[REPRODUCCIÓ DE MÚSICA] ALTAVEU: Benvingut de nou, tothom. Això és CS50. I avui, tenim una gran quantitat de coses interessants que parlar. Primer, però, he de recordar- que d'algunes coses administratives. Aquesta setmana és prova un, dimecres o per a la secció de Yale els dimarts i dijous, dijous. Hi ha opinions de concursos aquesta nit a la Universitat de Yale, dos quarts-7: 00. A Harvard, van gravar un sol ahir. I tothom pot veure que en línia. A més, aquesta setmana o principis de la setmana que ve, tenim la nostra última conferència CS50. [Gemecs] sé. Va arribar tan aviat. Estudiants de Yale tindran un viu donar una conferència aquí a la Facultat de Dret Auditori divendres. Hi haurà coca. Estudiants de Harvard tindran la última conferència a Sanders dilluns. També hi haurà coca. A més, aquesta setmana el divendres, per a aquells de vostès que estan arribant a New Haven, tenim l'Expo CS50. Tenim més de 30 diferents grups registrats per mostrar-li tot de velers autònomes, als sistemes que reconeixen retrats digitals, a l'ordinador la música i la música per ordinador produïda. Així que si us plau, uneix-t'hi. Crec que serà un bon moment. Avui, però, arribem a seguir parlant d'AI, sobre la intel·ligència artificial. I una de les coses que anem a arribar a l'actualitat és la idea de com AI utilitzar per resoldre problemes. Ara, com sempre, anem a començar amb una cosa senzilla. I anem a començar amb una idea simple. I això és mitjançant la recerca. Així que imagini per un moment que jo tenen una tasca que he de dur a terme. I m'agradaria tenir aquesta tasca automatitzat per algun agent programari. Imagina't que jo estic tractant de reservar un conjunt de vols procedents de, diguem, Boston a San Francisco. Jo podria anar a través i cal fer això un de la meravellosa recerca en línia eines, que es van a fer bàsicament el mateix procés que estem anar a caminar a través de l'actualitat. Però si vostè no ha de eina, què faries? Bé, podries mirar i veig i dic, estic a Boston. Quin vols estan disponibles per a mi? Ara, potser Tinc tres possibles vols fora de Boston que s'ajusti el temps quan he de sortir. Podia volar a Chicago. O podria volar a Miami. O podria volar a Nova York. Llavors jo podria mirar de cada una d'aquelles ciutats de destinació i pensar en quins llocs Jo podria arribar a de cadascuna d'aquestes ciutats individuals. Així que potser de Chicago, puc aconseguir un vol directe a San Francisco. Això és excel·lent. O podria aconseguir un vol a Denver. Ara, potser aquest vol a San Francisco és la solució perfecta per a mi, però potser no. Potser estic buscant alguna cosa això és una mica més econòmic o una mica millor per a la meva agenda. I perquè pogués buscar allò altre possibilitats podrien ser-hi. Així que podria mirar a Denver. I a partir de Denver, bé, potser Puc aconseguir un vol a Austin. I des de Austin, potser pugui aconseguir un vol a Phoenix, i des de Phoenix a San Francisco. Ara, jo no he acabat encara. Perquè potser hi ha una vol directe des de Nova York a San Francisco, que és perfecte per a mi. O potser hi ha un vol des de Miami a través de Denver que és molt més barat. Així que encara he d'anar. I encara he de mirar a tots els ciutats que no he investigat encara. He de revisar exhaustivament tots les possibilitats que podria tenir. Així que, des de Nova York, potser pugui aconseguir un vol a Nashville, i des de Nashville a Austin. I llavors sé on sóc. I llavors sé d'Austin, que pugui volar a Phoenix, i des de Phoenix a San Francisco. Si vol primer a Miami, però, potser pugui aconseguir un vol de Miami a Nashville, o des de Miami a Austin. I ara ho he intentat tot de les possibilitats. He construït aquest gràfic que em mostra totes les possibles rutes que jo podria ser capaç de prendre. Quan representem aquests tipus de problemes, no representarem elles explícitament com aquest gràfic, perquè aquest gràfic no representa la història d'on hem anat. Sabent que vaig volar de Phoenix a San Francisco no dir-me si he vingut a través Nashville, o per mitjà de Denver, o per mitjà de Miami. Llavors, què faré en canvi és Em quedo amb aquest mateix problema, i vaig a representar com un arbre. I a l'arrel de l'arbre, al dalt, vaig a posar el lloc en què vaig començar, Boston. I a partir de Boston, ho veuré de totes les possibles ubicacions que puc viatjar. Bé, en aquest cas, jo tenia tres, Chicago, Nova York i Miami. I després vaig a explorar cadascun aquests nens en l'arbre. Des de Chicago, vaig veure que tenia dos vols. Podia volar directament a Sant Francesc o Denver. Ara San Francisco, que és el meu objectiu. Aquest és el meu destí. Això va ser un full d'aquest arbre. És a dir, jo mai vaig a anar algun lloc després de Sant Francesc. De Denver, però, Puc volar des de Denver a Austin, d'Austin a Phoenix, i des de Phoenix a San Francisco. I ara de nou, he arribat a un full. Llavors podria tornar a la següent ciutat que no he explorat. Això seria Nova York, anar de nou fins a la part superior del meu arbre, venir a Nova York. Des de Nova York, puc volar a Nashville, de Nashville a Austin, d'Austin a Phoenix, i de Phoenix a San Francisco. I, finalment, una ciutat en la qual no han mirat encara, de Miami. Bé, des de Miami em va dir que jo tenia de dos possibilitats, Nashville o Austin. Si vol a Nashville, bé, llavors jo vol de Nashville, a Austin, a Phoenix, a San Francisco. Si vol a Austin, vol Austin, a Phoenix, a San Francisco. I ara tinc un arbre. És un arbre. És tot de les possibilitats i tots els camins que podria prendre. És a dir, si em poso al arrel de l'arbre a la part superior i me'n vaig a un dels deixa, em diu, no només on vaig a acabar, Sant Francesc, però em diu que la ruta que He de prendre per arribar-hi. Ara, quin d'ells és el millor? Bé, res d'això problema encara em diu quina d'elles és la millor solució. Potser em preocupo més sobre la quantitat de temps que estic en l'aire, o la distància que estic volant. En aquest cas, Chicago a Sant Francisco podria ser el nombre més curt de milles en l'aire. Potser m'importa el cost. I tots sabem vols directes solen ser més cars. Així que potser si prenc aquesta tipus de ruta cap enrere per Miami, Nashville, Austin, Phoenix, potser