenAI: ridimensionare in modo significativo le tecniche di intelligenza artificiale esistenti per vedere quali proprietà emergono. 2 robot blu si nascondono da 3 robot rossi in un forte triangolare composto da 3 lunghe scatole rettangolari. Dopo circa 25 milioni di round di nascondino, i cacciatori hanno imparato a cost...
Continua a Leggere

L’intelligenza artificiale sta uccidendo il poker online

Il poker online è morto? La prossima vittima per l'IA Bene, non morto, ma sta morendo. Poco più di un mese fa, il team di ricerca sull'intelligenza artificiale di Facebook ha pubblicato un documento che delineava i loro risultati per un'intelligenza artificiale sovrumana in grado di battere costantemente i migliori giocatori di poker del mondo. Di per sé, questo è un risultato straordinario per l'IA, ma guardando oltre, è destinato a dare un colpo devastante al settore del poker online da quasi 4 miliardi di dollari. Nei prossimi mesi, milioni di giocatori in tutto il mondo e grandi aziende tecnologiche online inizieranno a vedere gli effetti quando queste IA si apriranno nel gioco online. Un cambiamento importante è necessario nel settore se deve rimanere in vita. L'articolo pubblicato da Facebook è il culmine di decenni di lavoro nella prima IA per battere gli umani in una partita con più di due squadre. "Pluribus", coniato dall'IA, batte costantemente i giocatori di poker del campione del mondo in un formato identico al poker online a sei giocatori. Non solo, l'IA è stata addestrata con meno di $ 150 di risorse, il che significa che un tale sistema può essere creato da quasi tutti. È importante sottolineare che il documento non descrive una formula vincente esatta, ma delinea l'approccio utilizzato. Ciò significa che domani non vedremo duplicati di Pluribus, ma potremmo avere il mese prossimo o l'anno prossimo. Ora che è dimostrato che è possibile e che c'è la luce guida, varie persone o gruppi lavoreranno per ricreare l'IA il più vicino possibile. Tutto ciò di cui ha bisogno è un successo e l'IA può essere condivisa istantaneamente in tutto il mondo. Con l'attuale livello di controllo, sarà semplice per qualsiasi persona o sindacato con tale IA iniziare immediatamente a vincere soldi nel poker online. Inizialmente, questo non è un problema per le società di poker online, ma per gli umani che ci giocano. Man mano che i tavoli da poker diventano saturi di inte...
Continua a Leggere

DeepMind OpenSpiel SpriteWorld e bSuite

DeepMind ha tranquillamente aperto tre nuove impressionanti strutture per l'apprendimento del rinforzo Tre nuove versioni che aiuteranno i ricercatori a semplificare l'implementazione di programmi di apprendimento di rinforzo L'apprendimento approfondito di rinforzo (DRL) è stato al centro di alcune delle più grandi scoperte dell'intelligenza artificiale (AI) negli ultimi anni. Tuttavia, nonostante tutti i suoi progressi, i metodi DRL rimangono incredibilmente difficili da applicare nelle soluzioni tradizionali data la mancanza di strumenti e librerie. Di conseguenza, il DRL rimane principalmente un'attività di ricerca che non ha visto molta adozione nelle soluzioni di machine learning del mondo reale. Affrontare questo problema richiede strumenti e framework migliori. Tra le attuali generazioni di leader dell'intelligenza artificiale (AI), DeepMind è l'unica azienda che ha fatto di più per promuovere la ricerca e lo sviluppo di DRL. Di recente, la filiale Alphabet ha rilasciato una serie di nuove tecnologie open source che possono aiutare a semplificare l'adozione dei metodi DRL. Come nuova tecnica di deep learning, l'adozione del DRL deve affrontare sfide oltre la semplice implementazione di algoritmi. Sono necessari set di dati di formazione, ambienti, strumenti di monitoraggio-ottimizzazione ed esperimenti ben progettati per semplificare l'adozione delle tecniche DRL. Ciò è particolarmente vero nel caso di DRL dato che la sua meccanica differisce dai metodi di apprendimento automatico tradizionali.Gli agenti DRL tentano di padroneggiare un'attività per tentativi ed errori in un determinato ambiente. In tale contesto, la robustezza degli ambienti e degli esperimenti gioca un ruolo primordiale nelle conoscenze sviluppate da un agente DRL. DRL è stata la pietra angolare degli sforzi di DeepMind per far avanzare l'IA. A partire dal famoso AlphaGo e proseguendo con importanti traguardi in settori come l'assistenza sanitaria, la ricerca ecologica e, naturalmente, ...
Continua a Leggere

