В последние годы программы обучения с подкреплением (RL) успешно обучили агентов побеждать людей-профессионалов в сложных играх, предложили идеи для решения задач по созданию лекарств и многое другое. Однако эти захватывающие достижения часто сопровождаются резким увеличением масштаба и сложности модели, что затрудняет для исследователей воспроизведение существующих алгоритмов RL или быстрое прототипирование новых идей. В новом документе Acme: A Research Framework for Distributed..

Всем привет, добро пожаловать в Dynamicly Typed #74! Сегодняшний раздел, посвященный искусственному интеллекту, включает в себя некоторые обновления приложения ClipDrop и подробный пост в блоге Apple о распознавании лиц с сохранением конфиденциальности в приложении «Фотографии». Я также рассказал о новой общей архитектуре ввода-вывода Perceiver от DeepMind для исследований машинного обучения и о IceNet для климатического ИИ. И, наконец, для интересных вещей я нашел Omnimatte, который мы,..

Этот пост из серии статей Deepmind и OpenAI , которую я пытаюсь обобщить и сделать некоторые заметки из некоторых интересных статей из Deepmind и OpenAI. Здесь я начну с AlphaGo , который пытается объединить алгоритм поиска по дереву Монте-Карло с глубоким обучением игре в го. Это для первого. В следующем посте я рассмотрю статью AlphaGo Zero .

Генеративные состязательные сети (GAN) стали «популярным» методом исследователей ИИ для создания фотореалистичных синтетических изображений. Теперь исследователи DeepMind говорят, что может быть лучший вариант. В новой статье исследовательская компания Google представляет свою модель VQ-VAE 2 для создания крупномасштабных изображений. Утверждается, что эта модель дает результаты, конкурирующие с современной генеративной моделью BigGAN в синтезе изображений с высоким разрешением,..

Аарон Круминс Со многими головокружительными победами, одержанными искусственным интеллектом в недавнем прошлом, легко забыть, что сюжетная линия в основном была эволюцией, а не революцией. Глубокие нейронные сети , на которых построены Apple Siri и Google Now, существуют по крайней мере с конца 1950-х годов, когда Фрэнк Розенблатт изобрел многослойную нейронную сеть , названную персептроном, и предложил дополнительные слои с математические обозначения. Многие успехи, достигнутые..

Большинство алгоритмов обучения основаны на человеческом интеллекте или на наблюдаемых явлениях в природе. В то время как Q-обучение основывается на том, как практика делает одну идеальную, а нейронные сети моделируются на работе нейронов в нашем мозгу (за исключением обратного распространения), а ошибка TD является мерой того, как мы оцениваем свои ошибки по мере продвижения к нашей предполагаемой цели. и все это происходит в Интернете. Но исследования доказали, что большая часть обучения..