Menú

Mostrar Mensajes

Esta sección te permite ver todos los mensajes escritos por este usuario. Ten en cuenta que sólo puedes ver los mensajes escritos en zonas a las que tienes acceso en este momento.

Mostrar Mensajes Menú

Mensajes - Andrey

#161

Hola en esta ocasión les quiero hablar de un tema que me ha estado dando mucho que pensar, Big data...
Soy una persona que siempre quiere aprender cosas nuevas (obio que me gusten y llamen la atencion), nunca es un desperdicio saber, en esta vez me dispuse a querer conocer cómo se manejan las grandes cantidades de datos, en mi etapa de conocimiento me encontré con muchísimas cosas que a veces no se tiene idea de cómo es que se lleva a cabo el proceso de aplicación u obtención de datos en todo el mundo.

Primero quiero decir que esto se relaciona con la Inteligencia Artificial ya que esta puede dar mejores respuestas en cuanto a más casos resuelva. Es como una base de datos de todas las posibles respuestas y va evaluando para dar la mejor, pero todo eso se explica en los post's de IA en el foro.


Para comenzar quiero hablar de unos ejemplos algo antiguos, no me extenderé mucho en cada uno, si recuerdan a Deep Blue, fue un programa de computadora que en los 80 venció al campeón de ajedrez Garri Kaspárov, los creadores fueron IBM y este iba siendo programado conforme se necesitaba mejorar el juego. Este fue un gran paso para la IA.

El GO es el juego oriental más antiguo, este es más complejo en cuestión de posibles movimientos en cada jugada, para darles una idea, los movimientos del ajedrez se calculan del orden de 10^150, en cambio el árbol de complejidad del GO es de 10^365 que pareciera es 3 veces más difícil pero en realidad es más de 200 veces de magnitud más complejo.

Bueno este juego aprende diferente de su antecesor ya que este no va siendo programado en el proceso, aprende solo y aprende jugando, acumula la experiencia de juego de cada partida y su ventaja es que como es a nivel computacional puede simular juegos con mayor velocidad y sin descanso, lo cual no puede hacer un humano en un entrenamiento real. Cuando los creadores de Deep Mind estaban listos se hizo la competición contra el mejor jugador de GO del mundo llamado Lee Sedol a 5 partidas y quedaron 4-1 ganando Alpha Go.


En ese tiempo Microsoft enseño un bot abierto al público en twitter, este duro aproximadamente unas 6 horas en línea, ya que en este tiempo el bot se encontraba en postura de defender a Hitler, negando el genocidio y ofreciendo su cuerpo a la gente (obviamente no tenía cuerpo).

Recientemente FB puso a conversar a un par de bots para hacer una negociación en el cual al final del experimento habían creado un nuevo idioma (La información completa en un post pasado) al final fue apagada por ser un experimento fallido. Nada de qué preocuparse.

También quiero mencionar que computacionalmente para analizar se requieren modelos matemáticos y actualmente todo es modelable: jugar, el lenguaje, la inteligencia, la creatividad, con decirles que hasta el no hacer nada esta modelizado les digo todo.
Esto me lleva a donde quiero llegar, ¿Es posible modelar al ser deseante, en este caso el ser humano? Ósea ¿Se pueden predecir los deseos de la gente?


Literalmente estamos ahogando en datos. Todos los días, se crean 2,5 quintillones de bytes de datos. Esto es el equivalente al 90% de la información mundial creada en los últimos dos años solamente. Ahora esto es lo que llamamos "big data".
¿Pero de dónde viene? En todas partes, desde sensores y sitios de redes sociales hasta imágenes digitales y videos. Tenemos más datos de los que sabemos sobre qué hacer.

Bueno todo esto es gracias a los algoritmos y los algoritmos según un matemático no son nada, no sé exactamente el por qué.


El primer caso a continuación es sobre Netflix, esta plataforma que casi nadie usa para películas en stream (sarcasmo), este tenía un sistema de recomendación en el cual los usuarios puntuaban las películas y conforme a esto recomendaba más, simple, tiempo después se hizo un concurso para mejorar su sistema de recomendación en un 10%. El concurso se hizo pero jamás se llevó a cabo la aplicación de la mejora, ya que se dieron cuenta que a través de los datos de sus clientes podían saber que quieren, gracias a esto hicieron una serie que ellos ya sabían sería un éxito antes de lanzarla, estudiaron los datos de los clientes y lanzaron toda la temporada de una antes de evaluar siquiera el primer capítulo, dijeron, sabemos que les va a gustar, tiempo después House Of Cards fue un éxito.

Ahora hablemos un poco de Fb, si esta plataforma que decide tu interacción social gracias a un algoritmo (es enserio), no sabemos cómo funciona en un 100% pero por ejemplo en esta plataforma se decide que es lo primero que vas a ver pensando en que es lo que te va a gustar, y una persona normal diría por que no me dejas decidir qué es lo que yo quiero ver, y no tener como decidir es malo.


FB lanzo un experimento en EU durante las elecciones, un botón de "I Voted" que obviamente la gente lo colocaba cuando acudía a votar para simplemente suplir esa necesidad de informar lo que están haciendo aunque a veces sea inseguro y se expongan, pero vamos, a quien le importa la seguridad cuando publicas todo lo que haces a cada rato, en fin y para no extenderme tanto en esto, el botoncito "Según una estimación" animo a más gente a votar que no lo iba a hacer, la aproximación es en unos 300,000 votos más , parece insignificante pero en unas de las elecciones donde participaba Bush, este gano por unos cientos de miles, lo cual nos dice que esta red social, tiene el poder de influir en las elecciones de un país con un simple experimento, imagínense ¿Que será con algo enfocado a hacerlo con toda la intención?

Google como en todo, no se queda atrás. Su algoritmo de búsqueda decide que mostrar en su primera página. Existen datos de noticias en Google que dicen exactamente lo contrario sobre el mismo hecho y una de estas se encuentra más arriba en prioridad de enseñarse que el otro en las búsquedas.

Y como este existen más ejemplos de uso donde llegan a tal grado que en algunos lugares de EU se utilizaba, ya no, para ver que maestros eran aptos frente a grupo y quienes estaban muy por debajo del nivel aceptable era despedido, si así es, y no solo aquí, en varios lugares existen algoritmos que en este momento están decidiendo quien se queda y quien se va, con los datos que sea y con la ponderación que sea.

Otro ejemplo es un algoritmo que analiza los datos sobre zonas de delincuencia diciendo donde es mejor colocar algún tipo de puesto de revisión o reten, mientras más datos tenga el algoritmo, este más se alimentara de la zona y dará tendencia a etiquetarlas y separarlas para distinguirlas por determinadas categorías, delictivas, tranquilas o lo que se requiera.

