AI学者在Alphago的国际象棋胜利背后获得了Turing奖的技术
Na década passada, a inteligência artificial nos deslumbrou com seus avanços, principalmente por meio de uma técnica em que os computadores fazem escolhas aleatórias e aprendem com os resultados. Este método, conhecido como Aprendizagem de Reforço, tem sido fundamental para alcançar feitos notáveis na IA.
Pegue o programa AlphaZero do Google Deepmind a partir de 2016, que até 2018 havia dominado os complexos jogos de xadrez, shogi e go. Da mesma forma, o Alphastar usou essa abordagem para atingir o nível "Grandmaster" no videogame *Starcraft II *. Essas realizações destacam o poder do aprendizado de reforço.
Na quarta -feira, o campo comemorou um marco significativo, pois dois estudiosos da IA foram homenageados por seu trabalho inovador no avanço do aprendizado de reforço. Andrew G. Barto, professor emérito da Universidade de Massachusetts, Amherst, e Richard S. Sutton, professor da Universidade de Alberta, Canadá, recebeu o prestigiado 2025 Turing Award da Association for Computing Machinery (ACM).
Reconhecimento de pioneiros no aprendizado de reforço
O ACM elogiou Barto e Sutton por estabelecer as bases para o aprendizado de reforço, afirmando que "introduziram as principais idéias, construíram as fundações matemáticas e desenvolveram algoritmos importantes". Esse elogio, que vem com um prêmio de US $ 1 milhão, é frequentemente visto como o equivalente da indústria de computadores a um prêmio Nobel.
O aprendizado de reforço pode ser comparado a um mouse navegar um labirinto para encontrar queijo. O mouse aprende quais caminhos levam ao progresso e aos quais para becos sem saída. Da mesma forma, os neurocientistas acreditam que os seres inteligentes, como ratos, desenvolvem um "modelo interno do mundo" para orientar suas ações.
Sutton e Barto propuseram que os computadores também pudessem desenvolver esses modelos internos. No aprendizado de reforço, o computador reúne dados sobre seu ambiente - seja um labirinto ou um quadro de xadrez - e inicialmente age aleatoriamente. Recebe feedback na forma de recompensas ou penalidades, o que ajuda a estimar os resultados de diferentes ações. Com base nessas estimativas, o programa desenvolve uma "política" para orientar as decisões futuras, equilibrando a exploração de novas ações com a exploração dos conhecidos bem -sucedidos.
O papel da exploração e exploração
Na sua essência, o aprendizado de reforço requer um delicado equilíbrio entre explorar novas possibilidades e explorar estratégias conhecidas. Nenhuma das abordagens por si só é suficiente para o sucesso.
Para aqueles interessados em mergulhar mais profundamente, o livro didático de Sutton e Barto em 2018 sobre o assunto é um recurso valioso.
Vale a pena notar que o termo "aprendizado de reforço" às vezes é usado de maneira diferente por empresas como o OpenAI, que empregam "aprendizado de reforço com feedback humano" (RLHF) para refinar os resultados de grandes modelos de idiomas como o GPT. No entanto, isso é distinto do método desenvolvido por Sutton e Barto.
Aprendizagem de reforço como uma teoria do pensamento
Sutton, que era um cientista de pesquisa distinto da DeepMind de 2017 a 2023, argumentou que o aprendizado de reforço não é apenas uma técnica, mas uma "teoria do pensamento". Ele expressou preocupação com a falta de uma teoria computacional na IA, afirmando que "o aprendizado de reforço é a primeira teoria computacional da inteligência".
Além de suas aplicações técnicas, o aprendizado de reforço também pode esclarecer a criatividade e o jogo livre como expressões de inteligência. Sutton e Barto destacaram o papel do jogo na aprendizagem, sugerindo que a curiosidade impulsiona a exploração. Sutton enfatizou que o jogo pode envolver a definição de metas que podem não ser imediatamente úteis, mas podem ser benéficas posteriormente.
"O jogo é uma grande coisa", observou Sutton, indicando seu papel significativo no contexto mais amplo de aprendizado e inteligência.
A jornada do aprendizado de reforço, de seu trabalho fundamental de Barto e Sutton até sua aplicação em jogos e além, continua a ultrapassar os limites do que a IA pode alcançar.