llavors Em surt un preu més baix. Però podria optimitzar en qualsevol criteris que m'importen. Qui té el millor de vol Wi-Fi, o que aeroports tenen la millor menjar disponible. I cada un dels que podria dóna'm una solució diferent que veig com el millor. Aquest tipus de problemes, on anem per construir aquest arbre de possibilitats, i després mirar a cada un dels camins individuals, i examinar quines d'aquestes fulfills un criteri per a nosaltres, anem a trucar els problemes de cerca. I tenim un munt de algoritmes, alguns dels quals hem vist ja, per anar i explorar aquests arbres. Podríem fer-ho de la manera que jo acabo de fer una recerca en profunditat, baixant pel que pugui fins que colpejar un full, i després tornar cap amunt, i va dret cap avall. O podríem fer el que és anomenada recerca en amplitud. Podríem ampliar tot a la part superior, i després tot el que una línia sota d'això, i després tot el que una línia per sota d'això. Aquests arbres de cerca són fonamentals per a la IA. Però ells no arriben a obtenir el correcte tot el temps. De fet, en molts dels casos que realment importa, volem construir un arbre, però no ho fem realitat arribar a fer totes les decisions. Aquestes són situacions trucades Cerca acusatori, també conegut com la forma d'escriure de jocs de joc sistemes i els paga per això. Però aquests són els tipus dels sistemes on podria arribar a triar quan vaig de Boston, que la ciutat em passi a la següent. Però després d'això, algú podria obtenir per prendre la decisió sobre on jo vol. Així que per construir aquests tipus d'estructures, estem va haver de prendre una mica enfocament diferent a ella. No serem capaços de només has de buscar a través de l'arbre més, perquè no estem el que té el control de cada un d'aquests punts de decisió. Així que imaginem una senzilla joc com el tic-tac-toe. Podria començar amb una tauler completament en blanc. I en tic-tac-dit del peu, X arriba a jugar primer. I pel que podia pensar en tot el possibles moviments que X podria fer. I si jo sóc el joc la X, que és gran. Tinc nou possibles moviments que PUC. Podria posar una X en qualsevol d'aquests nou posicions. I després de cada un dels, I podia imaginar el que succeirà després. Doncs bé, en aquest cas, l'altre jugador podria arribar a fer un volt. O podria arribar a fer un volt. I a partir de cada un d'ells, hi ha seria vuit llocs diferents O que podria posar el seu marcador. Diguem que jo vaig decidir que jo era posarà una X al centre. Això sempre sembla com un bon moviment d'obertura. Podia mirar sota d'això, la vuit moviments possibles que O fa. Ara bé, si estic jugant X, això és meravellós. Tinc l'oportunitat de triar quin d'ells em anar a, l'un al centre. Però ara O ha de triar. I jo no tinc control sobre aquesta decisió. Però a partir de cada un dels possibles posicions de taula, hi ha després una altra conjunt de possibilitats. Quan es tracta de ser el meu torn de nou, ho faria arribar a escollir i dir, bé, O si es mou en el, bé, el punt mig a l'esquerra, a continuació, Tinc un conjunt de possibilitats on puc prendre el meu proper moviment. D'aquests, jo podria considerar tots les possibilitats sota d'ells. I llavors O obtindria per triar entre aquells. I podria seguir construint aquest arbre a terme fins que va arribar al punt on sigui algú guanya el game-- que és Ha de ser considerada un full node-- o la junta està completament ple i ningú ha guanyat. I això també va a ser un node fulla. Això serà un empat. Però la cosa difícil amb això és si això fos només una cerca normal problema, jo seria capaç de diguem, bé, X hauria d'anar aquí. I O ha d'anar molt més enllà. I llavors X ha d'anar per aquí. I llavors O ha d'anar molt més enllà. I llavors X pot aconseguir tres en una fila, i jo guanyo. I el joc hauria acabat en cinc moviments, tres per a mi, 2 per a la meva oponent. Però no sempre em donen a triar això. Així que en comptes, del que som va a haver de fer és que tindrem tenir una nova estratègia. I l'estratègia que algoritmes joc de papers solen utilitzar és el que s'anomena minimax. La idea central de minimax és que estem anar a recollir el moviment que dóna nostre adversari la pitjor quantitat possible de moviments que poden fer. No em fa cap bé triar un moviment on Jo podria ser capaç de guanyar després que, a causa de la meva oponent no és em va donar aquesta oportunitat. Van a triar algun horrible resultat per a mi. Així que em vaig a fer el moviment que obliga al meu oponent fer alguna cosa millor per a mi. Tot bé. Anem a veure com es desenvolupa. Així que aquí està el nostre algoritme en pseudocodi. Anem a generar tot l'arbre de joc. Construirem tota l'estructura. I després anirem a través. I a la part inferior en cadascuna de les nodes terminals, en cadascuna de les fulles, avaluarem com valuós és que a mi? I anem a valorar les coses que són bones per a mi com ser positiu. Les coses que no són bones per a mi serà menys positiu, o zero, o fins i tot negatiu. Així que en el tic-tac-dit del peu, potser una victòria per a mi és bo. Aquesta és una pregunta. I un empat és zero. I una cosa que és una pèrdua per mi, potser això és una negativa. Tot el que importa és que el millor que és per a mi, a major puntuació que rep. A partir d'aquestes possibilitats en el part inferior, a continuació, anem a filtrar cap amunt. I quan és la meva oportunitat de triar entre un conjunt d'alternatives, Vaig a triar el que sigui va obtenir la puntuació més alt. I cada vegada que és el meu opositors tornen a triar, Vaig a assumir que van a triar el que tingui la puntuació més baixa. I si faig això tot el camí fins a la part superior de l'arbre, T'he triat un camí que dóna mi el millor resultat que puc aconseguir, suposant que el meu oponent fa tots els moviments correctes. Molt bé, així que anem a veure això en acció primer. I després anem a realitat mirar el codi per a això. Així que imaginin tinc aquest gran arbre. I ara no estic jugant tic-tac-toe. Volia donar-li cosa una mica més ric. Així que tinc una mica de joc en el qual hi ha molts diferents puntuacions que jo pogués tenir en el final. I així jo construir aquest arbre. I arribo a moure primer. Estic a l'arrel