مقابل "د لوی ماسټر کچې شطرنج پرته له لټون" (2024): ولې یوازې د نمونې پیژندنه لنډیږي

د ګوګل ډیپ مائنډ 2024 مقاله چې ادعا کوي د لوی ماسټر کچې شطرنج پرته له دودیز لټون الګوریتمونو د AI څیړنې ټولنې کې سمدستي او ښه بنسټیز شکونه راپورته کړل. د تضاد دلیلونه د سیستماتیک تحلیل لپاره د خام نمونې پیژندنې ځای په ځای کولو کې بنسټیز محدودیتونه څرګندوي - هغه درسونه چې د شطرنج څخه هاخوا د سوداګرۍ اتومات کولو ، د پریکړې کولو چوکاټونو ته غزیدلی ، او څنګه پلیټ فارمونه لکه Mewayz معمار هوښیار کاري فلو د 138,000 کاروونکو لپاره.

اصلي کاغذ په حقیقت کې څه ادعا کړې؟

اصلي څیړنه، چې د ارم ابراهیمي او په ګوګل ډیپ مینډ کې د همکارانو لخوا رهبري شوې، وړاندیز وکړ چې د شطرنج پوستونو او د دوی ارزونو په اړه روزل شوي کافي لوی ټرانسفارمر ماډل کولی شي د واضح لټون الګوریتمونو لکه مینیمیکس یا مونټ کارلو ونې لټون کارولو پرته د لوی ماسټر ځواک سره لوبې وکړي. د انجنونو په څیر لکه سټاک فش یا الفا زیرو، چې د حرکت غوره کولو دمخه د زرګونو څخه تر ملیونونو راتلونکي پوستونه لټوي، دا طریقه په عصبي شبکه تکیه کوي چې د واحد پاس وړاندوینې کوي - په اصل کې یوازې د نمونې پیژندنې څخه غوره حرکت "تقلید" کوي.

دا ادعا زړوره وه: که چیرې یو ماډل د روزنې ډیټا څخه کافي موقعیتي پوهاوی جذب کړي، د وحشي ځواک محاسبه ممکن غیر ضروري شي. د بنچمارک لومړنۍ پایلې هیله مندې ښکاري، چې ماډل د ځانګړو ازموینو شرایطو لاندې د لوی ماسټر رینج کې د Elo درجه بندي ترلاسه کوي.

ولې منتقدین استدلال کوي چې لټون هیڅکله په ریښتیا له منځه نه دی تللی؟

تر ټولو متضاد استدلال د کاغذ مرکزي بنسټ په نښه کوي. ټرانسفارمر په ملیونونو پوستونو کې روزل شوی و چې د سټاک فش لخوا ارزول شوی - یو انجن چې خورا ژور لټون باندې تکیه کوي. منتقدین استدلال کوي چې ماډل لټون له منځه نه دی وړی؛ دا استول. لټون په ساده ډول د روزنې ډیټا کې مخ په وړاندې بار شوی و نه د استخراج په وخت کې ترسره شوی.

"د موډل ادعا کول د "بغیر لټون" شطرنج لوبوي پداسې حال کې چې د لټون پر بنسټ د انجن په محصولاتو کې روزنه ورکول د دې ادعا کولو په څیر دي چې تاسو د نقشې پرته یو ماز حل کړی - د هغه حل یادولو وروسته چې بل چا د نقشې په کارولو سره وموندل."

دا توپیر خورا مهم دی. موډل د لټون پایلو فشار شوي نمایشونه زده کړل، نه خپلواک موقف پوهه. د لټون څخه ترلاسه شوي روزنې سیګنال لرې کړئ ، او فعالیت سقوط کوي. دا د سوداګرۍ په استخباراتو کې مستقیم موازي لري: د AI لخوا پرمخ وړل شوي پریکړې وسیله یوازې دومره ښه ده څومره چې سیسټمیک تحلیل د دې روزنې پایپ لاین کې ځای په ځای شوي.