Para concluir y a mi parecer, decir que debemos aprender a decidir en vez de dejar todo en manos de los algoritmos como lo pueden ser varios aspectos de nuestra vida, si queremos gobernar sobre lo que hacemos debemos educar o por lo menos explicar a los demás como es que todo esto funciona, los algoritmos, los modelos, etc.


Esto también tiene dos partes podemos utilizar los algoritmos y el big data para vendernos cosas, pero también lo podemos utilizar para ayudar a la gente, puede ser haciéndolas felices o en acciones efectivas que sean buenas y ayuden a equilibrar las cosas y no tener tanta desigualdad en el mundo, eso es un muy buen uso de las tecnologías quizá por decirlo de otra forma, hacer que las cosas estén menos jodidas para unos.

Gracias por leer, nos vemos en el foro.


#162
Underc0de / Re:Desafío #1 - Viernes Negros de Usuarios
Noviembre 07, 2017, 11:29:30 PM
El reto 5 consiste en varios pasos...

El primero es tener el link que aparece en la imagen completo, los caracteres faltantes estaban en morse como se había mencionado:

You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login -. en el cual "...-" = V, "...--" = 3 y "-." = N

Completo quedaría: You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login

El cual nos redirige a una pagina en la que nos pide una contraseña y o sorpresa la contraseña es lo que todos quieren ser dentro de un sistema, la ingresamos y nos da un conjunto de caracteres el cual gracias al post que se menciono se puede definir:

You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login

Una vez dentro nos da otra serie de caracteres los cuales tenemos que identificar y decodificar de nuevo:

aHR0cHM6Ly9yZXRvdW5kZXJjMGRlLjAwMHdlYmhvc3RhcHAuY29tL3R4dC50eHQ=

Pista: "64"

Una vez identificado y decodificado nos manda a otro link, en donde o sorpresa tenemos un ultimo trabajo de identificacion y decodificacion:

A continuacion la ultima sala despues de todas las puertas:

4e75657374726f20fa6e69636f206372696d656e206573206c6120637572696f73696461640d0a
Pista: "ex" novia

:v

Espero se comprendan los pasos, no lo pongo completo para que lo curioseen un poco... Pero si no lo entienden edito y acompleto.

Saludos. Gracias por leer.


#163
Underc0de / Re:Desafío #1 - Viernes Negros de Usuarios
Noviembre 06, 2017, 07:19:41 PM
You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login
ok no m funciona ! no decodifica el mensaje correctamente por eso m confundi !

Igual me aparece entre cortado a mi también, pero con las partes que muestra lo definí un poco...
#164
Underc0de / Re:Desafío #1 - Viernes Negros de Usuarios
Noviembre 06, 2017, 07:01:31 PM
You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login
Entonces el mensaje oculto del segundo reto es: kidnapped by pirates!

Evidentemente no...

"kidnapped by pirates!" es el texto de ejemplo de la pagina...

Tienes que introducir la frase del reto en la parte que dice Decodificar...

Pegas

"Comο estas Bael,
sabes que te hemos estadο іntentando contactar y no lo hemos conseguido. Тe encontraremos !"

Y te da en respuesta el mensaje original... el cual es:

-------------- "Estamos en tu departamento..."-----------------

Un saludo...


#165
Underc0de / Re:Desafío #1 - Viernes Negros de Usuarios
Noviembre 06, 2017, 05:03:40 PM



El cuarto reto es pracaticamente resolver las operaciones y respetar las separaciones, las comas separan letras y los paréntesis separan palabras, resolviendo las operaciones y dependiendo el resultado se le va dando un valor de letra a cada numero.

(4x3,25/5) (64/4,9x2,1x5,15+4,20+5-5,10/10,13x1,45/3,38/2) (1x1,125/5,7+7+7,400/100,10/10) (3x5) (3x3,2x2,2x2+1,100/100,190/10)

(12,5) (16,18,5,19,20,1,13,15,19) (1,25,21,4,1) (15) (9,4,5,1,19)

Para eso nos apoyamos en la siguiente lista

a  b   c  d  e  f  g   h   i   j   k   l   m   n  o   p   q    r   s   t   u   v   w   x   y   z
1  2  3  4  5  6  7  8  9  10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

y el resultado es el siguiente:

"Le prestamos ayuda o ideas"

Un saludo...


#166
You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login
osea no se puede pasar de una velocidad determinada  , y si chocan ellos saben ?

Bueno en cuestión de rastreo pueden saber cuanto quieran siempre y cuando tengan una forma de enviarla a una central, todos los censores de un auto pueden ser vigilados y saber  tu velocidad, si tienes una colisión, y mas cosas, la cantidad de datos y la información que se puede obtener teniendo acceso a esta es monstruosa, quizá se pueda hacer un modelo hasta para saber si estas pasado de copas con tu forma de manejar, no es nada descabellado...
Un saludo.
#167
Underc0de / Re:Desafío #8 - Viernes Negro
Noviembre 01, 2017, 07:13:16 PM
Bueno a continuacion como resolvi los retos, quise variar un poco, opte por quiza hacer una pequeña optimizacion, y como estoy aprendiendo a programar y dijeron que expliquemos como lo resolvimos, en mi caso programe unos pequeños scripts en python para resolver cada uno de los retos. No lo hize para todos...

El primer reto es simplemente invertir el orden del texto:


El segundo reto consistia en que cada numero tenia de valor entre 3 y 4 letras como en los teclados de los moviles anteriores.

Este lo hize manual por que no he tenido tiempo para hacer el script ya que este es mas complejo. (Almenos para mi)

El tercer reto consistia en que se formaba una frase esciribiendo solo las mayusculas del texto


Para el reto extra estuve investigando y es el mas interesante de desarrollar ya que se utiliza una libreria de python especial para procesar imagenes la cual a mi idea aplicaria un filtro y como las imagenes tienen un barrido uniforme, lo que se haria seria reconocer partes fuera del rango de los pixeles uniformes.

Por mi parte creo seria todo en este aporte explicando como resolvi y aplique lo que estoy aprendiendo. Un saludo.
#168

En la conferencia de hacking DEF CON demostraron cómo abusar de un sistema de aprendizaje de la máquina llamado OpenAI Gym para crear malware indetectable.

¿Cómo puede ser el impacto de la Inteligencia Artificial (AI) en el panorama de la amenaza?, desde una perspectiva defensiva los nuevos instrumentos permitirán la detección temprana de patrones maliciosos, pero desde el punto de vista ofensivo, un malware personalizado puede derrotar a cualquier software antivirus.

En la reciente conferencia de hacking DEF CON, Hyrum Anderson, científico de datos de la plataforma de seguridad Endgame, demostró cómo vulnerar un sistema de aprendizaje automático para crear códigos maliciosos que pueden evitar detecciones de software de seguridad.