相关文章
Wren AI：利用开源数据洞察释放GenBI力量
在当今快节奏、数据驱动的世界中，迅速从海量信息中提取有意义的洞察至关重要。Wren AI 是一种创新的开源生成式商业智能（GenBI）代理，正在革新数据团队与数据的交互方式。通过让用户与数据对话，Wren AI 生成可操作的智能，转变决策过程。本文深入探讨 Wren AI 的功能、与现有大型语言模型（LLM）的兼容性，以及它如何改变数据探索和分析的游戏规则。Wren AI 的独特之处是什么？Wre
StoryBoarder.ai教程：掌握故事板创作
StoryBoarder.ai通过提供一个强大的平台，简化电影制作人、动画师和内容创作者的创意过程，帮助他们轻松可视化和规划项目。本教程深入探讨StoryBoarder.ai的故事板页面，揭示其功能并展示如何利用其AI能力打造引人入胜的故事板。从调整图像到探索“图像到图像”上传功能，本指南是你掌握故事板创作艺术的关键。探索StoryBoarder.ai的故事板页面StoryBoarder.ai的故
Motiff AI：以AI驱动的创新转变UI/UX设计
用Motiff AI革新网页设计在当今快节奏的数字时代，创建用户友好且视觉吸引的网站对于在网络上脱颖而出至关重要。Motiff AI作为一项突破性解决方案出现，改变了我们处理UI/UX设计的方式。与Figma等传统工具不同，Motiff AI利用AI技术简化设计过程，使每个人都能轻松使用，无论其技术专长如何。使用Motiff AI，你无需成为编码高手或花费无数小时摆弄复杂软件。相反，你可以专注于项
评论 (10)
0/200
![WalterSanchez]()
WalterSanchez
2025-04-21 08:00:00
The AI Scholars winning the Turing Prize for the technique behind AlphaGo's chess victory is mind-blowing! It's fascinating to see how reinforcement learning has propelled AI to such heights. The only thing is, it's a bit too technical for me at times, but still, it's a testament to human ingenuity. Keep pushing the boundaries! 🧠
0
![EdwardTaylor]()
EdwardTaylor
2025-04-21 08:00:00
AlphaGoのチェス勝利の背後にある技術でAI Scholarsがチューリング賞を受賞したのは驚きです！強化学習がAIをこれほどの高みに押し上げたのを見るのは魅力的です。ただ、時々技術的な内容が難しすぎることがありますが、それでも人間の創意工夫の証です。境界を押し広げ続けてください！🧠
0
![AndrewGarcía]()
AndrewGarcía
2025-04-19 08:00:00
Os AI Scholars ganharem o Prêmio Turing pela técnica por trás da vitória do AlphaGo no xadrez é impressionante! É fascinante ver como o aprendizado por reforço impulsionou a IA a tais alturas. A única coisa é que às vezes é um pouco técnico demais para mim, mas ainda assim, é um testemunho da engenhosidade humana. Continue expandindo os limites! 🧠
0
![DouglasHarris]()
DouglasHarris
2025-04-19 08:00:00
एआई स्कॉलर्स को अल्फागो की शतरंज की जीत के पीछे की तकनीक के लिए ट्यूरिंग पुरस्कार मिलना मन को उड़ा देने वाला है! यह देखना रोमांचक है कि कैसे रीइनफोर्समेंट लर्निंग ने एआई को ऐसी ऊंचाइयों तक पहुंचाया है। एकमात्र बात यह है कि कभी-कभी यह मेरे लिए थोड़ा बहुत तकनीकी हो जाता है, लेकिन फिर भी, यह मानवीय सृजनशीलता का प्रमाण है। सीमाओं को धक्का देते रहें! 🧠
0
![BruceMiller]()
BruceMiller
2025-04-20 08:00:00
Les AI Scholars remportant le Prix Turing pour la technique derrière la victoire aux échecs d'AlphaGo est époustouflant ! C'est fascinant de voir comment l'apprentissage par renforcement a propulsé l'IA à de tels sommets. La seule chose, c'est que c'est parfois un peu trop technique pour moi, mais c'est tout de même un témoignage de l'ingéniosité humaine. Continuez à repousser les limites ! 🧠
0
![ArthurBrown]()
ArthurBrown
2025-04-22 08:00:00
The AI Scholars Awarded Turing Prize really blew my mind! The way they used reinforcement learning to make AlphaGo win at chess is just genius. It's like watching a sci-fi movie come to life. I wish I understood the tech better, but it's still super cool! 🤓
0
Na década passada, a inteligência artificial nos deslumbrou com seus avanços, principalmente por meio de uma técnica em que os computadores fazem escolhas aleatórias e aprendem com os resultados. Este método, conhecido como Aprendizagem de Reforço, tem sido fundamental para alcançar feitos notáveis na IA.