de l'arbre. I puc triar que-- la qual cosa obtenir per maximitzar a través d'aquest primer node. I llavors el meu oponent arriba a anar. I després he d'anar un cop més. Així que a baix en el fons, tinc un conjunt de possibilitats que puc triar, diferents estats terminals de joc. Si estic en aquest extrema esquerra cantonada, i veig que tinc una opció entre un vuit, set, i dos, bé, jo sóc el que ha de triar. Així que vaig a triar el millor un d'aquests. Vaig a triar el vuit. Així que sé que si mai baixar a aquest punt, Vaig a ser capaç d'aconseguir que els vuit punts. Si terme en el següent punt sobre, el següent node a través, 1 nou, u, o 6, bé, estic va a triar la millor d'elles. Vaig a triar als nou. Si he de triar entre 2, i quatre, i un, Vaig a triar els quatre, el més alt. Ara, si miro a nivell sobre d'això, el meu oponent és el que arriba a prendre aquesta decisió. Així que el meu oponent arriba a trio, vull donar-li el que està passant per aconseguir que vuit punts, o no li dono el que és va a donar-li nou punts, o el que està passant per donar-li quatre punts? I el meu oponent, sent racional, que està passant per triar el mínim dels, es va a triar dels quatre. I jo puc fer això a través de tot l'arbre. Jo puc anar a que ajust mitjana de tres. I puc triar entre un, tres-cinc. I tinc l'oportunitat de triar. Així que trio un cinc. Puc triar tres, nou, o dos. Tinc l'oportunitat de triar, així que trio el nou. Sis, cinc, o dos, jo trio. Tinc l'oportunitat de triar el sis. Nivell per sobre d'això, qui va a triar? Qui ha de triar? L'altre noi, el meu oponent. Així que triïn 5, 09:00, o sis, quin? AUDIÈNCIA: El cinc. ALTAVEU: Trien els cinc. Arriben a triar el mínim. I després l'últim, triar un, dos, o tres. Tinc l'oportunitat de triar, així que escollir tres. Nou, set, o dos, em trien nou. I 11, sis, o quatre, trio 11. El meu oponent i després tria tres, 09:00, 11 o, tria el mínim. Ell em dóna un 3. I, finalment, a la part superior de l'arbre, he de triar de nou. I tinc l'oportunitat de triar entre quatre, cinc, o tres. Així que em prenc el cinc. Si he de controlar-ho tot, m'agradaria prendre el camí que va portar a la 11. Però no he de fer aquesta elecció. Si vaig per aquest camí. El meu oponent m'obligarà a l'elecció que condueix a un 3. Així que el millor que puc fer és prendre aquesta branca mitjana, prendre aquesta decisió que és, finalment, em va portar a cinc punts. Això és el que fa minimax. Tot bé. Anem a fer una ullada a això. Així que aquí al CS50 IDE és un programa que implementa minimax per jugar tic-tac-toe. Construirem una representació. Tindrem de dos opponent-- o dos jugadors, el nostre ordinador jugador i un jugador humà. El jugador número u serà jugant l'O Aquest serà el jugador de la màquina. Arriben a moure segons. I l'altre jugador, la nostra jugador humà, serà X. I per fer de la meva vida una mica simple, vaig etiquetar aquest jugador negativa. Així que només puc multiplicar per un de negatiu per intercanviar entre un jugador i l'altre. Molt bé, així que anem a fer una ullada a el que estem realment va a fer. Anem a definir la nostra junta. Serà, bé, anem per permetre que sigui de tres per tres, o fins i tot podem jugar cinc per cinc o set a les set de tic-tac-toe Si voleu de la mateixa manera que, basant-se alguna dimensió D. I tindrem un parell de funcions d'ajuda que va a fer les coses com inicialitzar el screen-- o ho sento, inicialitzar les nostres variables, desactivi la pantalla, dibuixar el tauler a la pantalla, ha una que comprova una taula per veure si és o no hi ha un guanyador, que analitza a través de la línia d'ordres, només per ajudar, un que llegeix d'entrada, i una funció anomenada minimax. I això és el anem preocupem més sobre. Però vegem primer en el principal. Què fem? Bé, anem a analitzar la nostra línia d'ordres, acabo de llegir i veure el taula de dimensió ens agradaria tenir. Anem a inicialitzem la nostra junta. I després entrarem en un llaç salvatge gran, en repetides ocasions acceptar mou fins que el joc és bestiar, o no hi ha cap moviment a l'esquerra. Cada vegada que anem a través d'aquest llaç, anem a esborrar la pantalla. Anem a dibuixar el tauler a la pantalla. I estem deliberadament tipus de abstreure aquestes lluny com subrutines, de manera que no hem de preocupar-se massa sobre els detalls de la forma en què es produeixin. Vas a tenir el codi més tard avui. I si vols mirar a través de i esbrinar, es pot veure tots ells. Però anem a dibuixar una taula a la pantalla. I després anem a comprovar i veure, tenim un guanyador? Algú ha guanyat aquest joc? Si és així, anem a imprimir un missatge de victòria. I anem a acabar el joc. També Comprovarem i veure si hi ha un empat. Serà fàcil veure si hi ha un empat. Això vol dir que tots els espais estan plens, però no ha estat un guanyador encara. Podem declarar un empat i per fer. Llavors la veritable meat-- si és un jugador de la màquina, permetrem que jugador de la màquina a la recerca mitjançant l'ús d'aquest algorisme minimax, per trobar la millor mesura que es pot. I després posarem que es mouen cap amunt. Altrament, si es tracta d'un jugador humà, llegirem algunes aportacions de l'humà. I després si és l'ésser humà jugador o el jugador de la màquina, farem un parell mica bits de comprovació d'errors, assegureu-vos que es manté dins dels límits de les dimensions reals de la junta que tenim, assegureu-vos que aquest espai està buit, que ningú va posar una peça en allà ja. I llavors només haurem de posar una peça en el tauler, canviar el jugador a la següent capa, i incrementar el nombre de moviments han succeït. Aquest és el bucle principal de el nostre joc tic-tac-toe. Minimax, llavors, és exactament l'algoritme que abans. L'únic ajust que hem fet el que hem pot jugar més alta taules dimensionals és que hem guardat aquest paràmetre extra anomenat profunditat. I la profunditat només diu, si estic buscar cap avall a través d'aquest arbre i em poso tan avall més enllà d'una certa profunditat nivell que jo simplement no vull per anar més lluny, Vaig a parar i simplement avaluar la junta en aquest punt. Vaig a comprovar i veure si hi ha un guanyador. Si hi ha un guanyador, jo els