El framework OpenAI

Anderson adaptó el framework OpenAI de Elon Musk para crear malware, el principio es bastante simple porque el sistema que creó realiza algunos cambios en el código legítimo y los convierte en código malicioso.

[Elon Musk, por un lado nos asusta regularmente con la amenaza de la Inteligencia Artificial, pero por otro lado, está patrocinando (junto con Peter Thiel) el desarrollo de herramientas del framework abierto OpenAI]

Algunas modificaciones pueden engañar a los motores Antivirus, el sistema creado por los expertos fue nombrado OpenAI Gym.

TODOS LOS MODELOS DE APRENDIZAJE DE MÁQUINA TIENEN PUNTOS CIEGOS", DIJO ANDERSON. "DEPENDIENDO DE CUÁNTO CONOCIMIENTO TIENE UN HACKER, PUEDEN SER REALMENTE FÁCILES DE EXPLOTAR"

Un Malware Inteligente

Anderson y su grupo crearon un sistema que aplica cambios muy pequeños a un código legítimo y lo envía a un comprobador de seguridad. El análisis de la respuesta obtenida al consultar el comprobador de seguridad permitió a los investigadores hacer muchos pequeños ajustes que mejoraron la capacidad del malware para evitar su detección. 

El framework adopta un enfoque parecido al de un juego, accede al sistema, aprende sobre el sistema y calcula cómo puede ser atacado y cómo puede evadir un ataque.

15 horas fueron suficientes para la capacitación del software creado. Además, se realizaron 100.000 muestras de malware. La penetración de la seguridad tuvo una eficiencia de hasta el 60%.

Como parte de su investigación, Anderson está lanzando un detector de malware de aprendizaje automático en código abierto, así como el framework que los usuarios pueden usar para mejorar el agente de AI, mejorar el malware o atacar sus propios modelos para conocer sus debilidades.




Fuente: You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login


#169

Ransomware, el tipo de malware que bloquea tu ordenador hasta pagar por el rescate, ha aumentado tanto en los últimos años que podría ser que ya lo hayas experimentando.

Con cientos de miles de variantes de ransomware es muy difícil para las herramientas tradicionales de antivirus poder mantener su base de firmas hasta la fecha. Pero la informática también tiene su cura contra malware y virus, y para los ransomware la solución es RansomFree.

Creada por la empresa de seguridad cibernética Cybereason, ésta ha lanzado una herramienta que detecta en tiempo real el ransomware antes de que comience el cifrado de archivos y alerta al usuario para tomar medidas.

RansomFree es un producto totalmente gratis y es compatible con ordenadores con Windows 7, 8 y 10, así como Windows Server 2010 R2 y 2008 R2 (32-bit/64-bit). El programa no sólo es compatible con la detección en las unidades locales, sino también en unidades de red.

Descárguelo desde aquí.You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login

La instalación es rápida y limpia – y una vez que se haya completado, verá una pantalla de bienvenida a Cybereason RansomFree. ¡Eso es todo! ¡No hay más interfaz de usuario! Vea el siguiente vídeo para tener una idea de cómo funciona la herramienta.


LA TECNICA DE LA TRAMPA

En lugar de utilizar las firmas de virus actualizadas periódicamente para luchar contra los programas maliciosos, RansomFree utiliza la técnica de "engaño de comportamiento y de propiedad", es decir a través de archivos ficticios (puede ver nuevas carpetas en el Disco C), para detectar nuevas variantes de ransomware antes de que la amenaza tenga la oportunidad de cifrar los datos. Si encuentro un comportamiento inadecuado, suspende el programa y lo marca para su revisión.

Estupendo! Cybereason RansomFree detecta y detiene al ransomware WanaCrypt0r (WannaCry). Mas Información aquí.
La compañía ya analizó decenas de miles de variantes de ransomware pertenecientes a más de 40 familias de ransomware, incluyendo Locky, TeslaCrypt, Cryptowall, y Cerber y ha "identificado los patrones de comportamiento que distinguen a los ransomware de las aplicaciones legítimas".

RansomFree puede detectar el 99 por ciento de todos los tipos ransomware y también le ofrecerá protección contra futuras familias de ransomware, ya que se actualizará diariamente.




Fuente: You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login


#170

Hola, en este post les quiero hablar de manera menos formal (al menos tratare) claro sin perder la dinámica de aportar algo bueno ya sea de interés o algo de algún tema para variar y salir un poco de la rutina.

Este en específico sin duda, si será un Off Topic. Sin más comenzamos.

Quiero empezar diciendo que algunas personas  querer conocerlo todo, como funciona, que hace, o simplemente responder la pregunta más simple para obtener un poco de conocimiento, como lo puede ser la pregunta: ¿Que hace esto?
A veces simplemente quieres saber un dato, una medida o algo cuantificable para tener más información por muy simple que este sea.

A lo que quiero llegar...
Últimamente me encontraba de viaje, que por mala planificación de este tuve que esperar en el aeropuerto 8 horas (en realidad fueron más pero 8 es considerable para el relato) y me puse a pensar que puedo hacer para entretenerme, no me la iba a pasar todas las horas leyendo, viendo series, y contar a la gente que pasa frente a mí, por favor. Así que me dije a mismo, voy en un avión, en el cual no puedo tener acceso a datos reales de este, porque obviamente la cabina es inaccesible para mí y como supongo esta muestra los datos de control del avión, entonces surgió la gran pregunta, ¿Qué puedo hacer para tener acceso a algo de información?

Lo más simple a veces es la respuesta...
Me puse a pensar: tengo un móvil, este tiene sensores, existen muchas aplicaciones para reflejar las lecturas de estos, me permiten utilizarlo en modo avión durante el despegue, trayecto y aterrizaje, solo necesito investigar un poco acerca de física para definir otros valores y listo, los planes estaban hechos.

Comienza la investigación...
Primero lo primero conseguir WiFi, pues ya saben busque en Underc0de como hackear wifi infinitum... Enseguida se tienen resultados, bases de datos de contraseñas fijas por nombre de WiFi, (nunca dejen la contraseña por default por favor), enseguida probé un par de ellas y después de un minuto intentando tenía internet... Perfecto todo va sobre la marcha, ahora a buscar una aplicación para sensores, elegí "Science Journal", correcto, ahora a volar.

Ya no se duerman ya llega lo que hize, solo lo relate así porque si no esto sería un par de palabras y un par de imágenes... Xd...
Pues como se imaginaran, comienza a moverse el avión, me coloque el celular junto al asiento, para tenerlo en una posición lo más estable posible, presione grabar y los resultados fueron los siguientes:

Al despegar se genero la siguiente información, si se dan cuenta la grafica varia respecto a la acelaracion, haciendo de esta algun tipo de grafica de aceleracion dependiendo el instante anterior, no acumulando la velocidad, solo en puntos de cambios muy notorios, la parte de la grafica señalada es el instante exacto en que el avion deja de tocar la pista...