Pegue o programa AlphaZero do Google Deepmind a partir de 2016, que até 2018 havia dominado os complexos jogos de xadrez, shogi e go. Da mesma forma, o Alphastar usou essa abordagem para atingir o nível "Grandmaster" no videogame *Starcraft II *. Essas realizações destacam o poder do aprendizado de reforço.
Na quarta -feira, o campo comemorou um marco significativo, pois dois estudiosos da IA foram homenageados por seu trabalho inovador no avanço do aprendizado de reforço. Andrew G. Barto, professor emérito da Universidade de Massachusetts, Amherst, e Richard S. Sutton, professor da Universidade de Alberta, Canadá, recebeu o prestigiado 2025 Turing Award da Association for Computing Machinery (ACM).
Reconhecimento de pioneiros no aprendizado de reforço
O ACM elogiou Barto e Sutton por estabelecer as bases para o aprendizado de reforço, afirmando que "introduziram as principais idéias, construíram as fundações matemáticas e desenvolveram algoritmos importantes". Esse elogio, que vem com um prêmio de US $ 1 milhão, é frequentemente visto como o equivalente da indústria de computadores a um prêmio Nobel.
O aprendizado de reforço pode ser comparado a um mouse navegar um labirinto para encontrar queijo. O mouse aprende quais caminhos levam ao progresso e aos quais para becos sem saída. Da mesma forma, os neurocientistas acreditam que os seres inteligentes, como ratos, desenvolvem um "modelo interno do mundo" para orientar suas ações.
Sutton e Barto propuseram que os computadores também pudessem desenvolver esses modelos internos. No aprendizado de reforço, o computador reúne dados sobre seu ambiente - seja um labirinto ou um quadro de xadrez - e inicialmente age aleatoriamente. Recebe feedback na forma de recompensas ou penalidades, o que ajuda a estimar os resultados de diferentes ações. Com base nessas estimativas, o programa desenvolve uma "política" para orientar as decisões futuras, equilibrando a exploração de novas ações com a exploração dos conhecidos bem -sucedidos.
O papel da exploração e exploração
Na sua essência, o aprendizado de reforço requer um delicado equilíbrio entre explorar novas possibilidades e explorar estratégias conhecidas. Nenhuma das abordagens por si só é suficiente para o sucesso.
Para aqueles interessados em mergulhar mais profundamente, o livro didático de Sutton e Barto em 2018 sobre o assunto é um recurso valioso.
Vale a pena notar que o termo "aprendizado de reforço" às vezes é usado de maneira diferente por empresas como o OpenAI, que empregam "aprendizado de reforço com feedback humano" (RLHF) para refinar os resultados de grandes modelos de idiomas como o GPT. No entanto, isso é distinto do método desenvolvido por Sutton e Barto.
Aprendizagem de reforço como uma teoria do pensamento
Sutton, que era um cientista de pesquisa distinto da DeepMind de 2017 a 2023, argumentou que o aprendizado de reforço não é apenas uma técnica, mas uma "teoria do pensamento". Ele expressou preocupação com a falta de uma teoria computacional na IA, afirmando que "o aprendizado de reforço é a primeira teoria computacional da inteligência".
Além de suas aplicações técnicas, o aprendizado de reforço também pode esclarecer a criatividade e o jogo livre como expressões de inteligência. Sutton e Barto destacaram o papel do jogo na aprendizagem, sugerindo que a curiosidade impulsiona a exploração. Sutton enfatizou que o jogo pode envolver a definição de metas que podem não ser imediatamente úteis, mas podem ser benéficas posteriormente.
"O jogo é uma grande coisa", observou Sutton, indicando seu papel significativo no contexto mais amplo de aprendizado e inteligência.