Ad OpenAI mentre addestravano gli agenti di intelligenza artificiale a giocare a nascondino sono rimasti scioccati da ciò che hanno imparato

Gli agenti addestrati OpenAI in un semplice gioco di nascondino e hanno appreso molte altre abilità diverse nel processo. La concorrenza è una delle dinamiche socio-economiche che ha influenzato le nostre evoluzioni come specie. La grande quantità di complessità e diversità sulla Terra si è evoluta a causa della coevoluzione e della competizione tra organismi, diretta dalla selezione naturale. Competendo contro una parte diversa, siamo costantemente costretti a migliorare le nostre conoscenze e abilità su una materia specifica. I recenti sviluppi nell'intelligenza artificiale (AI) hanno iniziato a sfruttare alcuni dei principi della concorrenza per influenzare i comportamenti di apprendimento negli agenti dell'IA. In particolare, il campo dell'apprendimento di rinforzo multi-agente (MARL) è stato fortemente influenzato dalle dinamiche competitive e teoriche del gioco. Recentemente, i ricercatori di OpenAI hanno iniziato addestrando alcuni agenti di intelligenza artificiale in un semplice gioco di nascondino e saranno scioccati da alcuni dei comportamenti sviluppati dagli agenti in modo organico.affascinante documento di ricerca appena pubblicato . L'apprendimento tramite competizione è uno dei paradigmi emergenti nell'intelligenza artificiale che ricorda fatalmente come la nostra conoscenza si evolve come specie umana. Dato che siamo bambini, sviluppiamo nuove conoscenze esplorando l'ambiente circostante e interagendo con altre persone, a volte in modo collaborativo, a volte secondo modelli competitivi. Questa dinamica contrasta con il modo in cui progettiamo oggi i sistemi di intelligenza artificiale. Mentre i metodi di apprendimento supervisionato rimangono il paradigma dominante nell'intelligenza artificiale, è relativamente poco pratico applicarlo a molte situazioni del mondo reale. Ciò è ancora più accentuato negli ambienti in cui gli agenti devono interagire con oggetti fisici in un ambiente relativamente sconosciuto. In tali contesti, è più naturale ...
Continua a Leggere

Gli scacchi possono sopravvivere all’intelligenza artificiale?

I computer stanno eliminando l'errore dagli scacchi ma anche l'avventura. Yoni Wilkenfeld Ad agosto, due dozzine dei più forti giocatori di scacchi del mondo si sono incontrati per un nuovo tipo di torneo. Le regole di base non perdonavano: ogni giocatore iniziava con solo quindici minuti di tempo a partita, gareggiando in decine di partite consecutive contro tutte le altre volte più volte. I giocatori furono eliminati per tappe fino a quando ne rimasero solo due, che avrebbero continuato a giocare duecento partite per decidere il campione. I concorrenti venivano da tutto il mondo, sebbene una considerevole minoranza fosse americana. Tutti dovrebbero affrontare il costante controllo dei fan attraverso una trasmissione online del torneo su Twitch, un sito Web in streaming. Un mese di estenuante gioco dopo, emerse un vincitore: Stockfish 220818, il computer per scacchi più potente fino ad oggi. Mentre molte precedenti competizioni di scacchi su computer avevano convocato i programmatori umani di persona, nel Campionato di scacchi di computer, i team hanno inviato il loro software per essere eseguito sui server di Chess.com, che ha ospitato l'evento. Il feed di Twitch ha mostrato non solo il gioco dal vivo, ma "una sbirciatina in tempo reale" nel "processo di pensiero e nelle linee che stanno prendendo in considerazione" di ciascun programma ", ha detto un post che annuncia il torneo . Il sito Web eseguiva un singolo gioco alla volta, schiena contro schiena, con un gioco ininterrotto per un mese. A novembre, mentre l'universo degli scacchi stava guardando la partita ufficiale del campionato umano a Londra, vinta da Magnus Carlsen della Norvegia, i computer - la vera elite del gioco - stavano ancora giocando nelle loro continue serie di tornei online. Lo Stockfish, un motore open source liberamente disponibile e gestito da una comunità di programmatori, ha uno stile pulito e posizionale, mi ha detto via email Pete Cilento, direttore esecutivo di Chess...
Continua a Leggere