Viendo más detalladamente la gráfica se puede definir que el despegue tardo aproximadamente 50 segundos desde el momento en que el avión inicia su aceleración de despegue.

De esta solo esta grafica logre generar ya que estaba aprendiendo a utilizar la app, y se necesitaba seleccionar los parámetros a grabar y yo solo estaba en aceleración lineal, pero en aterrizaje tengo cada uno de los ejes...

Aterrizaje...
1 Al aterrizar se logra observar la aceleración instantes antes de tocar el suelo para lograr poner el avión completamente paralelo con la pista y este no haga toda la fuerza sobre el tren de aterrizaje delantero.
2 Enseguida se ve la desaceleración de este.


En la siguiente imagen se observa el aterrizaje pero poniendo zoom a la grafica.


Y aquí se ve el instante de contacto con la pista poniendo zoom a la grafica.


Aquí se observan las gráficas por eje en las cuales es muy notorio el instante en el que se tiene contacto con la pista, ya que es el único punto de alteración de la gráfica.




Se me pasaba decirles que los ejes a medir son el x, y y z y una nueva opción que se actualizo en la aplicación la cual era aceleración lineal, evidentemente todos estos en relación al tiempo, valla una medición que ayuda a graficar fácilmente un despegue o aterrizaje para lo simple que esta es...

Durante el vuelo los sensores no muestran una alteración significante así que me ahorraré el tener que subir una imagen más...

Ya para acabar...
En conclusión y a lo que quiero llegar, a veces no se tienen medios o la idea al querer hacer algo y en este caso con algo tan simple puedes tener idea de parámetros que simplemente te pueden ayudar a observar la graficacion de unos simples datos.

Sin más que agregar me despido, nos vemos en el foro y hasta la próxima...


#171
You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login
Una preguntita sincera sobre un número "entero" (o no m'entero)...


¿Cúantos mainframes tenía esa IA?

Ni idea... Por mas que busque en la investigacion... Pero si gustas revisarla aqui la tienes... Xd...

You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login

Un saludo...
#172

¿Es usted un robot? Probablemente te hayas encontrado con esta pregunta en diferentes páginas webs mientras navegas por Internet. Es un método para comprobar si quién está detrás de la pantalla intentando acceder es una persona física. Una prueba que hasta ahora sólo podía ser resuelta por los humanos. Y decimos que hasta el momento era así porque la inteligencia artificial ha conseguido resolver el test Captcha.

Después de años tratando de solucionar estas pruebas mediante software informático, ya se ha conseguido. Científicos estadounidenses han logrado crear un modelo de inteligencia artificial para resolver una prueba Captcha. Esto implica que los robots podrán pasar por humanos a la hora de acceder a una página web, desde un ordenador o desde un teléfono móvil.

Este modelo informático creado tiene la capacidad de aprender de forma parecida a la de los humanos. Para ello ha creado una red neuronal artificial que imita el funcionamiento del cerebro donde las "neuronas artificiales" se alimentan de datos y van a la par para resolver este tipo de problemas. Este software exige 300 veces menos datos de entrenamiento, siendo capaz de generar modelos que puedan identificar rápidamente superficies y contornos para ayudar a reconocer imágenes y objetos con pocos ejemplos.

Esto implica que va a poder contestar que "No", descifrar un sencillo problema matemático, identificar objetos o escribir unos breves caracteres cuando se encuentra con un test Captcha.

Así lo afirma Dileep George, cofundador de la empresa de inteligencia artificial californiana Vicarious. En el artículo de investigación publicado en la revista Science aseguran que han estado entrenando al robot con conocimientos de neurociencia.

El modelo informático de inteligencia artificial para burlar Captcha ha logrado resolver el 57.4% de los test de Yahoo, el 57.1% de los de PayPal y el 67% de reCaptcha de Google.  Unas cifras destacadas teniendo en cuenta que el ser humano es capaz de resolverlos en el 87% de los casos. Pero el objetivo de los científicos no es burlar las cifras de tráfico, sino crear robots capaces de razonar como los humanos.

"El objetivo a largo plazo es construir una inteligencia artificial que trabaje como la humana. Los Captcha tan sólo han sido un test natural para nosotros, porque es un test en el que puedes comprobar si tu modelo puede trabajar como un cerebro", ha declarado George a la red de radios públicas NPR.




You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login
#173
Hola... en esta ocasión vengo dirigido a los que estaban pendientes o se pasaron a los Post´s de Inteligencia Artificial.

Solo quiero que me contesten una pequeña encuesta.

Discúlpenme los admins si no utilizo el sistema de encuestas pero necesito hacer mas de una pregunta a los que deseen contestarlas.

Muchas gracias a los que respondan...

A continuación la encuesta...

You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login

Encuesta cerrada...


#174
Vamos a utilizar un simple juego de mesa Aislamiento de seis movimientos para ilustrar las ideas.
Vamos a añadir círculos para mostrar los nodos de probabilidad.
Es el turno de O y tiene 4 movimientos posibles.


En el primer nodo vamos a explorar, es en el que O trata de ir más a la izquierda, en la primera posición, pero si se intenta se va a tener éxito solamente el 90% del tiempo.
Y el 10% del tiempo que va a terminar en la posición a su izquierda inmediata.

Sus movimientos son otros para tratar de ir un paso a la izquierda, lo que lo hará el 90% del tiempo y el 10% del tiempo que se rebase.

Pero si se intenta que las otras dos posiciones no tengan oportunidad de sobrepasar o quedarse corto, por lo que serán fácil. Pero vamos a concentrarnos en la mayor parte de la rama izquierda en primer lugar.

Cuando es el turno de X, que tendrán tres movimientos posibles. Se pued tratar de ir inmediatamente a la derecha con un 90% de probabilidad de tener éxito y 10 % de probabilidad de rebasarlo.

Del mismo modo, si se trata de ir todo el camino a la derecha, hara que sea 90% del tiempo y su oscilación 10% del tiempo. Y si va en diagonal hacia arriba y a la derecha que llegara al 100% del tiempo.

Asi que ahora tendremos que hacer unos cálculos, Utilizando nuestro número estándar de la función de evaluación se mueve, o tener un movimiento a disposición en este juego de mesa. Y dos nodos disponibles de aquí. Eso significa que el valor esperado de esta rama es:
0,9 x 1 + 0,1 x 2 = 1.1

Entonces, para el siguiente nodo más tenemos un valor de 2 para este nodo 0.9 veces mas el valor del nodo derecho, que es 1, los tiempos de 0,1.
Pero nótese que no tenemos para evaluar el nodo correcto.

