ИИ Sophy от Sony победил лучших игроков Gran Turismo
多年来，人工智能一直在我们自己的游戏中击败我们。无论是围棋、DOTA 2、Jeopardy 还是 Nethack 的 Roguelike，人工智能算法经常证明自己优于竞争对手，不仅推动了游戏行业，还推动了机器学习和计算机科学。
AlphaFold 2 Explained: A Semi-Deep Dive
上个月底，谷歌机器学习研究部门 DeepMind 创下了新纪录：准确预测蛋白质结构。DeepMind 以开发击败围棋和星际争霸 II 世界冠军的机器人而闻名。如果他们的结果像团队声称的那样好，他们的模型 AlphaFold 可能会为药物发现和基础生物学研究带来重大福音。但这种基于神经网络的新模型是如何工作的呢？在这篇文章中，我将尝试简要但半深入地介绍支持该模型的机器学习和生物学。首先，快速了解一下生物学：蛋白质在体内的功能完全由其三维结构决定。例如，臭名昭著的“刺突蛋白”可以标记冠状病毒，从而使病毒进入我们的细胞。同时，Moderna 和辉瑞等 mRNA 疫苗复制了这些刺突蛋白的形状，从而
#86 – David Silver: AlphaGo, AlphaZero, and Deep Reinforcement Learning
David Silver 领导 DeepMind 的强化学习研究小组，曾担任 AlphaGo、AlphaZero 的首席研究员，并联合领导 AlphaStar 和 MuZero，在强化学习领域做了许多重要工作。通过注册以下赞助商来支持此播客：- MasterClass：https://masterclass.com/lex- Cash App - 使用代码“LexPodcast”并下载：- Cash App（App Store）：https://apple.co/2sPrUHe- Cash App（Google Play）：https://bit.ly/2MlvP5w 剧集链接：强化学习（书籍
Искусственный интеллект DeepMind победил команду людей в Quake III (+видео)
谷歌的 DeepMind 人工智能已经在围棋和国际象棋游戏中击败了人类，现在工程师们已经转向团队合作很重要的多人游戏。
ИИ помогает ходить инвалидам с использованием роботизированного колена
今天，研究人员正在研究强化学习技术，该技术帮助 DeepMind 的 AlphaZero AI 在国际象棋和围棋方面击败了对手。
Искусственный интеллект: вторая жизнь древней игры
围棋一直是计算机下棋比人类弱的少数游戏之一。 2016 年 3 月，这一切都发生了变化，当时基于神经网络的程序 AlphaGo 击败了我们这个时代最伟大的棋手之一韩国人李世石 (Lee Sedol)。
Люди побеждают в первом из трех матчей в игре Dota 2 против OpenAI (+видео)
人工智能已经能够在国际象棋和围棋等游戏中超越人类，但电子游戏目前对于人工智能来说可能是一个棘手的难题。在温哥华举行的国际锦标赛上，一队职业选手在 Dota 2 游戏竞技场的战斗中击败了一队机器人。
朋友们！我们很高兴地通知您，我们宣布将举办一场有趣的人工智能控制工业机器人体育比赛。大家都知道围棋中的人工智能比赛。在一场更加动态的游戏中与人工智能竞争怎么样？这种游戏不需要深思熟虑的策略，而需要战术、响应能力和速度？例如，空气曲棍球！
AlphaGo проходит путь от новичка до гроссмейстера за три дня
谷歌伦敦子公司 DeepMind 宣布，它已经创造了一款机器，它可以比其前身 AlphaGo 更好地玩中国古代围棋游戏，去年 AlphaGo 战胜了来自首尔的世界级大师李世石 (Lee Sedol) 。
通常，人工智能系统会提供观看视频游戏的功能，以便它们可以自己玩游戏。这就是计算机学会在包括围棋在内的各种游戏中击败人类的方式。但佐治亚理工学院的一组研究人员正在尝试一些不同的东西——他们要求人工智能弄清楚视频游戏是如何运作的。
Почему футбол, а не шахматы, наиболее серьезное испытание для роботов с ИИ (+ видео)
1997 年卡斯帕罗夫在与 IBM 国际象棋程序“深蓝”的比赛中失败后，科学家们认为，在所有可能对人工智能构成真正挑战的智力游戏中，围棋仍然是游戏。直到最近，情况确实如此。
说到概率，很多人可能会想，“很久以前数学题里就出现过，但不知道它在社会上有什么用。” 对于普通人来说，日常生活中经常看到的概率就是天气预报中下雨的概率或者是彩票中奖的概率。然而，在天气预报中，70% 和 80% 的下雨几率之间的差异通常不是问题。天气预报说下雨的可能性很大，所以我想出门时带把雨伞。 说到彩票，似乎没有多少人重视概率的差异。即使中奖“含一等奖、二等奖在内的10亿日元”年终大彩票的概率不是两千万分之一，而是两倍，即千万分之一，对于大多数购买该彩票的人来说，抽奖，因为你似乎永远感觉不到差别。 那么问题来了，概率有什么用呢？即使您不知道骰子上的数字、硬币的两面、扑克牌和罐子里的彩球等项