L’Intelligenza Artificiale vince a Poker , l’IA del poker ‘superumana’ di Facebook e CMU batte i professionisti umani

L'IA del poker 'superumana' di Facebook e CMU batte i professionisti umani "Può bluffare meglio di qualsiasi umano." L'intelligenza artificiale ha definitivamente sconfitto gli umani in un altro dei nostri giochi preferiti. Un programma, ideato dai ricercatori del laboratorio di intelligenza artificiale di Facebook e della Carnegie Mellon University, ha battuto alcuni dei migliori giocatori di poker del mondo in una serie di giochi di poker Texas Hold'em senza limiti di sei giocatori. Oltre 12 giorni e 10.000 mani, il sistema di intelligenza artificiale denominato Pluribus ha affrontato 12 professionisti in due diverse impostazioni. In uno, l'intelligenza artificiale ha giocato al fianco di cinque giocatori umani; nell'altro, cinque versioni dell'IA giocate con un giocatore umano (i programmi per computer non erano in grado di collaborare in questo scenario). Pluribus ha vinto in media $ 5 per mano con vincite orarie di circa $ 1.000 - un "margine decisivo di vittoria", secondo i ricercatori. "È sicuro che siamo a un livello sovrumano e che non cambierà", ha detto a The Verge Noam Brown, ricercatore presso Facebook AI Research e co-creatore di Pluribus . "SIAMO A UN LIVELLO SOVRUMANO E QUESTO NON CAMBIERÀ". "Pluribus è un avversario molto difficile con cui giocare. È davvero difficile fissarlo con qualsiasi tipo di mano ", ha detto in una nota stampa Chris Ferguson, un sei volte campione delle World Series of Poker e uno dei 12 professionisti redatti contro l'IA. In un articolo pubblicato su Science , gli scienziati di Pluribus affermano che la vittoria è una pietra miliare significativa nella ricerca di intelligenza artificiale. Sebbene l'apprendimento automatico abbia già raggiunto livelli sovrumani in giochi da tavolo come scacchi e Go , e giochi per computer come Starcraft II e Dota , il Texas Hold 'em a sei giocatori senza limiti rappresenta, con alcune misure, un più alto indice di difficoltà. Non solo è l'informazione necessaria p...
Continua a Leggere

Nove modi in cui l’intelligenza artificiale cerca di impedire le frodi

I primi 9 modi in cui l'intelligenza artificiale impedisce la frode Louis Columbus Motori basati su regole e semplici modelli predittivi potrebbero identificare la maggior parte dei tentativi di frode in passato, tuttavia non sono al passo con la scala e la gravità dei tentativi di frode oggi. I tentativi di frode e le violazioni sono più sfumati, con criminalità organizzata e gruppi sponsorizzati dallo stato che utilizzano algoritmi di apprendimento automatico per trovare nuovi modi per frodare le aziende digitali. Gli attacchi basati su frodi hanno un modello, una sequenza e una struttura completamente diversi, che li rendono non rilevabili utilizzando la logica basata su regole ei soli modelli predittivi. AI è una partita perfetta per le sfide della lotta alle frodi Ciò che è necessario per contrastare le frodi e fermare l'esfiltrazione di dati di transazione preziosi sono le piattaforme di apprendimento automatico e di apprendimento automatico in grado di combinare l'apprendimento automatico supervisionato e non supervisionato in grado di fornire un punteggio ponderato per qualsiasi attività di business digitale in meno di un secondo. L'intelligenza artificiale è la soluzione perfetta per la rapida escalation di tentativi di frode sfumati e altamente sofisticati. I sistemi di prevenzione delle frodi possono esaminare anni e in alcuni casi, decenni di dati sulle transazioni in una velocità di risposta di 250 millisecondi per calcolare i punteggi di rischio utilizzando l'intelligenza artificiale. Prendendo questo approccio integrativo in tempo reale per l'intelligenza artificiale in un business digitale, si ottengono punteggi che sono del 200% più predittivi in ​​base alla ricerca interna completata da Kount .Di recente hanno annunciato la loro soluzione di prevenzione delle frodi basata sulla IA di prossima generazione e una nuova funzione di punteggio, Omniscore . Omniscore incorpora le componenti più predittive dell'apprendimento automatico supervisi...
Continua a Leggere