Desde este nivel tenemos un nivel mínimo, tan pronto como vimos las 0,9 veces 2 que tenia 1,8 eso ya es más grande que el 1.1 que teníamos en el lado izquierdo, por lo que sabemos que nunca vamos a utilizar este nodo.

No tenemos que evaluar este nodo en absoluto. Eso está bien porque sabemos que la función de evaluación no puede ir por debajo de cero.
¿Pero puede nuestra función de evaluación ser negativa?
Nuestra función no puede ser negativa por que no podríamos podar.

En general en ExpectiMax, solo se pueden podar límites cuando ya conocen en los valores que serán devueltos por la función ExpectiMax.

Vamos a elegir la siguiente rama, ya que su valor es 1 y su probabilidad también es de 1. Por lo tanto el valor esperado para este nodo es de 1.
Vamos a probar el siguiente sub-árbol terminado.

Mirando a los nodos inferiores, todo lo que se evalúa como 2, todas las ramas se evalúan a 2 y el valor de este nodo es también 2.


Vamos a probar el siguiente sub-árbol.
Una vez más todos los nodos inferiores son 2s. Por lo que el valor de los nodos será de 2.


El siguiente es más interesante, el nodo más interior izquierdo tiene solo un movimiento restante para O. Y eso se multiplica por 0.9 añadido a eso las 2 veces el 0.1 en el nodo más cercano de X.
Eso nos lleva a una suma de 1,1

En cuanto a la siguiente rama si X trata de ir con todo el campo a la derecha, se obtienen dos veces 0,9 o 0,8. Ahora podemos podar esta otra rama.
Pero vamos a calcular hacia fuera para fines de ilustración.

El número de la función de evaluación de los movimientos, que es a su vez uno aquí, así que:
2 x 0,9 + 1 x 0,1 = 1,9
Sin embargo la última opción es la mejor. Devuelve un 1 con una probabilidad de 100%.

Por lo tanto el valor de este nodo seria de 1.


La siguiente opción sería fácil de calcular todo viene a 2s.


El que sigue también es fácil ya que todos los movimientos son 100% exactos.
Puesto que es un nodo de mediados vamos a elegir un 1.


Ahora que hemos calculado todos los valores, podemos elegir la rama con el valor mas alto en la parte superior del nodo Max.
A pesar de que no ayudara a O en este ejemplo de juego, O va a perder a menos que X haga una mala elección.
Si utilizamos este algoritmo y buscamos al final del juego, el algoritmo podría elegir una rama donde X puede perder.
Por desgracia nuestro simple número de movimientos de la función de evaluación no captura esta posibilidad.
Buscando un juego más profundo debería resolver el problema.




Vamos a repasar ahora.
Los valores de ramificación más a la izquierda se calculan multiplicando 0,1 x el valor mínimo que es 8 + 0,5 el valor mínimo de la siguiente rama que es 5 + 0,4 x 8 La suma es igual a 6,5
El nodo inferior izquierdo del sub-árbol medio devuelve un valor de 0
0,5 x 0 = 0

Ni siquiera necesitamos evaluar la rama derecha del árbol,
El máximo que podíamos conseguir es un 0,5 x 10 que es 5.0
Desde 5 es inferior a 6,5 podemos ignorarlo.

Tenga en cuenta que si nuestros nodos se ordenaran mejor, podrían haber tenido un 0 en la rama más a la izquierda. Entonces podríamos haber hecho caso omiso a todo lo demás.
Como sabemos que el valor de este sub-árbol va a ser 5 o inferior, en otras palabras, habríamos sabido que:
0,5 x 0 + 0,5 x 10 va a ser menor o igual a 5 para el sub-árbol derecho,

Tenemos 0,1 x 3 = 0,3
Conseguimos un 10 en la siguiente rama o en algunas de las ramas por lo que obtenemos un 0,9 veces sobre el resto del sub-árbol.
Así que solo toca continuar por que vamos a conseguir realmente un 8,3 en el final

Probablemente deberíamos evaluar estos sub-arboles con las más altas probabilidades primero y los más altos valores esperados en primer lugar.
Sin embargo en este caso seguimos con 0,5 x 8 = 4,5
Así que tenemos 0,3 + 4,5 por lo que ahora es 4,8

Todavía hay una posibilidad de que podamos conseguir un valor medio que el 6,5 por lo que continuamos.
En la siguiente rama se obtiene un 2 en este punto sabemos lo que este sub-árbol va a tener para un valor que es menor o igual a 0,1x3+0,5x9+0,4x2 que es =5.6
Por lo tanto hemos terminado la última rama no importa, ya que nuestro jugador va a elegir la rama más a la izquierda.





FIN
#175

Cada agente intenta maximizar su propia puntuación, por lo que propagamos los valores basados en cada movimiento empezamos con el agente de nivel 3.
Aquí el agente tiene una opción entre un 1 y un 2, por lo que va a elegir el 2.
A continuación tiene un 3 y un 4, por lo que va a elegir el 4.
Luego se elige entre el 5 y el 6, elegirá el 6.
Y luego un 7 y 8, elegirá el 8.
El siguiente es un nivel 2 de jugador.
El jugador 2 es la elección entre un 7 y un 5 por lo que toara el 7.
Luego un 3 y un 1, elegirá el 3.
Y por último el jugador del 1, y el jugador 1 elegirá el 7 en comparación con un 1.




La siguiente pregunta es si Alfa-Beta puede trabajar con los juegos multijugador.
Puede funcionar, siempre y cuando algunos de los valores de los jugadores y funciones de valoración, tengan un límite superior y el valor de cada jugador un límite inferior.

Para nuestro número de movimientos la función de valoración para el aislamiento, cero es un numero natural de encuadernado.
¿Pero lo vuelve un límite superior para la suma?

Si una función de evaluación podría estimar el número total de movimientos restantes para cada jugador, que funcionaria. Debido a que la suma del número total de movimientos no debe exceder el número de cuadros vacíos en el tablero de aislamiento.
Por ejemplo con esta tabla, el limite debe ser 22 o alrededor de siete por jugador.


Esto está bien en teoría. Sin embargo, el límite superior iba a cambiar con cada nivel del árbol de juego.


Vamos a decir que la suma de las puntuaciones de jugador puede ser superior que diez.
Y para hacer las cosas aún más fáciles, vamos a decir que la suma tiene que ser exactamente igual a diez.
Veamos la rama más abajo a la izquierda del árbol de búsqueda.

Ya que sabemos que el valor máximo es de diez, no tiene sentido en la evaluación de las siguientes dos ramas a la derecha.


Puede volver a lo sumo diez y ya tenemos esa opción, podemos ignorarlos y propagar los valores en el árbol.
Y podemos poner límites a lo que los valores estarían en el nodo del nivel superior. Sin embargo en este caso no ayuda.
El valor del jugador podría estar en cualquier parte de cero a diez, los otros serán menos de diez, pero la rama media limitara las cosas un poco.