torno. Altrament, vaig a anar a través d'un bucle. I vaig a dir, per a tots les possibles ubicacions pugui jo prendre la meva moviment, vaig a construir una taula hipotètica que inclou un dels meus moviments en aquest tauler, i després crida recursivament minimax. Si es tracta d'un dels meus moviments, em surt per trobar el un que té la puntuació més gran. Si es tracta de la decisió del meu oponent, trobem el que té la puntuació mínima. I tota la resta és manteniment sol registre. Molt bé, així que anem a veure aquesta cursa. En realitat, potser puguem aconseguir un parell de voluntaris per venir i jugar tic-tac-toe. [Inaudible] un, i un més, dues, just aquí. Anem cap amunt. Així que seguirem endavant i reiniciar aquest completament. Així, hola. AUDIÈNCIA: Hola. ALTAVEU: Quin és el teu nom? AUDIÈNCIA: Gorav. ALTAVEU: Gorav. AUDIÈNCIA: Sóc Layla. ALTAVEU: I Layla, i Layla, ho sento. Anem cap amunt. Gorav, anem a haver d'anar primer. I vaig a demanar-li que ser un no terriblement bon jugador tic-tac-toe. OK, així que tota la pressió està fora de tu. Anem a veure, però, que la nostra màquina El jugador pot realment fer alguna cosa intel·ligent. Així que endavant. Vostè va a escriure en el qual coordinarà que li agradaria posar el seu X en. A0, OK, i la màquina s'ha anat immediatament i posar la seva marca en A1. Poseu la O al tauler. Molt bé, ara seguir endavant. On voldries anar? C2. El nostre jugador de la màquina ha pres la plaça central, es va bloquejar. Així que va ser una bona, el més intel·ligent perquè ho faci. Vostè ha bloquejat. Això és excel·lent. Es treu el córner allà. I que va a obligar-te a prendre l'últim espai, B0. I el joc acaba en empat. Però va tenir un raonable joc en contra de vostè, ¿no? Molt bé, moltes gràcies, Gorav. [Aplaudiments] Molt bé, Layla, anem el joc d'aquí. AUDIÈNCIA: Oh, genial. ALTAVEU: Anem a donar que quatre per quatre tic-tac-toe. Ara, en quatre per quatre, el que has de guanyar amb quatre partits en fila, no tres en una fila. I és tot teu. Així Layla va prendre D1. Ara seguirem nostre jugador de l'ordinador aquí. De tres en tres tic-tac-dit del peu és el tipus de cosa que és fàcil per a tots nosaltres. Però tot i així és agradable veure el jugador de l'ordinador fent moviments intel·ligents. Quatre per quatre arriba a ser una mica més complicat. Ben fet. Molt bé, així que Layla de rematar. Ah, i que hauria d'haver acabat allà. Però farem una més aquí. Així que Layla, gràcies. Ben fet. [Aplaudiments] Així que el nostre reproductor de tic-tac-toe va a través i descobreix llocs, resol usant aquest minimax. I jo tenia un ajust de profunditat en que perquè es no aniria massa ràpid, que és probablement la raó per Layla va ser capaç d'anar molt bé abans com ho va fer, i ho va fer molt bé. Però aquests sistemes que simplement anar a través i la força bruta anar més profund, i més profund, i més profund, i seguir trobant la solució que necessiten, aquest tipus de sistemes són força èxit en aquests, així, jocs de taula estàndard. I de fet, si ens fixem en un de tres en tres joc tic-tac-dit del peu, això és bàsicament un problema resolt. I això és un diagrama meravellosa de Randall Munroe en XKCD, mostrant què vostè ha de moure prendre, tenint en compte els moviments del teu oponent. Això és una cosa que vam poder especificar fàcilment abans d'hora. Però, què passa quan arribem a més jocs complexos, jocs més complexos, on hi ha taules més grans, més possibilitats, l'estratègia més profunda? Resulta que aquest força bruta buscant encara fa raonablement bé, excepte quan arribis al punt on aquest arbre és tan gran que no es pot representar tot. Quan no es pot calcular tot l'arbre, quan no es pot anar cap endavant i empenta a tu mateix fins al punt on vostè ha aconseguit tot l'arbre en la memòria, o si ho pot aconseguir en la memòria i s'acaba portarà massa temps per buscar a través de ell, vostè ha de fer alguna cosa més intel·ligent. Per tal de fer això, ha de fer dues coses. En primer lloc, vostè ha de trobar alguna manera de limitar la seva profunditat. Bé, això està bé. Podem trobar algunes bones, mínim i dir, només es pot anar tan profund. Però quan ho fa, que significa tenir aquests taulers parcialment incompletes. I vostè ha de triar, el que m'agrada aquest tauler parcialment incompleta, o aquest tauler parcialment incomplet? I en els nostres quatre per quatre jocs tic-tac-dit del peu, nostre jugador de l'ordinador es va baixar a la part inferior i es va dir, Tinc dues taules diferents. Cap dels dos és una victòria. Cap dels dos és una pèrdua. Cap dels dos és un empat. Com puc escollir entre ells? I no tenia un forma intel·ligent de fer-ho. Veiem aquest tipus de Avaluació passa tot el temps a mesura que en els jocs més complexos. Els escacs és un gran exemple. En els escacs, tenim, en primer lloc de tot, un tauler més gran. Tenim molts més peces. I el posicionament d'aquestes peces i la forma en què aquestes peces es mouen és de vital importància. Així que si vull fer servir minimax, He de ser capaç d'especificar i dir, aquest tauler, on ningú ha guanyat o perdut, però, és d'alguna manera millor que aquesta altra tauler, on ningú ha guanyat o perdut. Per fer això, jo podria fer coses com jo podria comptar quantes tinc i totes les tens? O podria donar diferents peces diferents punts. El meu reina val 20 punts. El seu peó val un punt. Qui té més punts en total? O podria considerar coses com: qui té la millor posició al tauler? A qui li toca el pròxim, tot el que puc no per avaluar amb més precisió quina d'aquestes possibilitats és millor sense tenint en compte de manera exhaustiva cada moviment que podria venir després d'això. Ara per fer aquest treball, una de les coses que és serà realment important per a nosaltres no és només movent recta fins a una profunditat particular, límit, però ser capaç de dir, d'aquestes idees que jo tenir és tan dolent que és No val la pena considerar totes les possibles formes que les coses poden anar de mal en pitjor. Per a això, anem a afegir a minimax un principi anomenat alph-beta. I alfa-beta diu, si vostè té una mala idea, no perdis el teu temps intentant saber exactament el dolent que és. Així que aquí és el que farem. Anem