په عمل کې د خالص نمونې پیژندنه چیرته ماتیږي؟

د خپلواکو څیړونکو لخوا تجربوي ازموینې د ناکامۍ مهمې طریقې افشا کړې چې اصلي معیارونه یې پټ کړي:

• ژور تاکتیکي موقعیتونه: ماډل په دوامداره توګه یاد شوي ترکیبونه چې د 4-5 حرکتونو څخه هاخوا محاسبې ته اړتیا لري، چیرې چې دودیز انجنونه د واضح لټون ونو له لارې غوره کیږي.
• د نوي پای لوبې سناریوګانې: د روزنې له ویش څخه بهر موقعیتونه د لومړي اصولو څخه د استدلال کولو لپاره د موډل نشتوالی په ګوته کوي، چې د ابتدايي غلطیو لامل کیږي چې هیڅ انسان لوی ماسټر به نه وي.
• مخالف ځواک: کله چې مخالفین په قصدي توګه لوبې غیر معمولي پوستونو ته واړوي، د ماډل ایلو د پام وړ راټیټ شو - د ریښتیني پوهاوي پرځای د یادولو وړاندیز کوي.
• د فشار لاندې دوام: پداسې حال کې چې اوسط فعالیت د ګرانډ ماسټر په کچه ښکاري، توپیر د انسان لوی ماسټر یا د لټون پر بنسټ انجنونو په پرتله خورا لوړ و، د ریښتینې ګرانډ ماسټر لوبې سره په مطابقت کې د ناورین وړ غلطیو سره پیښیږي.
• د موقعیت پیچلتیا اندازه کول: لکه څنګه چې د بورډ پیچلتیا زیاته شوه، د لټون څخه پاک ماډل او د لټون پر بنسټ د انجنونو ترمنځ واټن د خطي پر ځای په چټکۍ سره پراخ شو.

دا بحث د AI لخوا پرمخ وړل شوي سوداګریز سیسټمونو لپاره څه معنی لري؟

د شطرنج پرته د لټون شخړه د عصري AI ګمارنې په زړه کې یو فشار روښانه کوي. د نمونې پیژندنه او سیسټمیک تحلیل د تبادلې وړ ندي - دوی بشپړونکي دي. خورا اغیزمن سیسټمونه د منظم استدلال سره ګړندي رواني ځوابونه ترکیب کوي چیرې چې دخیل لوړ وي.

دا په دقیقه توګه د میویز د 207 ماډل سوداګریز عملیاتي سیسټم شاته جوړښت دی. د دې پرځای چې یوازې د نمونې سره مطابقت لرونکي هیوریسټیک یا په بشپړ ډول د قاعدې پراساس منطق باندې تکیه وکړئ ، پلیټ فارم د خپل کاري فلو اتومات ، CRM ، پروژې مدیریت ، او مالي ماډلونو کې دواړه لارې مدغم کوي. د ګړندي نمونې پراساس وړاندیزونه د معمول پریکړې اداره کوي ، پداسې حال کې چې جوړښت شوي تحلیلي چوکاټونه د پیچلو سناریوګانو لپاره ښکیل دي - منعکس کوي چې څنګه د شطرنج قوي انجنونه د عصبي شبکې ارزونه د هدف شوي لټون سره یوځای کوي.

د برعکس تحلیل څخه درس روښانه دی: هغه سیسټمونه چې ادعا کوي د خالص الهام په ګټه سیسټمیک استدلال له مینځه وړي په لازمي ډول د فعالیت حد ته زیان رسوي. که چیرې د شطرنج موقعیت اداره کړي یا د سوداګرۍ پایپ لاین، د عمدي تحلیل سره د چټک نمونې پیژندنې ترکیب په دوامداره توګه په انزوا کې د یا هم طریقې څخه ښه کار کوي.