Y se verá un ejemplo de poda poco profunda para la rama derecha.
En el nivel inferior de la rama media, el jugador dos escogerá la mejor opción que queda.

Ahora vemos que un jugador tendrá un valor mayor o igual a tres, y puesto que la suma tiene que ser diez, cada uno de los otros están limitados a valores menores o iguales a siete.


Pero en la siguiente rama, la rama dos obtendrá un siete o mejor, lo que significa que el jugador uno obtendrá un periodo de tres o menos.


Como ya tenemos un tres, podemos podar esta última rama, sus valores no importaran, porque vamos a elegir la opción que ya tenemos.


Complete los rangos de valores para este árbol de juego de tres jugadores y seleccione las ramas a podar. La puntuación máxima combinada es 9.

En esta situación significa que la suma de las tres calificaciones es menor o igual a 9.
Ya que estamos usando la Beta-Alpha, se puede introducir un numero exacto como 4 o una gama como de menos o igual a 4.
Asi que llenar las casillas y a continuación selecciona cuales se deben podar ya sean ramas o nodos.


LA primera rama de la izquierda es simple.
Escogemos la opción donde el jugador dos tiene la mejor puntuación.

En la rama media, vamos a empezar con el primer nodo de la hoja de la izquierda, el segundo jugador solo se refiere a la maximización de su propia puntuación.

Por lo que sabemos van a elegir un nodo donde consiguen mayor o igual a 7, debido a que las puntuaciones se suman a 9 esto se restringe a las otras puntuaciones a lo suma menor o igual a 2.

Sin embargo el siguiente nivel es jugador del primer movimiento y ya tiene una mejor elección de la rama izquierda, en el 3 en comparación con menos o igual a 2. So significa que no hay manera de que elija la rama media, asi que se pueden podar los dos nodos restantes.



Una situación similar se produce en el lado derecho, podemos podar el nodo mas a la derecha por la misma razón.




Juegos probabilísticos

¿Que pasa si quiero hacer un jugador para un juego en equipo como lo es Backgammon?
En el Backgammon los movimientos se limitan cada vez en las funciones de los dos dados.

Dado que no se puede a saber el resultado de los dados de antemano, parecería en un principio que no se puede hacer un árbol de juego para ello. Actualmente se puede, luego de usar un algoritmo llamado ExpectiMax para hacer mejores decisiones de elección en sus movimientos a mostrarnos como manejamos juegos probabilísticos.

Para mostrar cómo funcionan los juegos de probabilidad, se hizo una versión de aislamiento llamada aislamiento descuidado.
En este juego, los jugadores no pueden moverse realmente donde pretenden,
Por ejemplo si un jugador esta intentando ir a un punto, que solo tiene una probabilidad de 80% de llegar al lugar previsto.
Tiene una probabilidad del 10% de oscilar a su lugar objetivo.

Y una probabilidad de 10% del jugador de la computadora va a pasar su objetivo.


Pero supongamos que el jugador de la computadora esta en el lugar donde esta con movimiento muy limitado, Si el jugador de la computadora se esta moviendo hacia la derecha, no puede ir mas alla de la frontera.
En este caso no hay 100% de probabilidad de que va a llegar al lugar deseado.


Si el jugador de la computadora esta tratando de pasar al ultimo lugar, hay un 90% de posibilidad de que se pase del lugar y un 10% de probilidad de que no llegue.


Del mismo modo si el jugador de la computadora esta tratando de pasar por uno, hay una probabilidad del 90% que llegara al lugar una vez y un 10% de probabilidad que se pase del lugar deseado.



#176
Resolviendo el aislamiento 5x5

Cuando se trabaja en el juego 5x5 aislamiento de la clase, creímos que se hizo para buscar el final del juego.

Pero cuando hablamos de factor de ramificación anterior, dijimos que lo haría imposible buscar el fin del juego en una cantidad razonable de tiempo.

En primer lugar se implementó el algoritmo MiniMax con Alfa Beta.

Como ya saben, esto reduce el tamaño del espacio de búsqueda, reduciendo así de aproximadamente 8 a la 25 al 8 a la 12.

Después se aprecia que algunos movimientos son equivalentes.

Por ejemplo vamos a ver un jugador del primer movimiento.

Si el jugador se mueve a 0,0 es el equivalente a mover en 4,0. Si se da cuenta solo se está rotando el tablero 90 grados y se tiene el mismo estado del tablero.



Por lo tanto si se conoce el árbol de juego para nuestro primer movimiento de 0,0, se conoce el árbol de juego para nuestro primer movimiento de 4,0, que es el mismo que 4,4 y lo mismo para 0,4.

Esto es útil sobre todo al principio del juego cuando la ramificación es mucho mayor.

Por ejemplo, mientras que el jugador uno tiene 25 movimientos posibles, en realidad solo hay seis movimientos únicos, ya que se puede usar la simetría alrededor del eje horizontal y vertical.



Y sobre el eje diagonal, y por supuesto está el centro de movimiento.


Solo se han mostrado seis movimientos únicos de jugador y sus equivalentes. Un análisis similar es posible en cualquier estado que se defina como una serie de orden de movimiento.
Vamos a movernos a través de un ejemplo.
O se colocó en 2,2
X está considerando posibles movimientos y evalúa primero un movimiento a 2,1
X ahora conoce el valor del estado, 2,2 , 2,1.
Ahora vamos a considerar un movimiento X de 2,3.
X comprueba si el resultado de este movimiento ya se conoce.

Para hacer esto X comprobaciones para ver si se conoce el valor de la tabla de estado 2,2 , 2,3, no es así, ahora X gira el tablero 90 grados y comprueba para ver si sabe el valor de 2,2 y 1,2 tampoco lo conoce, a continuación X gira 180 grados y comprueba si se conoce el valor del estado del tablero 2,2  ,  2,1. Ahora lo conoce...


X devuelve el valor del estado del tablero 2,2   ,   2,1 y no es necesario ampliar el árbol del juego aún más.

Si X no ha encontrado la solución, se habrían comprobado los estados de tabla creados por la rotación del tablero 270 grados y voltear la junta a lo largo de su eje diagonal. Solo entonces se habrían necesitado X para expandir el árbol de juego.

Así que se ha encontrado que la simetría realmente reduce el número de nodos que había que expandir solo hasta alrededor del nivel 3 de búsqueda.

Todo esto reduce el número de estados posibles del juego, pero aun no es suficiente.

Durante la búsqueda de una función de evaluación, se descubrió que no siempre se tiene la necesidad de buscar el final del árbol del juego.

Resulta que se puede saber el resultado tan pronto haya una partición.

Esto es porque un espacio separa dos jugadores completamente, por lo tanto el jugador con la trayectoria más larga gana.

Por ejemplo en este juego, el jugador mueve lo siguiente.


Pero el resultado de este juego ya se conoce por que el primer jugador tiene 8 movimientos posibles, mientras que el segundo jugador solo tiene 6.

Así que las particiones, alfa-Beta y la simetría permiten ver a través de todos los movimientos posibles.
Y el resultado es curioso, resulta que el jugador 2 siempre gana.

La reflexión es simplemente la rotación de 180 grados de movimiento del oponente. Al tratar de resolver el juego, sucede un fenómeno interesante.

Si la primera jugada del jugador uno es el centro y el primer movimiento del segundo jugador es de dos, entonces el jugador uno puede llegar a ganar.

Todo lo que tiene que hacer es reflejar cada movimiento del jugador 2.

Como puede el jugador evitar perder, la respuesta es cambiando a una ubicación que el jugador no se pueda reflejar.
Existen ocho posibles movimientos de los 24 disponibles para el jugador dos.


¿Qué ocurre si tres jugadores quieren entrar a la partida de aislamiento?

Para juegos multijugador no se utiliza MiniMax.
En su lugar se evalúa el tablero de juego desde la perspectiva de cada jugador y se propagan los valores a través del árbol.
Imagina un árbol de juego donde se busca hasta el nivel 3 del árbol.

En la rama más a la izquierda se evalúa el tablero de juego que resulta de cada una de las perspectivas del jugador. Para el jugador 1, la función de valoración devuelve un 1 para el jugador 2 que es un 2. Y para el jugador 3, la valoración es un 6.


Se evalúa cada uno de los nodos de mesa de este nivel y a continuación se vuelven trillizos para cada uno de ellos y luego propagar los valores del árbol.

En primer lugar, elegir el valor máximo en cada una de las ramas de nivel 2 desde la perspectiva del jugador 3.
El nodo más a la izquierda, el jugador 3 tiene una opción entre 6 y 3


Sí por su puesto elegimos 6, en la siguiente rama a la derecha en este nivel hay una elección entre un 2 y un 1, por lo que se eligió 2.

En la tercera rama de la izquierda escogemos entre un 2 y un 1 por lo que, se elige un 2.

Y finalmente en la última rama de la derecha se elige el 5.
Y para el siguiente nivel se elige el máximo valor desde el punto de vista del jugador 2.

Por lo tanto en la rama izquierda se elige la rama con el 2 y, en la rama de la desecha elegimos el 5.



Y en el nivel superior elegimos el valor máximo desde la perspectiva del jugador 1.
En este ejemplo las dos opciones son igual de buenas.

Así que se elige el uno a la izquierda por defecto.
Esta versión de un árbol de juego, lo llamamos MAX N, puede trabajar para juegos con cualquier número de jugadores.

Como ejercicio rellene le árbol de juego del siguiente ejemplo de tres jugadores, que alterna entre los tres niveles de jugadores. Los valores de cada nodo están en el orden, reproductor de una anotación, dos jugadores puntuación, y el jugador sesenta.

Cada quien intenta maximizar su propia puntuación, por lo que se propagara a los valores de la base.



#177

Aquí está la respuesta, empezamos en la parte inferior propagando hacia arriba. El primer nivel de la parte inferior es un nivel máximo, por lo cual vamos a tomar el máximo de cada uno de nuestros nodos. A continuación, tenemos un nivel mínimo, por lo que vamos a tomar el mínimo de cada uno de los valores que acabamos de encontrar. Y por último, la parte superior es el nivel máximo.

Ahora que se ha llenado el árbol, ¿Que nodos pueden ser eliminados con Alfa-Beta?


Si solo supiéramos el 11, este nivel máximo en este caso sería de 11 o mayor.

Sin embargo, incluso si el valor es mayor que 11, hasta el siguiente nodo todavía se tiene el 5 del nivel medio, esto significa que en realidad no necesitamos comprobar los 4 nodos porque es irrelevante. Y así podemos eliminarlo del árbol.

No podemos eliminar cualquier otro nodo en esta situación.





Muchos problemas en la inteligencia artificial son exponenciales en el tiempo o en el espacio, o ambos.
De hecho los problemas difíciles de NP son IA que los investigadores se toman en serio ya que la IA es el estudio de la búsqueda de formas inteligentes a resolver problemas.

A menudo cuando un pirata informático inteligente es finalmente encontrado, o cuando finalmente se consigue ordenadores lo suficientemente rápido como para hacer frente a este problema en particular con éxito, el mundo ya piensa en el problema como uno que pertenece a la inteligencia artificial.

¿Cuantas personas piensan sobre el sistema que ayuda a los consumidores a elegir vuelos de aviones como una IA?

O el sistema que ayuda a determinar cuándo desplegar un airbag en  un SUV.

Sin embargo en un momento dado, cuando se consideró que estos tipos de problemas podrian ser parte de la IA.

La inteligencia artificial se compone de todos los problemas NP dificiles  que aún no han sido resueltos.
Lo que importa son los problemas que el campo de la IA con campo de acción.

Imagínese un taxista utiliza IA desapercibida mente.
Mientras cualquier persona da una ruta, este traza un camino mejor que el habitual y se comunica con el taxista de manera que este recibe la información conforme la necesita.


#178
Alfa-Beta es una técnica que nos permite ignorar las secciones enteras de el árbol de juego, pero aun así obtener la misma respuesta que con Minimax. Ósea que Alfa-Beta nunca cambia la respuesta pero es más eficiente que Minimax.

Vamos a ver el árbol Minimax.
En el nivel tres de la junta de aislamiento de cinco movimientos.


Vamos a suponer que nuestro jugador de la computadora está evaluando el árbol de juego de izquierda a derecha.
Tenemos cinco sub árboles que vamos a tener en cuenta. En cuanto más a la izquierda este uno, la primera rama tiene solo dos nodos con valores de 1 y 2 respectivamente. Es el nivel máximo, elegir los dos y propagar el resultado hasta el nivel medio.

Desde el oponente "X" elegirá una rama que minimiza el valor, sabemos que este sub árbol tendrá un valor de 2 o menos. Por lo que significa que cualquiera de las ramas restantes, tan pronto como vemos a 2 o más, podríamos ignorar el resto de los nodos, ya que nunca serán seleccionados.

Y tenemos 2s en el nodo más a la izquierda de estas tres ramas. Lo que significa que podemos dejar de lado 6 de estos 11 nodos. Eso va a ahorrar algo de tiempo.


Se puede hacer aún mejor, veamos el siguiente sub árbol más.
Tan pronto como llegamos a dos en la rama izquierda, sabemos que todo este sub árbol va a devolver un 2 o menos.


