“satranç” için sonuçlar
4 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Çok Oyunculu Oyunlar İçin Yeni Arama Algoritması Geliştirildi
Araştırmacılar, iki oyunculu oyunlarda kullanılan Unbounded Minimax algoritmasını çok oyunculu oyunlar için genişlettiler. Bu yeni yaklaşım, mevcut çok oyunculu arama algoritmalarından daha iyi performans gösteriyor. Satranç, go gibi mükemmel bilgili oyunlarda kullanılan bu algoritma türü, yapay zekanın karar verme mekanizmalarını geliştirmek için kritik öneme sahip. Geliştirilen algoritma, oyun teorisi ve yapay zeka alanında önemli bir ilerleme sunarak, karmaşık çok oyunculu senaryolarda daha etkili çözümler üretebiliyor.
Yapay Zeka Görme Modelleri Önyargılı Çıktı: Adidas Logosu Bile Yanıltıyor
Büyük dil modelleri gibi görme-dil modelleri de internet verilerinden öğrendikleri bilgiler nedeniyle önyargılı davranıyor. Stanford araştırmacıları, en gelişmiş yapay zeka modellerinin bile basit sayma ve tanıma görevlerinde büyük hatalar yaptığını keşfetti. Örneğin modeller, 3 çizgili Adidas logosuna 4. çizgi eklendiğinde bunu fark edemiyor. Hayvanlar, logolar, satranç taşları gibi 7 farklı alanda yapılan testlerde modellerin ortalama başarısı sadece %17 seviyesinde kaldı. Araştırma, görsel bağlamın bu önyargılı yanıtları tetiklediğini gösteriyor.
InfoChess: Bilgiyi Merkeze Alan Yeni Oyun ve Yapay Zeka Laboratuvarı
Araştırmacılar, geleneksel satrancı tersine çevirerek bilgi edinmeyi merkeze alan InfoChess adlı yeni bir oyun geliştirdi. Bu oyunda taş alma yoktur; bunun yerine oyuncular rakibin şah konumunu tahmin etmeye çalışır. Oyun, yapay zekanın bilgi işleme ve karar verme süreçlerini anlamak için ideal bir test ortamı sunuyor. Bilim insanları, farklı seviyerde rakip modellemesi yapan algoritmaları test ederek, pekiştirmeli öğrenme ajanlarının bu alanda nasıl başarı gösterebileceğini araştırıyor. InfoChess'in matematiksel yapısı, belirsizlik ölçümü ve bilgi teorik analizler için benzersiz fırsatlar yaratıyor.
Yapay Zeka Satranç Taşlarının Gerçek Değerini Hesaplamayı Öğrendi
Araştırmacılar, satranç taşlarının bir oyundaki gerçek değerini tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. Geleneksel yaklaşımların aksine, bu sistem her taşın değerini yalnızca kendi özelliklerinden değil, tahta üzerindeki tüm diğer taşlarla olan ilişkisinden hareketle hesaplıyor. 12 milyondan fazla büyükusta seviyesindeki oyun verisini kullanan sistem, convolutional neural network tabanlı bir autoencoder ile tahtanın tam durumunu analiz ediyor. Stockfish 17 satranç motorunun etiketlediği verilerle eğitilen model, geleneksel sistemlere kıyasla %16 daha düşük hata oranına ulaştı ve taş değerlerini yaklaşık 0.65 piyon hassasiyetle tahmin edebildi. Bu çalışma, karmaşık sistemlerde bileşenlerin değerini belirlemenin sadece o bileşene odaklanmakla değil, tüm sistem bağlamını dikkate almakla mümkün olduğunu gösteriyor.