İnceleme
Kategoriler
Anakart
Cep Telefonu
Notebook
ADSL Modem
İşlemci
Tablet
Ekran Kartı
Televizyon
Fotoğraf Makinesi
Depolama
Klavye ve Mouse
Giyilebilir Teknoloji
Kulaklık
Ses Sistemi
Oyun İnceleme
Ev Elektroniği
Navigasyon
Son İncelenenler
nubia Vita V50 inceleme
Zotac GeForce RTX 4090 AMP Extreme AIRO inceleme
Tecno Spark 20 Pro+ inceleme
General Mobile Era 30 & Era 50 inceleme
OPPO A60 inceleme
Samsung Galaxy Ring inceleme
Dreame H12 Dual Islak Kuru Dikey Süpürge inceleme
Haber
Kategoriler
Kripto Dünyası
Cep Telefonu
Windows
Sosyal Medya
Oyun ve Eğlence
Bilim
Dijital Fotoğraf
Notebook
Ekran Kartları
Güvenlik
Mobil Uygulamalar
Twitter
Instagram
Facebook
CES 2024
Scooter
Araçlar
Netflix
Gitex 2022
En Son Haberler
YouTube, hepimizi reklama boğmanın yeni bir yolunu daha buldu
Apple'ın sır gibi sakladığı iPhone 16 pil kapasiteleri ortaya çıktı
Microsoft'tan iPhone, Mac ve Android için yeni Windows uygulaması
Kesintisiz, hızlı ve geniş kablosuz ağ çözümü
Kesintisiz, hızlı ve geniş kablosuz ağ çözümü
Kim, nerede, hangi dilde? Apple Intelligence için işler iyice karıştı
iOS 18, iPhone şarj cihazınız çok yavaşsa sizi uyaracak
Forum
CHIP Online
Chip Dergisi
PDF Arşivi
2016
Haziran
CHIP Dergisi Arşivi: Haziran 2016 - Sayfa 34
32
33
34
35
36
Kategoriler
İnceleme
Anakart
Cep Telefonu
Notebook
ADSL Modem
İşlemci
Tablet
Ekran Kartı
Televizyon
Fotoğraf Makinesi
Depolama
Klavye ve Mouse
Giyilebilir Teknoloji
Kulaklık
Ses Sistemi
Oyun İnceleme
Ev Elektroniği
Navigasyon
Haberler
Cep Telefonu
Oyun ve Eğlence
Bilim
Notebook
Ekran Kartları
Mobil Uygulamalar
Yapay zeka
Sony Xperia Z3
Xiaomi
Xbox One
Windows 11
Windows 10
TikTok
Sinema
Samsung Galaxy S8
Samsung Galaxy S6
Samsung Galaxy S5
Samsung
Playstation 5
Oyun konsolu
Otomobil
Ofis ve Finans
Note 4
MWC 2018
MWC 2017
MWC 2015
Microsoft
LG G6
LG G5
LG G4
LG G3
İşletim Sistemleri
İş dünyası
iPhone SE
iPhone 7
iPhone 6S
iPhone 6
iOS
Instagram
IFA 2017
HTC One M9
HTC 10
Google
Diziler
Discovery 2
CES 2018
CES 2017
CES 2015
Blockchain ve Bitcoin
Bilgisayarlar
Xbox Game Pass
Xbox Series S/X
Uzay
Android
Forum
© 2024 Doğan Burda Dergi Yayıncılık ve Pazarlama A.Ş.
PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP Sepp Hochreiter Jürgen Schmidhuber ile birlikte 1990'larda yapay sinir ağları için uzun kısa dönem belleği (LSTM) geliştirdi. Şu anda Avusturya'nın Linz kentinde bulunan Johannes Kepler Üniversitesi Biyoenformatik Enstitüsü'nde profesör olarak görev yapıyor. Google'ın ses algılama uygulaması 1 Apple'ın Siri asistanı LSTM kullanan birçok AI uygulamasından yalnızca ikisi. 2 lamlı" oyunlardan biri. Yani oyunda tesadüfler, oyuncuların stratejileri üzerinde etkili olmuyor. Uzun vadede yine iyi olan kazanıyor ve birinin başarısı diğerinin yenilgisi anlamına geliyor. Bu kadar kolay görünmesine rağmen Go dünyanın en karmaşık oyunlarından biri. Oyun tahtası 19x19 kesişim noktasından oluşuyor; yani bir satranç tahtasından daha fazla olasılık mevcut. Her hamle 200 farklı seçenek doğuruyor. Bir taşın yerini garantilemesi için ancak yüzlerce hamle geçmesi gerekiyor. AI laboratuvarının bir sonraki başarısı: Go Tıpkı satrançta olduğu gibi, ne insan ne de makine sonraki hamlelerin tümünü tahmin edemiyor. Olası nizami hamlelerin sayısı en az 2x 10170. Bir karşılaştırma yaparsak, evrendeki atomların toplam sayısının 1080 olduğu tahmin ediliyor. Yani evrendeki her atomu alıp, 1080 atomlu başka bir evrende yerleştirsek bile bu rakam bir Go tahtasında bulunan nizami pozisyonların sayısına yetişemiyor. Muhtemel hamle kombinasyonlarının sayısı ise 10360. Bir Go oyuncusu için sadece karar verme ve hesaplama yetenekleri yetmiyor. Önsezi, deneyim, öngörü, yaratıcılık ve hataları telafi edebilmeyi de bilmek gerekli. Bu açıdan bakıldığında Go, şu anda insan zekasının test edilebileceği en zorlu ortam. Ayrıca teorik ihtimalleri değerlendirmek de yeterli değil. Bu yüzden bir yapay zeka sisteminin bu oyunda başarılı olabilmesi için farklı yaklaşımları da öğrenmesi gerekiyor. Google'ın AI firması DeepMind tarafından geliştirilen AlphaGo programı bu algıyı yakalamış görünüyor; zira Avrupa Go şampiyonu Fan Hui, 5 oyunun tamamında AlphaGo'ya yenildi. Resmi olmayan bir dizi oyun daha oynandı ve bu diziyi de AlphaGo 3-2 galip tamamladı. Birçoklarına göre bu başarı, 20 yıl önce Deep Blue tarafından Garry Kasparov'a karşı kazanılan satranç zaferini gölgede bırakıyor. AlphaGo programı daha çok TDGammon ile karşılaştırıIıyor. Bu sinir ağı 1994 yılından beri bir denetmeni olmaksızın tavla oynamayı öğreniyor ve dünya şampiyonu kadar iyi oynayabiliyor. AlphaGo kendine karşı AlphaGo geliştirilirken DeepMind iki ayrı sinir ağını bir araya getirdi ve bu kombinasyona "Monte Carlo ağaç araması (MCTS)" adını verdi. Bu benzetimle önce oyun tahtasındaki göreli pozisyon incelendi. Bunu temel alarak rastgele hamlelerle oyunun muhtemel gidişatı gözlemlendi. En avantajlı hamle seçildi ve oynandı. Bu ağaç aramaları (dallanan sorgular) yeni bir yaklaşım değil. Sıradan Go programlarında bile amatör oyuncuların beceri seviyesine ulaşmak için uzun zamandır kullanılıyor. Fakat profesyonel oyunculara yetişebilmek için bu dallanan arama yönteminin optimize edilerek sınırlandırılması gerekiyor. İşte yapay sinir ağları da bu noktada devreye giriyor. Birinci ağ, ("ilke ağı") aramayı faydalı görünen hamlelerle sınırlandırdıktan sonra ikincisi ("değer ağı") benzetimin her anında mevcut durumu değerlendirerek aramanın derinliğini sınırlandırıyor. Sinir ağlarının eğitimi veri ile gerçekleşiyor. Geliştiriciler ilke ağını profesyonel oyuncular veritabanından aldıkları 30 milyon hamle ile beslediler. Bu AlphaGo için yeterliydi: Rakibin bir sonraki hamlesini tahmin etmekte %57 başarılı oldu. DeepMind geliştiricileri "Ama biz en iyi oyuncuları taklit etmek değil, onları yenmek istiyoruz" diyorlar. Dolayısıyla AlphaGo bir öğreticiden bağımsız olarak kendi kendine yeni stratejiler öğrenmek zorunda kaldı ve bunu –tıpkı TDGammon gibi- binlerce kişiye karşı oynayarak yaptı ve kazandığında ödüllendirildi. Bu teşvikli öğrenme yöntemi sayesinde ilke ağı öylesine gelişti ki ağaç araması kullanan diğer Go programlarını yenmek için ağaç araması kullanmasına gerek kalmadı. Ardından ilke ağı aynı teşvikli öğrenme sürecini kullanarak değer ağını eğitti ve her pozisyonun ardın"AlphaGo çok iyi bir insan oyuncu gibi oynayabiliyor." Fan Hui, Profesyonel Go oyuncusu AlphaGo yapay zeka sistemi tarafından yenildikten sonra bu yorumu yaptı. 2 1 i 34 > 06 > 2016 > CHIP T E D > YAPAY EKA SE İSİ