Le 5 facce principali dell’IA Intelligenza Artificiale

Jim Sinur L'intelligenza artificiale sarà la gemma del digitale andando avanti per molto tempo. È un co-pilota di intelligenza sia nell'automazione che negli sforzi di eccellenza del cliente insieme agli algoritmi statici. L'IA può imparare, gestire problemi sfocati e aiutare ad aumentare la probabilità di successo nelle decisioni, aiutare gli esseri umani a interagire con i sistemi organizzativi tradizionali basati su regole e raggiungere obiettivi mutevoli. Ci sono cinque sfaccettature di intelligenza artificiale che brillano luminose ora e per il futuro. Ci potrebbe essere di più lungo la strada mentre l'AI progredisce nel tempo, ma questi sono i primi cinque in questo momento. Machine Learning: In questo momento, ML è il lato più luminoso dell'IA in quanto le organizzazioni si occupano di fonti di dati sempre più grandi e veloci. ML impara a migliorare i dati e ad accelerare le risposte a modelli interessanti. ML è bravo a gestire dati ricchi e complessi per l'apprendimento incrementale e quindi a supportare decisioni e azioni. Le macchine fanno la maggior parte del sollevamento pesante qui, ma la qualità e il controllo dei dati è un fattore chiave per il successo. L'apprendimento può migliorare con l'aggiunta di sfaccettature di reti neurali per creare opportunità di apprendimento approfondito per accelerare l'evoluzione. Tieni presente che ML può apprendere anche da dati errati e il mantenimento dei dati può essere costoso. Reti neurali artificiali: Mentre le reti neurali sono popolari nelle parti di apprendimento profondo di ML, hanno anche una propria identità. Sono bravi a interpolare tra diversi modelli di insegnamento per la classificazione e la categorizzazione. Prestano attenzione alle differenze e ai modelli emergenti. Sono anche forti nell'autoformazione e nell'apprendimento, in particolare per i dati non strutturati che si trovano spesso in problemi di linguaggio naturale. La loro forza è che non è necessario alcun esperto, ...
Continua a Leggere

Microsoft sta trasferendo Cortana in un’app separata nell’archivio di Windows

Cortana potrebbe non essere sempre un'app integrata Microsoft potrebbe stare lavorando per rendere Cortana migliore nel tenere le conversazioni , ma il produttore di software sta separando sempre più il suo assistente digitale da Windows 10. Questo è iniziato con il disaccoppiamento di Cortana dalla ricerca nel recente aggiornamento di Windows 10 maggio 2019 e ora Microsoft è portare Cortana nel Microsoft Store come app separata. Una beta Cortana è apparsa nel negozio e suggerisce che l'assistente digitale potrebbe non essere integrato in Windows 10. Microsoft sta utilizzando questa app beta per aggiornare Cortana separatamente da Windows 10, quindi l'assistente digitale potrebbe ottenere rapidamente nuove funzionalità. Tuttavia, Cortana è stato sempre creato come servizio basato sul Web, in modo che potesse essere aggiornato senza modifiche di base di Windows 10. Non è immediatamente chiaro ciò che Microsoft ha pianificato qui, ma è probabilmente connesso alla prossima fase beta del suo nome in codice 19H2 Aggiornamento di Windows 10. Microsoft aveva programmato di iniziare a testare il 19H2 ormai, e in origine aveva promesso una release primaverile ai tester. La compagnia è stata sorprendentemente tranquilla riguardo a ciò che include anche la 19H2, ma dovrebbe arrivare entro la fine dell'anno con un kernel Linux completo . Microsoft ha persino iniziato a testare il suo primo aggiornamento per Windows 10 2020 prima del 19H2 e continua a pubblicare build per i tester.
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi