Googles DeepMind lär robotar att drömma
Men inte om elektriska får

Google har nu lärt sin artificiella intelligens DeepMind att drömma vilket ska göra att den får möjligheten att lära sig grejer betydligt snabbare skriver Extreme Tech. I dagsläget drömmer DeepMind om scener från gamla Atari-spel som till exempel Asteroids på bilden ovan. Slutmålet ska dock vara att AI:n ska drömma om i stort sett samma sak som oss människor. Precis som för oss människor så ska DeepMind drömma om skrämmande och utmanande situationer, som till exempel att möta slutbossen i ett datorspel, då detta snabbare skapar minnen enligt neuropsykologisk forskning. AI:ns drömmande är så kallad oövervakad inlärning vilket skiljer sig från övervakad inlärning när man matar AI:n med en mängd data som den sedan får lära sig utifrån. Enligt forskarna så ska DeepMinds drömmande fått den att lära sig vissa saker tio gånger snabbare än vad som annars hade varit fallet.

DeepMind lär sig komma ihåg saker den lärt sig
Googles artificiella intelligens har ett minne

Googles AI-företag DeepMind har utvecklat en algoritm som man kallar för Elastic Weight Consideration som gör det möjligt för neurala nätverk att lära sig nya uppgifter baserat på tidigare erfarenheter. Fram tills nu har man oftast varit tvungen att lära neurala nätverk helt från grunden när de ska utföra nya uppgifter. Det skiljer sig markant för hur vi människor lär oss nya saker då vi oftast baserar inlärning av nya uppgifter på våra tidigare erfarenheter från liknande uppgifter. Algoritmen som DeepMind nu har tagit fram ska även kunna avgöra hur viktiga vissa av erfarenheter den lär sig är för att sedan kunna använda dessa till framtida inlärningsprocesser. DeepMind testade sin nya algoritm genom att låta AI:n spela tio stycke olika gamla Atari-spel. Där kunde AI:n applicera erfarenheter den fått från ett spel när den skulle spela nästa vilket gjorde att den inte behövde lära sig hur man spelade det nya spelet helt från grunden.

DeepMinds nya AI lär sig spela olika spel helt på egen hand
Kommer AlphaZero bli bäst på "alla" spel i världen?

Alphabets brittiska AI-företag DeepMind har släppt en rapport om arbetet med sin artificiella intelligens AlphaZero, en AI som är utvecklad för att lära sig olika typer av spel och sedan bli typ bäst i världen på dessa. AlphaZero är en efterföljare till AlphaZero Go som för tre år sedan slog världens bästa mänskliga Go-spelare i en turnering på fem matcher. AlphaZero Go ska dock ha tränats av människor i cirka en månad innan den genomförde den bedriften. När AlphaZero hade studerat Go för sig själv i bara tre dagar kunde den besegra AlphaZero Go i Go-matcher. Förutom det så ska AlphaZero även ha lärt sig att spela schack och den japanska schackvarianten shogi på egen hand. Tanken bakom AlphaZero är att den ska kunna träna upp sig själv till världsmästarklass på alla spel där regler och information är kända när besluten ska tas. Det vill säga spel som till exempel schack men inte spel som till exempel poker och stora multiplayer-spel där inte all information finns tillgänglig för AlphaZero när besluten ska tas.

Artificiell intelligens tar sig fram på hinderbana
DeepMind goes parkour

Googles dotterbolag för artificiell intelligens DeepMind har publicerat forskningsrapporten "Emergence of Locomotion Behaviours in Rich Environments." där man beskriver hur en artificiell intelligens kan navigera sig fram i okända miljöer. I videon ovan kan ni kolla in när en streckfigur tar sig igenom en slags virtuell hinderbana där den artificiella intelligensen konstant analyserar nästa hinder och oftast ser till att streckfiguren tar sig över detta. Teknik som denna kommer antagligen göra det enklare för robotar att ta sig upp för trappor och navigera sig fram över andra hinder i framtiden.

Google och Blizzard släpper AI-plattform till StarCraft II
Hoppas att andra ska hjälpa till med utvecklingen

Förra året meddelade Googles AI-företag DeepMind att man skulle börja utveckla en artificiell intelligens för att spela Blizzards strategispel StarCraft II och nu har man visat upp det första resultatet av det. De både företagen släpper nu plattformen SC2LE vilket är ett gäng med verktyg som man hoppas AI-forskare ska kunna använda för att snabbare utveckla artificiella intelligenser som kan spela strategispel som StarCraft II. SC2LE inkluderar ett gränssnitt för maskinlärning som Blizzard tagit fram samt en open source-version av DeepMinds AI-verktyg PySC2. Förutom det så kommer SC2LE inludera över en miljon anonymiserade StarCraft II-matcher som forskare kan använda för att träna upp sina artificiella intelligenser.