a prendre la mateixa principis que teníem abans, el mateix tipus minimax de recerca, només estem va un seguiment, no només de la valors reals que tenim, però anem a realitzar un seguiment de la millor manera possible valor que podria aconseguir, i el pitjor possible resultat que podria tenir. I cada vegada el pitjor possible Ho està buscant probable, Vaig a abandonar aquesta part de l'arbre. I no vaig tan sols es molesten mirant més. Molt bé, així que imaginem que comencem amb aquest mateix arbre exacta joc. I ara anirem de nou, fins al fons a aquesta cantonada inferior esquerra. I en aquesta part inferior esquerra cantonada, ens mirem i avaluem aquest fòrum. Potser és un quatre per quatre tic-tac-toe tauler, o potser és un tauler d'escacs. Però ho mirem i avaluem , I obtenim un valor de vuit. En aquest punt, sabem que anem a aconseguir almenys vuit punts d'aquesta decisió final. No importa el que l'altre 2 són, què set i que dos. Podrien ser qualsevol valor volien ser. Anem a arribar a menys vuit punts. Molt bé, però que vam poder seguir endavant i comprovar. Potser un d'ells és millor que huit. Ens fixem en els set. ¿Això és millor que huit? No, això no canvia la nostra opinió en absolut. Ens fixem en els dos. ¿Això és millor que huit? No, això no canvia la nostra opinió en absolut. Així que ara que sabem que hem esgotat totes les possibilitats allà. No anem a aconseguir res millor que huit. Aconseguirem exactament 8. I així canviem aquest node i per exemple, és ara una certesa. Vam pujar un nivell per sobre d'això. I ara sabem alguna cosa sobre aquest nivell de minimització. Sabem que mai arribarem més de vuit punts si baixen aquesta direcció. Perquè fins i tot si els altres dues branques resulten a ser fantàstic i val la pena milers de punts cada un, nostre oponent ens donarà la mínim, i ens donen les vuit. Molt bé, bé, anem a veure. Seguirem endavant per aquest camí. Baixem a la mitjana de l'esquerra. Mirem cap avall i veiem que hi ha un nou. Sabem que anem a aconseguir almenys nou punts per anar a baix aquest camí mig. I en aquest punt, només podem fer una pausa. I podem dir, mira, conèixer en el nivell anterior, Vaig a tenir no més de vuit assenyala baixant aquesta direcció. Però si anava per la meitat camí en lloc del camí de l'esquerra, M'agradaria tenir almenys nou punts. El meu oponent mai va a m'ho dius a mi anar per aquest camí mig. Arriben a triar. I ells van a triar el ruta a l'esquerra en direcció als vuit, en lloc de pel centre cap el que hi ha almenys nou punts. Així que en aquest moment, vaig a deixar. I vaig a dir, saps què? Jo no he de mirar més avall en aquesta direcció. Perquè jo mai vaig a arribar-hi. Puc passar per alt que un, i puc passar per alt que 6, perquè això mai succeirà. Així que vaig a anar cap avall i vaig a considerar la següent possibilitat. Vaig allà i em dic, veig un dos. Sé que si em poso a aquí, estic aconseguirà almenys dos. D'ACORD. Segueixo endavant. Veig un quatre. Sé que vaig a aconseguir almenys quatre. Encara hi ha molt entre 04:08, però. Així que segueixo endavant. Miro cap avall i veig que hi ha un. Està bé, sé que si Vaig per aquest camí, Jo seré capaç de triar els quatre. El que el meu oponent va a fer? Entre una cosa que em dóna 08:00, una cosa que em dona quatre, i una cosa que em dóna, almenys, nou, bo, ell em va donar als quatre. I sé que ara al el més alt, em vaig ser capaç d'aconseguir almenys quatre punts sobre aquest joc. La idea d'alfa-beta és tallar parts de l'arbre per que jo no miro més. Però encara es veu com si hagués estat mirant un munt d'arbre. Anem a mantenir a la baixa. Baixarem el següent moment. En el fons, em sembla un u. Sé que vaig a aconseguir almenys un. Segueixo buscant. Em sembla un 3. Sé que vaig a aconseguir almenys tres. Segueixo endavant. Em sembla un cinc. Sé que tindré de cinc si em poso en aquest camí. I també sé llavors que el meu oponent, si triar el mitjà de els tres grans opcions, ell va a donar-me cosa que és cinc o menys. D'ACORD. Puc seguir allà. Puc mirar cap avall i jo pot dir, què vaig aconseguir si vaig pel camí del mig? Jo vaig a aconseguir, així, tres allà. Vaig a aconseguir alguna cosa això és almenys tres. Encara hi ha coses entre 03:05, de manera que seguir buscant. Oh, 1 nou, vaig definitivament prendre que més d'un 3. Vaig a aconseguir almenys nou si em vaig per aquest camí mig. Ara la meva oponent s'atura i diu: mira, no té sentit ja. Jo sé que el meu oponent minimització, ell és em va donar el que és menys d'o igual a cinc, en lloc del que és major o igual a nou. M'aturo. No em veig més en això. Segueixo endavant. Miro cap avall en aquest cas. Fins al fons, em sembla un 6. Sé que vaig a aconseguir almenys sis. I què puc fer jo? Jo puc parar. Perquè hi ha una elecció entre cosa que és com a mínim sis i una cosa que és menys de cinc, que és em va donar la cosa això és menys de cinc. I ara sé que vaig per obtenir exactament aquesta elecció. Vaig a aconseguir que 5 elecció. Torno al cim. Què vaig a triar entre una cosa això és més gran o igual a quatre, o alguna cosa que és igual a cinc? Me'n vaig a prendre alguna cosa això és, almenys, cinc anys. Vaig per l'última ruta, tot el camí fins a la part inferior. Hi ha un. Acceptar, almenys jo vaig a aconseguir un punt. Segueixo endavant. Dos, oh, això és millor que un. Vaig a aconseguir almenys dues. Em sembla un 3. Sé que vaig a tenir tres. I el punt per sobre d'això, el meu oponent va que em donés alguna cosa que és menor o igual a tres. I ara puc parar. A causa de que en l'elecció entre mi ser capaç d'aconseguir un cinc i el meu oponent donar-me una mica menys de tres, Jo sempre vaig a tenir que cinc. Així que no avaluo que part inferior de l'arbre en absolut. Ara, això pot semblar menor. Però quan petits trossos de l'aritmètica, més gran que i menor que, poden tallar parts senceres de aquest arbre que creix exponencialment, que condueix a una enorme quantitat d'estalvi, estalvi que són prou grans que jo pot començar a jugar competitivament en els jocs més complexos. Molt bé, si ens fixem en la grandària i la complexitat dels diferents jocs, tic-tac-toe era el nostre senzill exemple. Tenim una taula petita, de tres en tres. Tenim, com