Kosár

A kosár jelenleg üres

Bejelentkezés &
Regisztráció

Jelenleg nincs belépve.

Válassza ki az oldal nyelvét

TERMÉKEINK

iPon FÓRUM

iPon Cikkek

Mesterséges intelligencia keresi a Higgs-bozont

  • Dátum | 2017.10.29 08:01
  • Szerző | Jools
  • Csoport | EGYÉB

A gépi tanulás virágkorát éljük, jelentős részben azért, mert a kezdetek kezdete óta először áll rendelkezésre elég adat ahhoz, hogy az erre alkalmas algoritmusok végre tényleg használhatóak legyenek. A számítógépek a big data megérkezésével váltak sakkzsenikké, góbajnokokká, és kezdtek el besegíteni az orvosoknak és a bíróknak. Az régóta világos ugyanis, hogy a gépek annál kielégítőbben képesek elsajátítani valamit, minél több releváns adat áll rendelkezésükre, így tudnak ugyanis pontos modelleket alkotni.

A gó és a sakk esetében az első ezeket megtanuló rendszerek nemcsak a szabályokat kapták meg, hanem velük együtt rengeteg már megtörtént játszma adatait is. Tehát létező példák alapján építették fel azt a modellt és döntési ágrajzot, amely alapján aztán saját játékaik során eldöntötték, hogy mikor hogyan lépjenek.


A következő verziókban aztán annyit módosult a helyzet, hogy a számítógép már nemcsak külső forrásból kapott adatokat, hanem maga is hozzájárult ezekhez, mert az alapszabályok elsajátítása után saját maga másolatai ellen játszott. A legutóbbi góalgoritmus pedig már csak magára támaszkodott, és emberi játékosok segítsége nélkül vált a játék mesterévé, ráadásul mindezt villámgyorsan tette. A DeepMind rendszere három nap alatt 5 millió játékot fejezett be saját maga ellen, mielőtt a korábbi változat ellen játszatták fejlesztői. És az új verzió, az AlphaGo Zero százból száz alkalommal megverte elődjét, amelyet még emberek is tanítottak.

Bizonyos esetekben azonban bár gigantikus adatmennyiségről van szó, másfajta tudású gépi rendszerekre lenne szükség. Ez a helyzet a különböző egzotikus részecskék keresése során is. A Nagy Hadronütköztető (LHC) elképesztő mennyiségű adatot generál, megtalálandó információból ugyanakkor nagyon kevés van ebben a halmazban. Például a Higgs-bozont keresve sok-sok ütközést kell kiértékelni, és ezek közül csak nagyon kevés eredményezi a kérdéses részecskét. Ebben az esetben tehát egy nagyon nagy adathalmazban kell olyan ritka eseményeket azonosítani, amelyek alig-alig lógnak ki a háttérzajból. Ez pedig megnehezíti a gépi tanulás használatát, hiszen nem nagyon van min betanítani a rendszereket.


Egy kutatócsoport viszont pontosan erre vállalkozott. Fogták a Higgs-képződés egyik modelljét, illetve egy másik szimulációt, amely a várható háttérzajt hozza létre, és ilyen módon több ezer virtuális ütközést produkáltak. A módszerrel létrehoztak egy olyan adathalmazt, amelyet normális esetben a Higgs-bozon keresésének utolsó fázisában kapnak meg a kutatók, amikor az érdektelen ütközések közül már kiválogatták a gyanús eseményeket. Ezeket az adatokat aztán tovább kell finomítani, hogy a „valószínűleg Higgs-bozont tartalmaz” állítástól eljussanak a Higgs tényleges megtalálásáig.

Ennek megvalósításához a szakértők először is áttekintették az egyik Higgs-bozont eredményező folyamat lépései, azt amikor két gluon ütközése nyomán jön létre a részecske. Az így képződött Higgs aztán rövidesen szét is esik, és közben két nagy energiájú fotont sugároz ki. A detektor ebből az egészből csak a két foton energiáját és azok kezdeti részecskenyalábbal bezárt szögét tudja mérni.

