TRON 47
team di AI, immigrati, metaphase, materiali sintetici & altro
TRaceON - 47/ 03 dicembre 2023
di Adriano Parracciani aka cyberparra
Le tracce:
👉 Un team di AI/ML é meglio di una sola AI/ML
👉 Immigrati e Leader nell’AI/ML
👉 Metaphase: Musica & Metaverso
👉 ISAAC il Robot fabbricatore
👉 Alogirtmi /ML & Medicina
👉 Scoperta AI_Assistita di Nuovi Materiali
👉 Consigli di Visione
Un team di AI/ML é meglio di una sola AI/ML
#machinelearning #alphazero #scacchi #diversity #alanturing
Diversificare AI - Verso gli scacchi creativi con AlphaZero; è il titolo di una pubblicazione scientifica che propone di utilizzare diversi Agenti AI/ML che collaborano nel trovare la soluzione sintetica migliore, un approccio di decision making creativo e collaborativo applicato alle macchine.
Per dimostrarlo viene proposto il gioco degli scacchi, come scenario per prendere decisioni sulle migliori mosse da fare, utilizzando AlphaZero.
Questa è la sintesi; ma ora prendiamola un po’ alla lontana (se volete saltare l’introduzione passate direttamente al punto 5).
1️⃣ Nel mondo chiuso e segreto di Bletchley Park, dove dalla fine degli anni trenta del secolo scorso si studiava come sconfiggere Enigma, il grande Alan Turing iniziò a pensare a come meccanizzare il gioco degli scacchi, e parlava scherzosamente di un “giocatore-schiavo”: la macchina.
Verso la fine degli anni quaranta Turing scrisse l’algoritmo di quello che sarebbe stato il primo programma per giocare a scacchi, quando però aveva già maturato l’idea di una macchina capace di imparare.
2️⃣ Nel 1997 il calcolatore IBM Deep Blue (la macchina) vinse contro il campione Garri Kasparov, annunciando la sconfitta definitiva degli umani nel gioco degli scacchi, contro una macchina che però ancora non era capace di imparare, ma che lavorava solo con la forza bruta delle combinazioni.
3️⃣ È nel 2017 che AlphaGo, una macchina capace di imparare, sconfisse Lee Se-dol, il campione del mondo di Go. AlphaGo è modello di AI che ha appreso il gioco giocando da sola milioni di partite, e diventando sempre più forte attraverso il Reinforcement Learning.
4️⃣ Nello stesso anno, o poco più, esce AlphaZero una “macchina” in grado di giocare a Scacchi, Go e Shogi notevolmente più potente della precedente. La rete neurale di AlphaZero è stata addestrata unicamente giocando da sola atraverso il Reinforcement Learning.
"Era così potente perchè non era più vincolato dai limiti della conoscenza umana"
Demis Hassabis, il cofondatore e amministratore delegato di DeepMind
Sembrerebbe che gli Scacchi non lascino più spazio alla creatività degli umani, ne generino interesse per i ricercatori.
Ma non è così.
5️⃣ Tom Zahavy, ricercatore informatico israeliano che lavora per DeepMind, ha scoperto che per quanto sia forte a giocare partite intere, AlphaZero è più debole degli umani quando si tratta dei puzzle scacchistici, scenari con in pezzi preimpostati da giocare. Alcuni puzzle, come quello famoso proposto da Roger Penrose, hanno messo in crisi AlphaZero, rispetto a giocatori umani che invece li hanno risolti.
Secondo alcuni scienziati, capire perchè gli umani siano in grado di risolvere dei puzzle laddove la AI fallisce, potrebbe aiutarci a svelare gli aspetti non-computazionali del pensiero umano e a comprendere meglio la coscienza umana.
Il team di Tom Zahavy si è chiesto il perchè di questo deficit di AlphaZero, e ci sono varie risposte. Prima di tutti il fatto che certi scenari non siano apparsi durante la fase di apprendimento, ma soprattutto l’aspetto dei pesi delle ricompense nel Reinforcemente Learning. Assegnare ricompense maggiori a certe posizioni può comportare l’incapacità del modello e cogliere le opportunità di altre posizioni ed incaponirsi a seguire una strada fallimentare, rispetto ad un umano che con un maggiore livello di astrazione, vede il fallimento e cambia strada. Ma cose si fa a definire qual è la posizione da premiare di più in un certo scenario?
La soluzione di Tom Zahavy è stata AlphaZero with Diversity Bonus (AZdb) nella quale ci sono vari agenti AI (AlphaZero) addestrati con stili di gioco diversi che propongono le loro mosse, e una rete neurale sceglie di volta in volta la migliore (quella con il miglior punteggio durante la simulazione della sfida).
Avendo stili di gioco diversi, un certo scenario potrà far emergere la soluzione di uno specifico agente che meglio si adatta al caso, in quello che è definito come bonus di diversità. Emerge in questo lavoro la similitudine con gli umani, in quanto si suggerisce che la diversità è un fattore importante nella risoluzione di problemi complessi e che una squadra di agenti AI diversi può essere più efficace di un singolo agente AI.
All’atto pratico AZdb risolve il doppio dei puzzle AZ, compresi quelli di Penrose.
