https://movies.journaldegeek.com/voici-combien-vous-economisez-en-vous-abonnant-a-apple-one


Avis sur les jeux, nouvelles, conseils et plus encore.
Google Deepmind est maintenant en train d'analyser les cartes magiques et de cœur de cœur
Avec des jeux rétro et aller bien-conquis, où est une intelligence artificielle comme Google Deepmind, destinée à tourner ensuite? Magie: Le rassemblement et la foyer, évidemment.

Avant de devenir trop excité (ou peut-être incroyablement déprimé lorsque vous imaginez un grille-pain Holding Holding The Magic World Championship Trophée sur son levier d'éjection), il n'existe aucun intention de libérer l'AI pour jouer à ces jeux de cartes populaires. Au moins pas encore.
Pour l'instant, les gens de l'Université d'Oxford sont suffisamment heureux pour quee Deepmind ayez analyser les données de la carte et la transformer en code. Essentiellement, la tâche qu'il est définie est celle de la traduction des données de l'homme à la machine parle et tandis que les cartes ont leur propre jeu "Langue" et sa structure, ils peuvent certainement lancer des boulettes courantes.
Ici, il est expliqué dans leurs mots:
De nombreuses tâches de génération de langue nécessitent la production de texte conditionné sur des entrées structurées et non structurées. Nous présentons une nouvelle architecture de réseau neuronal qui génère une séquence de sortie conditionnée sur un nombre arbitraire de fonctions d'entrée. Crucialité, notre approche permet à la fois le choix du contexte de conditionnement et la granularité de la génération, par exemple des caractères ou des jetons, d'être marginalisés, permettant ainsi une formation évolutive et efficace. En utilisant ce cadre, nous abordons le problème de la génération de code de programmation à partir d'une langue naturelle mixte et d'une spécification structurée. Nous créons deux nouveaux ensembles de données pour ce paradigme dérivé des jeux de cartes de négociation de collection à la magie du rassemblement et de la foyer.
Par exemple, des éléments tels que les coûts de ressources d'une carte ne changent jamais de nature et sont facilement déchiffrés, cependant, le texte d'une carte peut préciser que le coût est augmenté ou réduit en fonction d'une autre maladie.
Comme vous pouvez l'imaginer, rédiger un programme pouvant analyser et expliquer ces modifications de la logique de carte et les traduire en code arbitraire n'est pas une tâche triviale. Plutôt que d'écrire la mère de toutes les déclarations si / else, ils ont eu recours à l'utilisation de  DeepMind.
En donnant suffisamment de données - tous de 11 milliards de cartes ou plus de cartes magiques, disent - l'IA peut apprendre la "langue" du texte de la carte pour produire des résultats plus précis. Apparemment, il fait un travail décent sur Wearthstone, bien qu'il s'agisse toujours de:
Il a manipulé l'effet simple (relativement parlant) du bombardier de la mietre, mais la préparation plus spécialisée est confondue. Ce qui est assez juste - passer par le nombre de fois les joueurs professionnels ont baisé l'ordre de préparation, nous pouvons pardonner  DeepMind pour avoir tort.

Les chercheurs mentionnent que la raison "Bombardier mental" a été traitée correctement parce qu'elle avait "capturé" la différence entre une carte similaire:
La carte "MADDER BOMBER" est générée correctement car il existe une carte similaire "Mad Bomber" dans l'ensemble de l'entraînement, qui implémente le même effet, sauf que cela traite 3 relâche au lieu de 6. C'est un résultat prometteur que le modèle était capable de capturer cette différence.
Oui, ça fait le mal de bien comprendre. À ce stade, je serais inquiet à partir de  DeepMind Devant accro à  ToitHstone et de souffler tous les packs de Google sur les packs. Ce serait beaucoup de packs.
Prenez Kotaku avec vous où que vous alliez.
En vous abonnant, vous acceptez nos conditions d'utilisation et nos règles de confidentialité.
Cette histoire est apparue à l'origine sur Kotaku Australia.

https://www.youtube.com/watch?v=27j5lDhSkCc