Ebből lehet aztán kitalálni, hogy mekkora úgynevezett transzverzális momentummal bírnak az egyes fotonok, ami azonban még mindig kevés az üdvösséghez. A Higg-bozon megtalálásának ugyanis nincs egyetlen biztos jele, hanem több mutatónak egyszerre kell összefüggően megváltoznia a detektáláshoz. A helyzetet bonyolítja, hogy senki sem tudja, melyik adatok kombinálása a legjobb erre a célra. Így a szakértők mindent mindennel összepárosítottak, és végül 36 különböző érzékenységű kombinációt teszteltek.

Hozzászólások

Nem vagy bejelentkezve, a hozzászóláshoz regisztrálj vagy lépj be!

Eddigi hozzászólások:

  • 11.
    2017. 11. 02. 19:00
    "Minden van, s minden létezik, csak mi vagyunk annyira elvetemülten hülyék, hogy azt észrevegyük.. " -Fbri, - a biológiai rendszerekről, a neuro-hálók különbségére rávetítve.
    Példának okáért: "Egy Galaxisban nincsen semmi." -Na pont azaz a valami. A Sötét, negatív üresség., -mely összetartja a galaxisokat. (!!!)
  • 10.
    2017. 11. 01. 09:33
    Szerintem ne igyal ma mar tobbet..
  • 9.
    2017. 11. 01. 09:32
    Dehogy talalja. Nem letezo dolgot meg egy ultra fejlett ai se tud megtalalni, egy ma letezo fatengelyes meg plane.
  • 8.
    2017. 10. 30. 15:32
    A mai machine learning algoritmusok neurhálókra épülnek, aminek alapvető tulajdonsága az asszociatív működés. Súlyok, tresholdok, konvolúció stb...
    Ezért nincs is szükség nagy pontosságra, működik pl GPU-kon FP16-al a rendszer.

    A kimenet sohasem egy egzakt valami, hanem valószínűségek. Ez pedig pontosan úgy téved ahogy az ember asszociációs hálója.
    Pl: A képen 80% fekete cica, 20% szudáni kisbaba
    és így tovább

    Az önvezető autóknál is pont ilyen AI határozza meg, hogy éppen le akar dózerolni egy kamion, vagy csak egy 200 kilós elhízott hamburgerzabáló nyomja a rokimobilt.

    A tévedés mindig ott lesz, csak a magasszintű értelmezésen múlik mit veszünk "biztosnak"... 100% valószínűség soha sincsen a mesterséges neurhálók esetében.

    ...de értem amit írsz, és teljesen igazad van. A számítási kapacitás miatt előbb utóbb jobb és pontosabb döntést hozó magasszintű értelmezés lesz, emiatt egyre kevésbé emberibb - mivel az agy mérete, ingerátvivő képessége véges, addig a gép kvázi végtelen. Főleg ha még egy olyan szenzorháló is van mögötte, ami sokkal fejlettebb, gyorsabb mint a biológiai rendszerek.
  • 7.
    2017. 10. 30. 14:14
  • 6.
    2017. 10. 30. 13:50
    Tévedés: ember teszi

  • 5.
    2017. 10. 30. 13:04
    Mi a te definíciód a tévedésre?
  • 4.
    2017. 10. 30. 12:29
    Egy MI lehet akármilyen tökéletes, ember nem lesz belőle. Sőt, minél inkább tökéletes, annál messzebb kerül az embertől. Tévedni emberi dolog, márpedig egy tökéletes AI nem téved
  • 3.
    2017. 10. 30. 11:02
    [LINK]Itt a válasz lényege!!!! Mi olyanok vagyunk lassan és biztosan a MI-nak mint a Embernek a sejt! Ami neked 5 millió az a gépnek semmi. Amég Te azt mondod 10 év hosszú idő addig egy Mi-nak az csak egy számítási adat. Én szerintem a legtökéletesebb ember egy MI lesz. Nem ma nem holnap ,de a végén igen!
  • 2.
    2017. 10. 30. 09:21
    Igen, de azt az 50 millió játékot pár nap alatt lezavarta.
    Az AI lehet hogy butább, mint az ember, de nagyságrendekkel gyorsabban buta
    Arról nem is szólva, hogy ez az AI csak GO-zni tud, sakkozni már nem.
  • 1.
    2017. 10. 30. 08:20
    5millio játék után sikerült fejlődnie profi szintre? Ejha, ez aztán a teljesítmény, főleg, hogy az egyszerű húsvér embernek ennek a töredéke is elég ehhez...