a màxim, una mitjana de prop de quatre opcions diferents a mesura que avancem en el joc. Tenim algun lloc al voltant de 10 a la cinquè possibles fulles diferents. I la construcció d'un tres en ratlla jugador, així, només ho va fer. És fàcil. Si pugem a alguna cosa més complexa, com Connecta Quatre. Te'n recordes d'aquest joc on li cau les petites fitxes en? És un tauler de sis per set, No és molt més gran, encara té aproximadament la mateixa ramificació factoritzar com tic-tac-toe. Tinc unes quatre opcions on puc posar les coses en. Però ara, tinc molt més condueix, 10 elevat a 21. Això és una cosa que és fàcil n'hi ha prou que es resol immediatament. Dames, més complex-- va aconseguir un vuit per vuit bord. Vostè és només en la meitat de en qualsevol moment, però. Vostè té una ramificació factor que és aproximadament 2,8. Bé, tenim un parell moviments que pot prendre. Tens 10 a les fulles 31ª, espais més grans i més grans, i més gran. Com he de buscar a través de aquests espais cada vegada més grans, que és quan coses com alfa-beta i ser capaç de tallar branques senceres esdevé essencial. Ara, les dames era bastant fàcil en 1992. Un programa d'ordinador anomenat Chinook va vèncer als inspectors món campió, Marion Tinsley. I des de llavors, no reproductor mestre humà té estat capaç de vèncer als millors sistemes computacionals. Si ens fixem en una mena escacs, ara de nou, tenim un vuit per vuit bord. Però tenim molt més complex peces, moviments molt més complex. Comptem amb un factor de ramificació d'aproximadament 35, 35 moviments possibles de mitjana que puc prendre, i un estat espai, un nombre de fulls que ha crescut de 10 a la potència 123, un enorme nombre de possibilitats. Tot i això, els processadors moderns són capaços de fer això amb èxit. El 1995 i després en 1997, un ordinador programa anomenat Deep Blue construït per IBM que va córrer en un superordinador gegant batre l'actual campió del món, Garry Kasparov. Aquest va ser un punt d'inflexió. Avui en dia, però, que mateix processament el poder se senti en el meu MacBook. La velocitat de processament manté cada vegada més ràpid i més ràpid. Podem avaluar més taulers més ràpids i més ràpid. Però el més important, tenim millor funcions d'avaluació i una millor poda mètodes. Així que podem buscar a la espai més complexa. El major de la junta jocs que podem imaginar, alguna cosa així com Go que és té un tauler de 19 per 19, ara, de cop i volta, estem més enllà del punt on els sistemes computacionals poden guanyar. No hi ha computacional sistema per aquí que pot vèncer a un jugador professional de Go. El millor rang d'avui els sistemes s'acosta la classe de bon nivell amateur. Així que encara hi ha una mica fora allà on no es pot arribar a encara. Molt bé, aquests jocs de taula tradicionals, aquest tipus de sistemes en què construir aquesta minimax, si té alfa-beta o no, aquests algoritmes treballen perquè hi ha certes restriccions. Tenim informació perfecta sobre el món. Sabem que totes les peces són. El món és estàtic. Ningú arriba a moure el peces al voltant mentre estic assegut allà pensant, prenent el meu torn. Hi ha un espai d'acció que és discreta. Jo puc posar el meu afany aquí, o puc posar el meu afany aquí. No em permet posar la meva obstinació a la línia entre els dos quadrats. I finalment, les accions són deterministes. Jo sé que si dic, torre a cavaller 3, la meva torre va a acabar en cavaller tres, sempre i quan es tracta d'un moviment vàlid. No hi ha incertesa sobre això. Ara, a mesura que vagi a més diferents tipus de jocs, hem de trencar aquestes suposicions. I si vaig a alguna cosa com els videojocs clàssics? Heus aquí una selecció de vídeo jocs de l'Atari 2600. Què he allà dalt? Tinc Frogger, Espai Invaders, trampa, i Pac-Man. Quin tipus d'ambients tinc aquí ara? Quin d'aquests supòsits ¿He de trencar? Bé, depèn del joc. Podria jugar escacs en el 2600, i seria com ho era abans. Per a la majoria d'aquests sistemes, hi ha coneixement complet sobre el món. Hi ha completament accions determinista. Però en general, el món de ja no estàtica. És a dir, mentre estic assegut allà esperant, alguna cosa es mou. Els fantasmes vénen a buscar-me. L'escorpí m'està seguint sota. Els invasors de l'espai són cada vegada més a prop. Què tan bé podem fer contra això? Fa uns anys, Google hi havia un projecte anomenat DeepMind, on van entrenar un ordinador programa per jugar jocs d'Atari 2600. I si vostè pensa que això no és greu negoci, els resultats del seu estudi es van publicar a la revista Nature, per la qual gairebé tan bo una publicació com es pot aconseguir possiblement. I això és el bé que es duen a terme. Tenen un algoritme que es va asseure i va veure només les entrades de la pantalla. Es va posar cap instrucció en absolut sobre les regles del joc. I se suposava que esbrinar, basa la seva puntuació, el bé que estava fent. Això era un sistema que utilitza alguna cosa anomenat aprenentatge per reforç. És a dir, que es veia en la seva puntuació. I si té un bon puntuació, va dir, He de recordar aquestes coses. I que he de fer els de nou. I si té una mala puntuació, es va dir, No hauria de fer aquestes coses de nou. Aquest és el rendiment d'aquests sistemes formats permès jugar per a un poques hores en cada joc, comparat contra els jugadors professionals. Així que per a tots els jocs que són a la banda esquerra d'aquesta línia, Aquest programa informàtic autodidacta superat als jugadors professionals. I perquè tot el dreta, els jugadors professionals van ser sent el millor. Per a alguna cosa que sabia res sobre les regles, que no sabia res de l'estructura de la jocs, es tracta d'un rendiment impressionant. I això és el que som capaços de fer avui. OK, vostè diu, però si pensar en la IA en els jocs, Normalment pensem en el coses que podem realitat seure i jugar en contra. Si em sento i toco StarCraft, o el joc lliure del tamís, l'opositor de l'ordinador és la persona que controla els Zerg, o el control de l'altra civilització. Com fan els jugadors realment trobar els seus moviments? Bé, aquests jocs estan estructurats de la mateixa manera com els nostres jocs de taula, aquests jocs que anem a col·lectivament trucar