موږ باید څنګه ارزونه وکړو چې د AI ادعاګانې مخ په وړاندې ځي؟

مخالف استدلال د AI څیړنیزو ادعاوو د انتقادي ارزونې لپاره یو ګټور چوکاټ رامینځته کوي. لومړی، معاینه کړئ چې ایا ادعا شوې وړتیا واقعیا ترلاسه شوې یا یوازې بیا توزیع شوې - ایا سیسټم لټون له مینځه وړی، یا یې د روزنې په بهیر کې پټ کړی؟ دوهم، د مخالفو او د ویش څخه بهر آخذونو باندې د فعالیت ازموینه، نه یوازې د مناسب معیارونو. دریم، د اوسط په څنګ کې د دوامدارۍ او تر ټولو خراب حالت اندازه کول، ځکه چې یو سیسټم چې د وخت 90٪ په زړه پورې لوبې کوي مګر په ناورین سره 10٪ وخت تېروي په هیڅ معنی معنی کې د لوی ماسټر کچه نه ده.

دا ارزونې اصول په مساوي ډول پلي کیږي کله چې سوداګرۍ د خپلو عملیاتو لپاره د AI ځواک لرونکي وسیلې ارزوي. د سطحې کچې معیارونه کولی شي مهمې ضعفونه پټ کړي چې د ریښتیني نړۍ شرایطو کې رامینځته کیږي - یو حقیقت چې د میویز چلند په خپل ټول ماډل اکوسیستم کې د اعتبار رامینځته کولو لپاره خبر کړی.

په مکرر ډول پوښتل شوي پوښتنې

آیا د شطرنج پرته د لټون ماډل په حقیقت کې د لوی ماسټر کچې ته رسیدلی؟

د کنټرول شوي بنچمارک شرایطو لاندې، ماډل د لوی ماسټر رینج کې د Elo درجه بندي ترلاسه کړه. په هرصورت، خپلواکې ازموینې توپیرونه، مخالف زیانونه، او ژور تاکتیکي ړانده ځایونه په ګوته کړل چې د لوی ماسټر طبقه بندي کمزورې کوي. د ریښتیني لوی ماسټر لوبې اعتبار او ژورتیا ته اړتیا لري چې ماډل په دوامداره توګه نه و ښودلی، دا ادعا په پراخه کچه د اعتبار پر ځای تخنیکي پلوه تنګ کوي.

ایا د لټون څخه پاک AI شطرنج څیړنه د دې انتقادونو سره سره لاهم ارزښت لري؟

بالکل. څیړنې ښودلې چې د ټرانسفارمر معمارۍ کولی شي د شطرنج پوهه خورا لوی مقدار د ګړندي واحد پاس ارزونو کې فشار راوړي. دا د ګړندي اټکل شوي ارزونو ، روزنې مرستې ، او هایبرډ سیسټمونو لپاره عملي غوښتنلیکونه لري. متضاد دلیلونه څیړنه نه باطلوي - دوی په سمه توګه د دې محدودیتونو سره تړاو لري او یو زیاتې پایلې ننګوي.

دا بحث د سوداګرۍ د اتوماتیک وسیلو غوره کولو سره څنګه تړاو لري؟

اصلي درس دا دی چې اغیزمن اتومات د هرې دندې ډول ته د سم استدلال چلند سره سمون ته اړتیا لري. ساده، تکراري پریکړې د چټک نمونې پیژندنې څخه ګټه پورته کوي. پیچلې، د لوړې کچې پریکړې جوړښتي تحلیل ته اړتیا لري. غوره پلیټ فارمونه - لکه د میویز مدغم شوي سوداګرۍ OS - دواړه سره یوځای کوي، دا ډاډه کوي چې هیڅ یوه لاره ستاسو په عملیاتو کې خنډ یا د ناکامۍ نقطه نه وي.

د سرعت او ژورتیا دواړو لپاره جوړ شوي سیسټم کې ستاسو سوداګرۍ چلولو ته چمتو یاست؟ میویز 207 مدغم ماډلونه د هوښیار اتوماتیک سره ترکیب کوي چې د ریښتیني نړۍ پیچلتیا لپاره ډیزاین شوي - نه د بنچمارک تیاترونو لپاره. پلانونه د ټیمونو لپاره په $ 19 / mo پیل کیږي چې په هره کچه د اعتبار غوښتنه کوي. خپل وړیا آزموینه په app.mewayz.com کې پیل کړئ او تجربه کړئ چې د سوداګرۍ ریښتیني عملیاتي سیسټم څه ډول احساس کوي.