ゲームの若い男がアカデミカルを打ち負かし、ノーベル賞を受賞する方法

出典：シハン

今日、私は科学の分野で感動的な物語を伝えたいと思います。これは信じられないほど聞こえる物語です。若いゲーマーは科学的学者を打ち負かし、ノーベル賞を受賞しました。

はい、ゲームグラフィックスカードがコンピューティングパワー革命をトリガーし、以前にAI業界をインキュベートした方法について話しましたが、今日のストーリーはそれよりもさらに信じられないほどリバーシブルです。

彼が子供の頃から子供の頃から天才として知られている若者がいますすでに公式のチェスイベントでチャンピオンシップを獲得しています。彼はこのボーナスを使用して、重要な贈り物であるコンピューター〜を購入し、すぐにコンピューターゲームに恋をしました。

おなじみの操作、おなじみのプロット〜

17歳で、彼はゲーム会社に参加し、ゲームデザイナーになることを選択しました。

結局のところ、あなたはゲームが大好きなので、自分で作ってみませんか？彼は当時有名なブルログ会社に入学しました。

会社に入社してから1年後、彼は有名な「テーマパーク」である人気ゲームのデザインを率いました。

簡単に言えば、1994年のこのゲームは今日の多くのテーマパークとシミュレーション管理ゲームの発信者であり、島の大物シリーズはそれに影響を受けるべきだと思います。

数年後、彼は彼自身のゲーム会社を設立し、2つのゲーム「共和国」と「邪悪な天才」を連続して開発しました。どちらもシミュレーション管理ゲームです。

明らかに、彼は本当にこのゲームのジャンルをシミュレートして実行するのが好きです。

文明5、スタート！

この時点で、この物語は、過去に言及されたチェスの天才コンピューターの天才の物語に似ているようです。

私は子供の頃からゲームが大好きで、チェスの才能を持ち、最終的にゲーム会社に参加し、業界で有名な人気のある製品を作りました。

しかし、この男についてのとんでもないことが始まったばかりです。

人気のあるゲームを作った後、彼はすぐにゲームでのコンピューターツールの役割について考え始め、ゲームにAI機能を追加しようとし始めました。

これに言及するメディアはほとんどありませんが、ベテランのゲーマーとして、これは以前のゲームの影響である可能性が高いと思います。

シミュレーションビジネスをしばしばプレイする人は、ゲームの後期段階で、多数のNPCが存在するとき、コンピューターのコンピューティングパワーに明らかな欠点があると感じることができるからです。

文明5の後期段階では、コンピューターはしばしば1ラウンドで立ち往生します。

テーマパーク、スカイライン、島の大物、その他のゲームは、スクリーンカードだけでなく、市民の通勤ルートも非常に不合理です。一緒になって、彼らはどこにでも走り回ります。

おそらく、これらの現象がAIについて考えるようになったのでしょうか。

2010年、彼は「スマートな問題を解決し、学習アルゴリズムでゲームを習得しようとすることを目標とした新しい会社を設立しました。

2013年、彼らは、人間を超えたレベルでコンピューターゲームをプレイできるDeep Q-Network（DQN）と呼ばれるアルゴリズムを作成しました。

テストの結果は、DQNがゲームスペースの侵略者を始めてから30分以内にゲームで最高のプレーヤーになったことを示しています。

2016年、同社は別のゲームAIをリリースし、ゲームのオリジナルワールドチャンピオンを破りました。

– この時点でAIはAlphagoと呼ばれます。

はい、厳密に言えば、あなたはゲームとしてGo、AlphagoとしてゲームAIとして理解することができます。

しかし、ゲームはかつてクラックすることは不可能であると考えられていたほぼ無限の計算変数のために非常に特別です。

多くの人々は、過去2年間の人工知能開発の波にショックを受け、しばしばそれを単一の突然のことと見なしています。

実際、それは長年にわたってゲームでよりスマートなAIと戦うことを望んでいますAIアルゴリズムの調査を常に強化しています。

より賢いAIを勉強するために何でもするだろうと気まぐれに言ったプログラマーはいませんでした。

現実には、優れたアルゴリズムを設計すると、ゲームはより楽しくなり、1億の大きな利益を上げ、ゲームはより賢くなり、2億人で販売されます。これは、誰もがAI開発に投資するために無限の熱意を持つことができる重いボーナスです。

火薬は最初から設計されていませんでした。今日、これを少し加えて、私はちょうど1つのポイントを手に入れました。

Levinhoekは、最初に微生物産業を発見することを期待していませんでした。目。

同じことが私たちの物語の主人公にも当てはまります。

それから彼らは突然質問について考え始めました、

AIには単独で学習する能力があるため、Goと電子ゲームのルールをすばやく習得し、チャンピオンプレーヤーになることができます。

特定の分野での科学的研究を「ゲーム」として理解している場合、AIはそれをマスターできますか？

2017年、Wuzhen Go Summitで、AlphagoはWorld Go Champion Ke Jieを3：0のスコアできれいに倒しました。

2018年、DeepMindは、タンパク質構造Alphafoldを予測するAIシステムを開発しようとしました。AIを使用して科学的研究を実施してみてください。

これは信頼できないと考えなければなりません。

あなたはそう思うのではなく、中国科学アカデミーのある学者もそう考えています。

はい、それは私たちの古い知り合い、ヤンニン教師です。

したがって、世界でのすべての出会いは、長い分離の後に再会しました。

長年にわたって、タンパク質構造を予測する3つの主な方法があります。1つはX線を使用してタンパク質結晶を照らすことであり、もう1つは核磁気共鳴分光法であり、3番目は高価な凍結電子顕微鏡写真モデリングです。

Yan Ningのチームは、Cryo-Electron顕微鏡の熟練した操作で知られています。

DeepMindの考えは、この種の非常に反復的な作業をAIによって解決できますか？

Cryo-Electron顕微鏡写真モデリングのモデリングのプロセスをゲームとして理解している場合、AIでそれを解決しようとすることはできますか？

「彼らは映画を撮るつもりはありませんでしたが、AIを選びました。タンパク質はアミノ酸で構成されているため、これらのタンパク質のアミノ酸の各ペアの距離とリンク角度を要約するために、どこでも開示された既知のタンパク質構造を使用します。写真を撮ってから、ニューラルネットワークで消化し、AIはそれ自体で予測を行うことができます。」

最終結果は、AIの効率が人工的なものであり、一般チームの効率は1、Yan Ningのチームの効率は5、AIは100,000であり、まだ急速に成長していることです。AIは休息を必要とせず、それ自体を進化させ続けるからです。彼らのブレークスルー以来、190か国からの人々が彼らの助けを借りて、抗生物質耐性をより深く理解しました。

このテクノロジーがノーベル賞を受賞したという話で、このような破壊的な結果を推測する必要がありました。ゲームが大好きで、ゲームデザイナーとして最初に働いたこの若者は、今年のノーベル化学賞の勝者であるハッサビスです。