a quatre jocs de X, explorar, expand-- oblidar les estimats. Que són ells? Explora, ampliar i extingir, Crec que és l'últim. Però són bàsicament exploració i conquesta jocs. Normalment, l'opositor de l'ordinador allà té informació limitada. Ells no saben exactament el que està passant darrere d'aquesta boira de la guerra. Ells no arriben a veure què que té en el seu inventari. Hi ha un ambient que és dinàmic. Tot està canviant tot el temps. No et donen per seure i esperar per prendre la seva decisió. Però la majoria de les coses són encara discreta. He de posar la meva ciutat aquí. O he de posar la meva ciutat aquí. I tot és determinista. Quan dic, moure la meva unitat aquí, el meu unitat mou aquí, a menys que un obstacle de sobte entra en joc. Ara, això no és tot equip jocs que estan per aquí avui en dia. Si vaig i toco un primer tipus persona joc, una mena de lladre o Fallout o Skyrim o Halo, ara Tinc oponents de l'ordinador que hi són fora que tenen una situació molt diferent. Tenen, de nou, la informació limitada. Ells només poden veure una determinat camp de visió. El medi ambient és encara dinàmic. Les coses estan canviant tot el temps. Però ara tinc una molt més espai d'acció contínua. Puc ser simplement una Fer una ullada mica fora de la porta. I alguns jocs, el meu accions són estocàstic. Tinc l'oportunitat de tractar de saltar per sobre d'aquesta paret, però tinc l'oportunitat de fracassar. Aquest tipus de jocs són cada vegada més a prop i més a prop dels tipus de controladors que construïm en la robòtica. En robòtica, hem d'assumir que tinguem la informació limitada. Tenim sensors que ens diuen sobre el món. Tenim una sempre canviant, entorn dinàmic. Tenim un món en el qual l'espai és contínua, en lloc de discrets. I les nostres accions, quan tractem ells, tenen una probabilitat de fracassar. I de fet, joc modern controladors del teu oponent Halo, o per a aquells NPCs en Skyrim, bàsicament, executar petites arquitectures robòtica. Senten el món. Ells construeixen un model del món. Calculen basen en un conjunt de metes que els agradaria dur a terme. Planegen accions basades en el que saben. I aquests són exactament els mateixos tipus dels sistemes que construïm en la robòtica. Així que aquestes arquitectures, a portar aquest nou junts, sovint són exactament el mateix. Així que anem a veure si podem veure això. Tornem al nostre exemple tic-tac-toe. I jo vaig a demanar un parell de la meva post-docs per arribar i m'ajuden. Així Chen Ming, i Alessandro, i Olivier, si vostès vindria. I necessitaré un parell de voluntaris OK, vaig veure un dret mà allà al mig. Vull aprofitar un més, algú més enrere potser. Molt bé, per aquí. Anem cap amunt. Tot bé. Així que donem que tapa cap avall. I si vostès vindrien dret volta per aquí per a mi, fantàstic. Així que aquest és un robot anomenat Baxter. I Baxter és un robot que és un plataforma comercial, dissenyat per una companyia anomenada Rethink. I aquest robot està dissenyat per a la fabricació a petita escala. Però avui anem a usar-lo per jugar tic-tac-toe. Ara, aquest robot també és una cosa això és relativament únic. Perquè si estigués de peu en qualsevol lloc prop d'una automatització de fàbrica estàndard sistema, jo estaria en molt greu perill de ser ferit. Baxter, però, està dissenyat per a ser relativament segur per interactuar amb. I perquè pugui seguir endavant aquest robot. I es pot veure que és una mica poc flexibles, ja que es mou al voltant. I puc canviar la seva posició on m'agradaria que fos. Ara bé, en un sistema robòtic normals, tindríem un conjunt d'articulacions aquí això seria directament respondre a les ordres de posició. I ells no els importaria necessàriament si es movien a través de l'aire lliure, o si es movien a través del meu caixa toràcica. D'ACORD. I en general, si eren aquí amb un sistema industrial, va anar enlloc a prop seu. Hi hauria groga cinta de seguretat al seu voltant. Aquest sistema té una lleugerament diferent disseny per ser més amable i més fàcil perquè les persones interactuen amb, perquè en cada conjunt, hi ha un ressort. I en lloc de controlar una posició exacta, controlem una certa quantitat de torque, una certa quantitat de força, que ens agradaria estar en aquesta primavera. Molt bé, així que em va deixar prendre els nostres voluntaris aquí. Hola, com et dius? AUDIÈNCIA: Louis. ALTAVEU: Louis. Encantat de veure't. ¿I? AUDIÈNCIA: David. ALTAVEU: David. Encantat de conéixer-te. Si vostès esperarien aquí per un segon, Vaig a donar-li l'oportunitat de fer això. Així que aquest robot, si arribar i si es pressiona suaument sobre ella, vas a veure que es mou una mica. I si agafes les coses bé aquí al canell just per sobre d'on són aquests botons, es sembla que vostè ha de prendre els botons, però agafa just a sobre de la seva lloc, se li ser capaç de manipular molt suaument a través de l'espai. Louis, vol donar-li una oportunitat? Així que donar-li una mica empenta per començar. I després si poses els teus dits just allà i aferrar-se a ell, perquè va a moure per a vostè llavors. Molt bé, vostè vol donar-li una oportunitat? Anem cap amunt. Així que donar-li només un gentil empènyer allà per començar. Vostè pot sentir el que se sent. I després, si agafes allà mateix, podràs maniobrar voltant. D'ACORD. Així Típicament, aquest tipus d'un robot faria ser utilitzat per a la fabricació a petita escala. I em vaig a moure aquest braç just baix del camí una mica aquí. Però avui en dia, utilitzarem el mateix sistema de joc tic-tac-toe basat en Minimax que construïm abans. D'ACORD? Així que, vostès són cada jugarà un joc. Louis, seràs el primer. Permetin-me sostinc aquí per un segon. Vaig a tenir posa de peu dret aquí, només perquè tothom pugui veure-ho. Esteu establir aquí? ROBOT: Benvingut. Anem a jugar tic-tac-toe. No adherència el token abans Jo dic que és el seu torn. Començo el joc. És el meu torn. ALTAVEU: Ara, si vostè podria prendre una de les seves peces i seguir endavant i el col·loquen. ROBOT: És el seu torn. [El] És el meu torn. [El] [El] És el seu torn. ALTAVEU: La raça humana és comptant amb vostès aquí, Louis. ROBOT: És el meu torn. ALTAVEU: Així Baxter bloquejat amb èxit aquí. ROBOT: És el