Ny version av AlphaGo tar över rollen som mästare i spelet Go
Har dessutom lärt sig själv

Ett självlärt program har blivit ny världsmästare på spelet Go. Förra året blev Google DeepMinds AI AlphaGo världsmästare efter att ha slagit världens bästa människa, Lee Se-Dol, 100 gånger. Nu har det nya och uppdaterade programmet AlphaGo Zero slagit sin föregångare. På endast 36 timmar, där programmet endast fick information om reglerna, lyckades den bli bättre än AlphaPro. Efter 40 dagar hade hade den en vinstprocent på 90. Så här beskriver Mikael Kågebäck, doktorand på avdelningen för datavetenskap vid Chalmers tekniska högskola bedriften. "Vad de har gjort nu är att de har visat att du kan faktiskt lära den helt från grunden, väldigt väldigt komplicerade problem. Problem som över huvud taget inte hade kunnat attackerats för bara fem år sedan". Det speciella med just spelet Go är att det finns så extremt många olika drag som kan göras under matchen. Därför är det också ett väldigt svårt spel för en AI att lära sig.

Google utvecklar AI som kan spela schack och shogi
AlphaZero är släkting med AlphaGo Zero

Förra året så slog Google DeepMinds artificiella intelligens AlphaGo Zero världsmästaren i Go och tidigare i år så "pensionerade" AI:n sig från Go-spelandet. Nu har dock DeepMind tränat upp ett "barn" till AlphaGo som både kan spela go, schack och den japanska schackvarianten shogi. Till skillnad från AlphaGo så är dess "barn" AlphaZero utvecklad för att kunna spela flera olika spel så länge den får lite tid på sig för att lära sig dessa. Efter att ha spelat go med sig själv i åtta timmar kunde AlphaZero besegra sin "pappa" AlphaGo Zero i spelet. Efter det så spelade AlphaZero schack med sig själv i fyra timmar och kunde därefter besegra den digitala världsmästaren i schack Stockfish och efter ha tränat på shogi i två timmar slog AlphaZero världens bästa shogiprogram Elmo. Som The Verge noterar så har alltså ett datorprogram på under ett dygn lärt sig spela tre hyfsat komplicerade spel på världsmästarnivå vilket aldrig tidigare har skett.

DeepMinds AI kan göra 3D-miljöer från 2D-bilder
Kan skapa en artificiell verklighet

Googles AI-företag DeepMind har tagit fram ett neuralt nätverk som kan skapa 3D-miljöer och tredimensionella objekt enbart genom att observera tvådimensionella bilder av dessa. Det neurala nätverket använder sig av en teknik som kallas för Generative Query Network (GQN) för att kunna skapa 3D-miljöer baserade på 2D-bilder. Enligt DeepMind kan det räcka med tre stycken tvådimensionella bilder för att AI:n ska kunna skapa realistiska 3D-miljöer av detta. Än så länge har AI:n bara tränats på artificiellt framställda 2D-bilder men ska nu även börja träna på att göra 3D-miljöer baserade på riktiga fotografier. I framtiden kanske AI:s som dessa skulle kunna användas för att skapa 3D-miljöer i realtid i till exempel eller spel eller liknande applikationer.

DeepMind fixar AI som hittar ögonsjukdomar
Gör detta lika bra som mänskliga specialister

För två år sedan uppgav Alphabets AI-företag DeepMind att man skulle ta fram en artificiell intelligens som skulle kunna hitta ögonsjukdomar hos patienter och nu har man presenterat lite resultat från detta. AI:n är utvecklad tillsammans med brittiska Moorfields Eye Hospital som vanligtvis analyserar över tusen OCT-scanningar (Optical Coherence Tomography) varje dag för att hitta ögonsjukdomar hos sina patienter. Enligt de första resultaten från DeepMinds AI är denna nu lika bra som mänskliga specialister på att hitta ögonsjukdomar och den är givetvis betydligt mycket snabbare än en människa. Tanken med AI:n är att denna ska kunna hitta ögonsjukdomar hos patienter snabbare än mänskliga specialister så att man ska kunna sätta in eventuell behandling tidigare. Förutom det så kommer AI:n givetvis att frigöra arbetstid för specialisterna som kan ägna sin arbetstid åt annat.