A jornada do aprendizado de reforço, de seu trabalho fundamental de Barto e Sutton até sua aplicação em jogos e além, continua a ultrapassar os limites do que a IA pode alcançar.
Wren AI：利用开源数据洞察释放GenBI力量
在当今快节奏、数据驱动的世界中，迅速从海量信息中提取有意义的洞察至关重要。Wren AI 是一种创新的开源生成式商业智能（GenBI）代理，正在革新数据团队与数据的交互方式。通过让用户与数据对话，Wren AI 生成可操作的智能，转变决策过程。本文深入探讨 Wren AI 的功能、与现有大型语言模型（LLM）的兼容性，以及它如何改变数据探索和分析的游戏规则。Wren AI 的独特之处是什么？Wre
StoryBoarder.ai教程：掌握故事板创作
StoryBoarder.ai通过提供一个强大的平台，简化电影制作人、动画师和内容创作者的创意过程，帮助他们轻松可视化和规划项目。本教程深入探讨StoryBoarder.ai的故事板页面，揭示其功能并展示如何利用其AI能力打造引人入胜的故事板。从调整图像到探索“图像到图像”上传功能，本指南是你掌握故事板创作艺术的关键。探索StoryBoarder.ai的故事板页面StoryBoarder.ai的故
Motiff AI：以AI驱动的创新转变UI/UX设计
用Motiff AI革新网页设计在当今快节奏的数字时代，创建用户友好且视觉吸引的网站对于在网络上脱颖而出至关重要。Motiff AI作为一项突破性解决方案出现，改变了我们处理UI/UX设计的方式。与Figma等传统工具不同，Motiff AI利用AI技术简化设计过程，使每个人都能轻松使用，无论其技术专长如何。使用Motiff AI，你无需成为编码高手或花费无数小时摆弄复杂软件。相反，你可以专注于项
2025-04-21 08:00:00
The AI Scholars winning the Turing Prize for the technique behind AlphaGo's chess victory is mind-blowing! It's fascinating to see how reinforcement learning has propelled AI to such heights. The only thing is, it's a bit too technical for me at times, but still, it's a testament to human ingenuity. Keep pushing the boundaries! 🧠
0
2025-04-21 08:00:00
AlphaGoのチェス勝利の背後にある技術でAI Scholarsがチューリング賞を受賞したのは驚きです！強化学習がAIをこれほどの高みに押し上げたのを見るのは魅力的です。ただ、時々技術的な内容が難しすぎることがありますが、それでも人間の創意工夫の証です。境界を押し広げ続けてください！🧠
0
2025-04-19 08:00:00
Os AI Scholars ganharem o Prêmio Turing pela técnica por trás da vitória do AlphaGo no xadrez é impressionante! É fascinante ver como o aprendizado por reforço impulsionou a IA a tais alturas. A única coisa é que às vezes é um pouco técnico demais para mim, mas ainda assim, é um testemunho da engenhosidade humana. Continue expandindo os limites! 🧠
0
2025-04-19 08:00:00
एआई स्कॉलर्स को अल्फागो की शतरंज की जीत के पीछे की तकनीक के लिए ट्यूरिंग पुरस्कार मिलना मन को उड़ा देने वाला है! यह देखना रोमांचक है कि कैसे रीइनफोर्समेंट लर्निंग ने एआई को ऐसी ऊंचाइयों तक पहुंचाया है। एकमात्र बात यह है कि कभी-कभी यह मेरे लिए थोड़ा बहुत तकनीकी हो जाता है, लेकिन फिर भी, यह मानवीय सृजनशीलता का प्रमाण है। सीमाओं को धक्का देते रहें! 🧠
0
2025-04-20 08:00:00
Les AI Scholars remportant le Prix Turing pour la technique derrière la victoire aux échecs d'AlphaGo est époustouflant ! C'est fascinant de voir comment l'apprentissage par renforcement a propulsé l'IA à de tels sommets. La seule chose, c'est que c'est parfois un peu trop technique pour moi, mais c'est tout de même un témoignage de l'ingéniosité humaine. Continuez à repousser les limites ! 🧠
0
2025-04-22 08:00:00
The AI Scholars Awarded Turing Prize really blew my mind! The way they used reinforcement learning to make AlphaGo win at chess is just genius. It's like watching a sci-fi movie come to life. I wish I understood the tech better, but it's still super cool! 🤓
0
