Ebook Deep Learning. Głęboka rewolucja mobi,epub

ngu algorytmicznego, który jest szybszy niż tradycyjne strategie inwestowania długoterminowego, a równocześnie bardziej przemyślany niż trading wysokich częstotliwości (HFT) na giełdach. Wiele różnych typów algorytmów uczenia maszynowego zostało połączonych w celu osiągnięcia jak najwyższej stopy zwrotu Nie mając już dzisiaj nic wspólnego z bieżącą działalnością Shaw, David Shaw zaangażował się w działania firmy badawczej Shaw Research. Skonstruowała ona wyspecjalizowany komputer równoległy, nazwany Anton, który wykonuje obliczenia związane z symulacją struktury przestrzennej białek szybciej niż jakikolwiek inny komputer na świecie[24]. Simons wycofał się z bezpośredniego nadzoru nad Renaissance Technologies i założył fundację, która finansuje badania nad autyzmem i inne programy z zakresu nauk fizycznych i biologicznych. Działania filantropijne Shawa, za pośrednictwem Instytutu Simonsa na rzecz Teorii Obliczeń na Uniwersytecie Kalifornijskim w Berkeley, Ośrodka Simonsa na rzecz Społecznego Mózgu w Massachusetts Institute of Technology oraz Instytutu Flatirona w Nowym Jorku, miały ogromny wpływ na rozwój metod obliczeniowych w zakresie analizy danych oraz procesów modelowania i symulacji[25]. Usługi finansowe, szerzej rzecz ujmując, przechodzą obecnie transformację pod hasłem technologii finansowej, czyli FinTechu, jak zaczął on być nazywany. Technologie informacyjne, na przykład takie jak łańcuch bloków, czyli bezpieczny rejestr internetowy, który zastępuje finansowych pośredników w prowadzeniu transakcji, na razie są testowane na małą skalę, ale wkrótce będą w stanie zrewolucjonizować wielobilionowe rynki finansowe. Uczenie maszynowe jest wykorzystywane do doskonalenia procesu oceny zdolności kredytowej podczas udzielania pożyczek, poprawnego dostarczania informacji biznesowej i finansowej, wyłapywania sygnałów z mediów społecznościowych, które będą wyznaczać trendy rynkowe, oraz dostarczania bezpiecznych rozwiązań biometrycznych dla transakcji finansowych. Ten, kto ma najwięcej danych, ten wygrywa, a świat obfituje w dane finansowe. Sztuczna inteligencja uczy się prawa Głębokie uczenie zaczyna również oddziaływać na zawody prawnicze. Większość rutynowych działań wykonywanych przez młodszych pracowników w firmach prawniczych, za które płacimy setki dolarów na godzinę, zostanie zautomatyzowana. Stanie się tak przede wszystkim w dużych, drogich, komercyjnych kancelariach. W szczególności wspomagana przez technologię selekcja dokumentów, czyli obsługa elektronicznego dziennika podawczego, zostanie przejęta przez sztuczną inteligencję, która jest w stanie przeglądać tysiące dokumentów, szukając materiału dowodowego i nie odczuwając znużenia. Zautomatyzowane systemy głębokiego uczenia będą również pomagać firmom prawniczym zachować zgodność z coraz większą liczbą coraz bardziej skomplikowanych regulacji administracyjnych. Zapewnią również dostępność porad prawnych osobom o niższych zarobkach, których nie stać na wynajęcie prawnika. Porady prawne będą nie tylko tańsze, ale i znacznie szybciej udzielane, co jest często czynnikiem znacznie ważniejszym niż ich koszt. Świat prawniczy jest na dobrej drodze do osiągnięcia ,,prawnej głębi"[26]. Sztuczna inteligencja uczy się jak grać w pokera Jedną z najbardziej popularnych odmian pokera jest Texas Holdem. Powszechnie gra się w nią w kasynach, a występująca w niej forma licytacji bez limitu jest stosowana w czasie głównych rozgrywek podczas pokerowych mistrzostw świata (il. ). Poker jest grą wymagającą, bo w odróżnieniu od szachów, gdzie obydwaj gracze mają dostęp do tych samych informacji, tutaj grający dysponują jedynie informacją niepełną, a na najwyższych poziomach gry umiejętność blefowania i działania podstępem są tak samo ważne, jak karty, które zostały rozdane. Matematyk John von Neumann, który stworzył matematyczną teorię gier i dał początek pierwszym komputerom cyfrowym, był szczególnie zafascynowany pokerem. Jak to ujął: ,,Prawdziwe życie polega na blefowaniu, na stosowaniu podstępów i podstępików, na zadawaniu sobie pytań, co siedzący naprzeciwko mnie człowiek pomyśli o tym, jaki ma być mój następny ruch. W stworzonej przeze mnie teorii na tym właśnie polegają gry"[27]. Poker jest grą będącą odzwierciedleniem tych obszarów ludzkiej inteligencji, które zostały udoskonalone w drodze ewolucji. Sieć głębokiego uczenia nazwana DeepStack rozegrała 44852 gry przeciwko 33 zawodowym graczom w pokera. Ku ogromnemu zaskoczeniu specjalistów od pokera nie tylko wygrała ona z najlepszymi graczami - i to ze sporym zapasem - o jedno odchylenie standardowe, ale również pokonała wszystkich 33 graczy w sumie o cztery odchylenia standardowe - a to stanowi już olbrzymi zapas[28]. Jeśli to osiągnięcie zostanie powtórzone w