#perceptron — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #perceptron, aggregated by home.social.
-
Крестики-нолики. Самообучение с подкеплением
На примере игры в крестики-нолики рассмотрены идеи и базовые методы обучения с подкреплением. Кратко дано методологическое обоснование методов.
-
In a mind-boggling twist, a self-proclaimed genius constructs a #perceptron in a 1999 video game 🎮 to prove... what exactly? 🤔 Apparently, Age of Empires II can teach us more about #AI than actual AI research can. Who knew medieval strategy games were the real gatekeepers of machine learning wisdom? 🏰💡
https://adewynter.github.io/notes/aoe2-circuits #AgeOfEmpires #MachineLearning #GamingWisdom #HackerNews #ngated -
"“If LLMs Have Human-Like Attributes, Then So Does Age of Empires II,” is the title of Adrian de Wynter’s paper showing his work. He told 404 Media that absurdity can be a powerful tool. “I have this tendency to dial up things to 11 when I really think I need to make a point,” he said. “I should also note that absurdism is pretty standard in philosophy and theoretical computer science.”
And so De Wynter built an LLM within AoEII using goats. “The point of the paper is to formally show that we anthropomorphise too readily, and that sometimes the claims we make with regards to LLM capabilities are too strong,” he told 404 Media. “It's not an easy task, given that ‘human-like attributes’ is a bit of an abstract term.”
AoEII has a scenario editor, a sandbox mode that allows players to craft their own maps and quests using the game’s assets, and De Wynter used that to build an operational NOT AND (NAND) gate and a 1-bit perceptron within the game. In this crude version of an LLM, grass is 0, bridges are 1, and goats are the bits. “Only one rail is active at a time, with a goat acting as the signal carrier. When the gate fires, the bit-goats are removed (they ded) and a new bit-goat is placed in its respective output rail,” Wynter explained on his GitHub.A perceptron is the simplest form of a neural network, it’s an algorithm that sorts an input into binary classes. YouTube is littered with videos of players doing the same thing with redstone in Minecraft. But no one claims the goats of AoEII are neurons in a thinking machine or that the complicated tracks of NAND gates players build in Minecraft show emergent intelligence."
https://www.404media.co/if-ai-is-sentient-then-so-is-age-of-empires-ii/
#AI #GenerativeAI #LLMs #NeuralNetworks #VideoGames #AgeOfEmpires #Perceptron
-
In our #KDAI2026 lecture this week we were taking a tour de force from perceptrons to transformers, 60 years of neural networks in a ninety minutes lecture.
#lecture @fiz_karlsruhe @fizise @KIT_Karlsruhe #AI #llms #perceptron #neuralnetwork #transformer #bert #gpt #lstm #rnn #transferlearning #machinelearning #cowboybebop
-
Pequeños y grandes pasos hacia el imperio de la inteligencia artificial
Fuente: Open TechTraducción de la infografía:
- 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
- 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
- 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
- 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
- 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.
(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.
- 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
- 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
- 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
- 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
- 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.
(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.
- 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
- 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
- 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
- 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
- 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.
(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.
- 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
- 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
- 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.
(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.
- 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
- 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
- 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.
Gráfico: Open Tech / Genuine Impact
Entradas relacionadas
- ¿Cómo definir la «credibilidad algorítmica»? DeepSeek da en el clavo
- Los precios dinámicos exacerban la desigualdad entre los consumidores, hay que regularlos ya
- Firma contra la vigilancia biométrica masiva
#ajedrez #AlphaFold2 #AlphaGo #AlphaZero #aprendizajeAutomático #artículo #artistas #aspirador #BlakeLemoine #ConferenciaDeDartmouth #copyright #DeanEdmonds #DeepBlue #DeepFace #DeepMind #DeviantArt #ELIZA #Facebook #gatos #GenuineImpact #Go #Google #GPS #GPT3 #gráfico #Hinton #IA #IBM #infografía #inteligenciaArtificial #iRobot #Jeopardy_ #Kasparov #LaMDA #LeeSedol #MarvinMinsky #McCarthy #McCullock #MidJourney #modelos #Newell #OpenTech #OpenAI #patrones #Perceptron #Pitts #plegamientoDeProteínas #predicciones #procesamientoDelLenguajeNatural #reconocimientoFacial #redesNeuronales #remezclar #robot #Rochester #Roomba #Rosenblatt #Rumelhart #Shannon #shogi #Simon #sistemaDeNavegación #SNAR #StabilityAI #StableDiffusion #testDeTuring #Turing #vídeos #Watson #Weizenbaum #Williams #YouTube