seu torn. És el meu torn. És el seu torn. És el meu torn. ALTAVEU: I deixarem que Baxter acabar a terme el seu últim moviment aquí. [El] ROBOT: Això és un empat. Vaig a guanyar la propera vegada. [El] ALTAVEU: Molt bé, moltes gràcies, Louis. Gràcies. Vostè pot anar d'aquesta manera. ROBOT: començo el joc. ALTAVEU: Llavors m'ho dius a mi explicar- a vostè una mica més poc abans d'arribar a la nostra revenja aquí. Què és exactament que està passant? Així que el robot té una càmera a sobre de la tapa aquí. I està mirant cap avall en el tauler. I està veient si que té una junta de color vermell o blau i X. blanc Com aquells aconseguir col·loca en el tauler, que és bàsicament la mateixa entrada que estaríem llegint des la nostra estructura de dades de la nostra pantalla. S'està corrent la mateixa algoritme minimax sigui capaços de trobar on col·locar un bon senyal. I llavors li estem donant una ordre sobre on ens agradaria una fitxa per a ser col·locat. El braç es mou cap a fora. Es tracta d'utilitzar una pinça de buit per aplicar alguns de succió per a aquesta peça de fusta, recollir-lo, moure'l a la dreta lloc i, a continuació, deixeu anar la succió i deixar-lo anar. Molt bé, anem per donar-li una oportunitat més amb un jugador una mica més intel·ligent aquí. Estàs preparat? Molt bé, si parava fins aquí i donar A-- resultar d'aquesta manera perquè pugui veure tothom. I després [inaudible]. ROBOT: És el meu torn. ALTAVEU: Baxter, s'iniciarà. És el seu torn. És el meu torn. És el seu torn. És el meu torn. [El] ALTAVEU: [WHISPERING] Just ho va deixar anar endavant i guanyar. ROBOT: És el seu torn. ALTAVEU: Això està bé. ROBOT: És el meu torn. [El] Jo guanyo. [El] Començo el joc. ALTAVEU: Molt bé, moltes gràcies. Molt bé, crec que tenim temps per una més excel·lent jugador de tic-tac-dit del peu, algú que pot posar aquesta cosa coincideixen, que sap el que estan fent. [El] Qui serà el nostre campió aquí? Molt bé, els seus amics li va oferir. Això és suficient per a mi. Digues-me el teu nom una altra vegada. AUDIÈNCIA: Tamir. ALTAVEU: Tamir, m'alegro de veure't. Molt bé, de nou, anem a posar-li fins aquí perquè tothom pugui veure-ho. Vostè és el nostre representant en aquest partit ara. Baxter és un i oh i oh. O ho sento, un oh i un. I li toca a vostè aquí. Baxter s'arriba a moure primer, però. So. ROBOT: És el meu torn. [El] És el seu torn. És el meu torn. És el seu torn. És el meu torn. És el seu torn. [El] ROBOT: És el meu torn. ALTAVEU: És molt més difícil quan vostè està de peu aquí, amics. [El] ROBOT: Vostès els humans són tan fàcils de superar. [Riures i aplaudiments] ALTAVEU: Moltes gràcies. ROBOT: jo guanyo. Començo el joc. ALTAVEU: D'acord, moltes gràcies molt que Olivier, i Alessandro, i Chen Ming. [Aplaudiments] Vull fer un últim punt. Així Baxter en el molt acabar allà, enganyat. I això va ser inesperat. Un del fantàstic coses de la IA és que ens fer el treball en AI perquè puguem construir realment interessant i intel·ligent dispositius. Però també fem treballs en IA perquè ens diu alguna cosa sobre com els humans són intel·ligents. Un dels favorits estudis realitzats en el meu laboratori és mirant el que passa quan màquines enganyen inesperadament. Ho vam fer originalment no amb Baxter jugar tic-tac-dit del peu, però amb un robot més petit anomenat Nau, qui va jugar pedra-paper-tisores. I de vegades després jugar munts i munts d'avorrir pedra-paper-tisores jocs, el robot llançaria un gest, perdre, i després canviar de cop i volta el seu gest i dir, jo guanyo. [El] Ara, de vegades nosaltres també tindríem el robot, així com un control, llançar un gest, guanyar, i canviar el seu gest perdre, llençar el partit, trampes per perdre. I això no és tan convincent. El robot que enganya per tal de guanyar-se la gent respondre a com si fos a per ells, de la mateixa manera que està buscant activament la seva destrucció. [El] Es converteix en un agent. És com una persona. Té la creença i la intenció. I no és una bona intenció. I el robot que llança la joc és simplement un mal funcionament. És només un dispositiu danyat. Et vaig a ensenyar un parell d'exemples que a partir d'alguns dels nostres participants. Així que aquí està l'engany per tal de perdre. [REPRODUCCIÓ DE VÍDEO] - [Inaudible] guanyar. Anem a jugar. -Espera Què? - [Inaudible] guanyar. Anem a jugar. [Inaudible] guanyar. Anem a jugar. ALTAVEU: I aquí és fer trampa per guanyar. -Sí, Jo guanyo. Anem a jugar. -No Pots fer això. [El] -Sí, Jo guanyo. -Vostè Enganyat. Vas fer trampa ara. -Sí, Jo guanyo. -Escolta, Et trampós. Fas trampa, super trampós. [FI DE REPRODUCCIÓ] ALTAVEU: Aquests diferents reaccions ràpidament canviar la nostra percepció del dispositiu. Significa això que deliberadament construïm màquines que fan trampa perquè això és la millor enginyeria que podem fer? No, però ens diu alguna cosa realment interessant de la gent. Aquesta cosa que vostè i els tramposos roba la seva victòria, això és alguna cosa que està viu, que és animen, això és tractant de fer-te mal. Té l'estat mental. Té la creença. Té la intenció. Aquesta cosa que lliura el joc per a tu, que no ho és. Això és només un mal funcionament. Això és en molts sentits per què és fàcil llançar el joc amb els nens. Però si intenta enganyar- i una espècie de cantar victòria quan, ja saps, per escurçar el joc, t'atrapen immediatament. Aquest tipus d'efectes que veiem que surt de la IA, ens ensenyen molt sobre nosaltres mateixos. Molt bé, això és tot per avui. Moltes gràcies a David i l'equip de producció de Harvard per venir. [Aplaudiments] Ens veiem a prova un, i després per una última conferència. Que tinguis un bon dia. [Aplaudiments] [REPRODUCCIÓ DE MÚSICA] DAVID J Malan: Bé, probablement necessitem per a introduir algun tipus de xifrat, Oi? Perquè llavors les capçaleres de aquestes peticions HTTP seran remenats perquè qualsevol persona tractant d'ensumar el trànsit serà en realitat no ser capaç de veure'ls. Quina és la solució a aquest problema? Bé, hem d'introduir en realitat xifrat en la fórmula, de manera que quan aquesta persona està transmetre dades des de A a B, podem send-- segura [El] La informació d'una manera que la adversari no pot, de fet, veure-ho.