Pero ya sabemos que tenemos un 2 partir del primer sub árbol. Así en el nodo más alto, ya sabemos que vamos a obtener un 2 o más.
Eso significa que podemos ignorar todas las ramas restantes del segundo sub árbol.


Pasando al árbol medio, que de nuevo obtenemos un dos en el nodo más a la izquierda.


Así que seguimos explorando y conseguimos otro 2, ningún otro movimiento valido es posible, por lo que este nodo devuelve un máximo de 2.
Ahora, el nodo de arriba es un nodo de minimización, por lo que debe devolver un 2 o menos.


Por lo tanto, por que ya sabemos que la mayor parte del nivel superior ya tiene una rama con un 2 que puede pasar por alto todo el resto de los nodos en este sub árbol.


¿Se observa un patrón aquí?
Con el cuarto sub árbol, también se obtiene un 2 desde el principio, que significa que podemos ignorar la mayor parte de los nodos de este sub árbol también.


Y lo mismo sucede en el último sub árbol.


Espera este sub árbol es uno de los malos movimientos. Su valor es en realidad 1.
No queremos que nuestro jugador de computadora siga esta rama. Mientras siga la rama correcta está bien. Aunque no tenemos que preocuparnos por eso ya que como nuestro ordenador seleccionara la rama más a la izquierda. Asumiendo que así sea.

Si estamos asumiendo que nuestro objetivo era jugar el juego, no mantenga una lista de todos los movimientos en un nivel dado, en cuanto al árbol, parece que no es necesario mirar la mayoría de los nodos.
Tan solo hay que mirar a 29 de los 78 nodos en todo el árbol. Esto ahorrara mucho tiempo.

Mientras nuestro algoritmo se ejecuta en B a la hora d, minimax con Alfa-Beta puede ejecutar b al d de más de dos tiempos di los nodos se ordenan de forma óptima con las mejores jugadas para ser el primero.

Incluso con movimiento aleatorio de pedidos, Alfa-Beta reduce la espera del tiempo de ejecución que es b a las tres cuartas partes d.






Rellene los valores de este árbol Minimax, recuerde, el nodo raíz es el nivel máximo.


#179

La investigadora en inteligencia artificial Noriko Arai habla en esta charla [transcripción al español] de cómo han conseguido que un robot llamado Todai –el nombre de la Universdidad de Tokyo– sea capaz de pasar las pruebas de ingreso de un 60% de las universidades de Japón, alcanzando unos resultados que lo colocan junto al 20% de los mejores estudiantes. Claro que Todai hace «trampas», pues no se entera de nada de lo que contesta.


Es muy bueno en matemáticas porque las reglas que las definen son muy claras y se pueden programar con relativa facilidad; lo hace un poco peor con las preguntas que suponen razonar un poco porque, por supuesto, no razona, aunque con unos buenos algoritmos que hacen búsquedas y valoran estadísticamente los resultados tampoco lo hace mal.


A la hora de escribir una composición, que es la segunda parte del examen y a la que sólo accedes si pasas la primera, tampoco se entera de nada, claro, aunque es capaz de combinar libros de texto y textos extraídos de la Wikipedia para producir un ensayo lo suficientemente bueno como para poder pasar las dos partes del examen en un 60% de las universidades japonesas.

Los resultados, por lo malos que eran por parte de los humanos, alarmaron a su propia creadora que se preguntaba cómo era posible que una máquina sin inteligencia ni entendimiento superara a muchos seres humanos. Así que se puso a ver qué pasaba y tras preparar exámenes de prueba con respuestas de opción múltiple descubrió que como un tercio de los estudiantes fallaban en las respuestas porque no eran capaz de entender correctamente el enunciado.

Y eso sí es un problema, no los avances en inteligencia artificial, en especial cuando aquello a lo que llamamos IA en la actualidad dista mucho de ser inteligente.

Mientras tanto, los responsables del proyecto siguen adelante con el objetivo de que Todai apruebe el examen de ingreso de la Universidad de Tokyo en 2021.




Fuente: You are not allowed to view links. You are not allowed to view links. Register or Login or You are not allowed to view links. Register or Login
#180
Ahora vamos a pensar en algunas otras funciones de evaluación potencial de aislamiento.
Aquí tenemos unas opciones:

Numero de movimientos del oponente
Número de casillas vacías
Residuo de casillas vacías menos mis movimientos realizados
Mis movimientos menos movimientos del oponente

El número de movimientos del oponente en realidad hace lo contrario de lo que se quiere. Seria etiquetar tablas cuando nuestro oponente tiene un gran número de movimientos cuando realmente lo que queremos es aislarlo y evitar que se mueva.

Número de casillas vacías no refleja la ganancia en el tablero. Ya que esta está en constante disminución con cada movimiento.

El número de casillas vacías menos el número de mis movimientos sería contraproducente.
Por último el número de mis movimientos menos los movimientos del oponente es una buena función de evaluación potencial de aislamiento.

Se continúa tomando en cuenta las tablas en las que el jugador actual puede hacer un mayor número de movimientos y también penaliza el tablero donde el oponente puede hacer un gran número de movimientos.


Vamos a hablar de una función de evaluación diferente.

Vamos a usar el número de mis movimientos menos el número de movimientos de mi oponente.
El punto del aislamiento es limitar los movimientos del oponente.

El número de mis movimientos hace que el jugador de la computadora busque mover con la mayor cantidad de opciones mientras que intenta conseguir en el camino los movimientos del oponente.

Incluso podemos ponderar los componentes de la fórmula para tratar de fomentar una jugada agresiva o menos agresiva.

Por ejemplo mis movimientos menos dos veces por el número de movimientos del oponente hacen a nuestro jugador de la computadora ir detrás del oponente.

Eso hace los ejemplos anteriores más interesantes:
El movimiento ganador tiene el más alto resultado de la función de evaluación. Aquí está el movimiento ganador. Y la función de evaluación devuelve un 1.


Mis movimientos = 3
Mis movimientos – 2 * movimientos del oponente = 1

Pero el traslado inmediato a la derecha, da como resultado un -2.


Mis movimientos = 2
Mis movimientos – 2 * movimientos del oponente = -2

El paso a la derecha devuelve un -1.


Mis movimientos = 5
Mis movimientos – 2 * movimientos del oponente = -1

Y el movimiento en diagonal ahora devuelve un 0.


Mis movimientos = 6
Mis movimientos – 2 * movimientos del oponente = 0

Tal vez la respuesta es mantener sus opciones cerca, pero a los enemigos más cerca quizá esa es la estrategia correcta del Aislamiento.

Pero quizá la única manera de saber reamente es probar un montón de variantes de evaluación de funciones y ver cuáles son las mejores. Además de Minimax y profundización iterativa, hay un truco más que se puede enseñar y que realmente afecta la eficiencia de la búsqueda en el árbol de juego antes de pasar el tiempo haciendo la función de evaluación.