🔗 https://arxiv.org/abs/2308.09175
Immigrati e Leader nell’AI/ML
#immigrati #AI/ML
A propositi di diversità: una lista di immigrati in USA diventati leader nella Intelligenza Artificiale/Machine Learning
Yann LeCun, Francia 🇫🇷
Ilya Sutskever, Russia 🇷🇺
Andrej Karpathy, Slovacchia 🇸🇰
Fei-Fei Li, Cina 🇨🇳
Mira Murati, Albania 🇦🇱
Wojciech Zaremba, Polonia 🇵🇱
Mustafa Suleyman, UK 🇬🇧
Andrew Ng, UK 🇬🇧
Richard Socher, Germania 🇩🇪
Aravind Srinivas, India 🇮🇳
Jeremy Howard, Australia 🇦🇺
Francois Chollet, Francia 🇫🇷
Ashok Elluswamy, India 🇮🇳
Metaphase: Musica & Metaverso
#metaverso #VR #musica
Il mondo dell’arte e della produzione musicale si sta interessando alle tecnolgie emergenti, sempre in prima linea nella sperimentazione creativa. I modelli di AI generativa permettono oggi di generare musica da prompt, mentre con i modelli di AI pattern recognition si possono remixare le voci dei cantanti ed estrarre accordi dai brani ascoltati. Non sono una vera novità i concerti nel metaverso iniziati nel 2019 su Fortnite e con altri eventi a seguire anche su Decentraland.
Interessante la sperimetazione dell’artista Giusy Caruso, pianista e ricercatrice che sta presentando Metaphase, una performance musicale in duetto con il suo avatar nel metaverso. Caruso suona e si muove in un dialogo con l’avatar reso possibile da una tuta dotata di sensori marker che permette l'analisi della cinematica e dello sforzo muscolare della pianista.
Il pubblico può vedere la visualizzazione in tempo reale dell'avatar di Giusy Caruso, monitorare i suoi biosegnali, e interagire con la pianista attraverso il sistema di motion tracking.
ISAAC il Robot fabbricatore
#robotica #Nasa #fabbricazione
ISAAC è un gigantesco un braccio robotico che la NASA utilizza per sviluppare strutture e materiali compositi leggeri e resistenti per i veicoli aerospaziali. Dispone di decine di rocchetti con diversi material ed il processo di fabbricazione passa dalla stampa 3D alla fusione di fili metallici.
Alogirtmi /ML & Medicina
#alogritmi #ML #medicina #bioinformatica
Abbreviazioni
SVM: support vector machines; KNN: K-nearest neighbors; CNN: convolutional neural networks; RNN: recurrent neural networks; PCA: principal component analysis; t-SNE: t-distributed stochastic neighbor embedding, NMF: non-negative matrix factorization.🔗 https://www.mdpi.com/1422-0067/22/6/2903
Scoperta AI_Assistita di Nuovi Materiali
#materiali #ML
Scoprire nuovi materiali è un processo molto lungo, molto costoso, ed incerto, perchè richiede mesi se non anni di prove in laboratorio, che possono concludersi con un nulla di fatto, perchè è impossibile prevedere prima se la molecola che si sta tentando di realizzare sarà realizzabile e stabile.
Questo processo lungo e costoso dovrebbe essere giunto alla fine. Infatti, Google DeepMind ha sviluppato un modelli di AI/ML che ha scoperto 2,2 milioni di strutture cristalline teoricamente stabili.
Il modello chiamato GNoME (Graph Networks for Materials Exploration) è una rete neurale che permette la scoperta assistita di nuovi materiali.
Le reti di grafi possono essere utilizzate per prevedere la stabilità di strutture candidate in base alla loro composizione e struttura. I nodi del grafo rappresentano atomi o gruppi di atomi e gli archi rappresentano i legami tra di essi. La rete a grafo può essere addestrata su un set di dati di strutture stabili e instabili note, per imparare a prevedere la stabilità di nuove strutture candidate.
Per prevedere la stabilità delle strutture candidate il modello si basa sulla loro composizione e struttura elettronica. La stabilità delle strutture previste è verificata utilizzando un metodo computazionale consolidato, che dà fiducia che le strutture scoperte possano essere reali.
🔗 https://www.nature.com/articles/s41586-023-06735-9
Consigli di visione
A Come Andromeda
Una bella serie tv di fantascienza andata in onda nel 1972; all’epoca si chiamavano sceneggiati. Ognuna delle sei puntate inizia con questo incipit: “Questa storia si svolge in Inghilterra l’anno prossimo”.
Ingredienti: radio telescopio; segnale proveniente dalla Galassia di Andromeda; segnale binario; supercalcolatore; spionaggio; politici e militari; intelligenza artificiale; intelligenza aliena; cyborg
Potete vedere le cinque puntate su RaiPlay.
https://www.raiplay.it/programmi/acomeandromeda
AUTOMATA
prendete un’ora, come una puntata di una serie.
Consiglio di lettura : 2099 - il mondo a fine secolo
Il team di Raakel sta costruendo una macchina che prevede il futuro, loro la chiamano la Pizia; per noi sarebbe un Intelligenza Artificiale, ma non per loro che non gradiscono il termine. Il nome tecnico della Pizia è PSP, acronimo che racchiude l’essenza della macchina.