ပါဝါနည်းသော ဇီဝဗေဒဆိုင်ရာ တွက်ချက်ခြင်းသို့ ညွှန်ပြသော Doom ကို ကစားရန် လူ့နျူရွန် 200,000 သင်ယူခဲ့သည် – Bitcoin သတင်း

Melbourne ဓာတ်ခွဲခန်းအတွင်းတွင်၊ Doom တွင် လူသား အာရုံကြော ပေါင်း ၂၀၀,၀၀၀ ၏ ပန်းကန်ပြားကို ဆီလီကွန်ကြားခံဖြင့် လေ့ကျင့်သင်ကြားပေးခဲ့သည်။ Cortical Labs ၏ CL1 ချစ်ပ်ပြားသည် ဂိမ်းလောကကို လျှပ်စစ်ပုံစံများအဖြစ် ဘာသာပြန်ပြီး လှုပ်ရှားမှုနှင့် မီးများအဖြစ် ပြန်ဖတ်ကာ ယဉ်ကျေးမှုပန်းကန်ကို Pong reflexes မှ 3D လမ်းညွှန်မှုသို့ တွန်းပို့သည်။ ကစားပုံသည် ယုတ်မာနေဆဲဖြစ်သော်လည်း ယနေ့ခေတ် လျှပ်စစ်ဓာတ်အားကို ငတ်မွတ်နေသော AI ၏ဘေးတွင် ပါဝါစုပ်ယူနိုင်သော ဇီဝဗေဒဆိုင်ရာ တွက်ချက်မှုအား အရိပ်အမြွက်ပြကာ သမားရိုးကျ မော်ဒယ်များကို ဖြည့်စွက်ပေးသည့် လမ်းညွှန်ချက်တစ်ခုဖြစ်သည်။ ခြောက်လသက်တမ်းကို ဆန့်ထုတ်ပြီး လိုက်လျောညီထွေဖြစ်အောင် တင်းကြပ်ထားပြီး တူညီသော စိုစွတ်သည့်ကိရိယာသည် pixelated နတ်ဆိုးများကို လိုက်ရုံတင်မဟုတ်ဘဲ စက်ရုပ်များ သို့မဟုတ် စခရင်ဆေးများကို မောင်းနှင်နိုင်သည်။

ဓာတ်ခွဲခန်းတစ်ခုတွင် လူသားများ၏ အာရုံကြောများ သည် Doom ကို သိမ်းပိုက်သည်။

အချို့သောစမ်းသပ်မှုများသည် ကွန်ပျူတာ၏နောက်ခန်းတွင် ချောင်းကြည့်နေသလိုခံစားရသည်။ Cortical Labs မှ သုတေသီများသည် ခေတ်မီဂိမ်းကစားခြင်းကို အဓိပ္ပါယ်ဖွင့်ဆိုရာတွင် အထောက်အကူဖြစ်စေသော 1993 တွင် ပထမဆုံးလူသေနတ်သမား Doom ကို ကစားရန် နျူရွန်ပေါင်း 200,000 အစုအဝေးကို လေ့ကျင့်ပေးခဲ့ကြောင်း အစီရင်ခံခဲ့သည်။ လူ့ပင်မဆဲလ်များမှ ပေါက်ဖွားလာသော နူရွန်များသည် ဆီလီကွန်မျက်နှာပြင်နှင့် ချိတ်ဆက်ထားသောကြောင့် စင်္ကြံလမ်းလျှောက်ရန်နှင့် ရန်သူများကို ပစ်ခတ်ရန် သင်ယူခဲ့ပြီး ယနေ့ခေတ် AI စနစ်များကို ဖြည့်စွက်ပေးသည့် ဇီဝကွန်ပြူတာများအတွက် လမ်းကြောင်းကို အရိပ်အမြွက်ပြခဲ့သည်။

အာရုံကြောများ ဂိမ်းကစားနည်း

အဖွဲ့သည် Pong-level အပြုအမူဖြင့် စတင်ခဲ့ပြီး Doom ၏ 3D တောင်းဆိုချက်များသို့ တိုးမြှင့်ခဲ့သည်။ နျူရွန်များသည် ဂိမ်းအခြေအနေနှင့် ချိတ်ဆက်ထားသော ဖွဲ့စည်းတည်ဆောက်ပုံလျှပ်စစ်အချက်ပြမှုများကို လက်ခံရရှိပြီး စနစ်သည် ရွှေ့ခြင်း၊ အလှည့်နှင့် ပစ်ခြင်းကဲ့သို့သော အမိန့်များအဖြစ် ပြန်ဆိုထားသည့် ပုံစံများဖြင့် တုံ့ပြန်သည်။ အူတိုင်တွင် စိတ်ကြိုက်ဖြစ်ရပ်များကို လျှပ်ကူးပစ္စည်းအဖြစ်သို့ ပြောင်းလဲပေးသည့် စိတ်ကြိုက် CL1 ချစ်ပ်ဖြစ်ပြီး၊ ထို့နောက် လုပ်ဆောင်ချက်များကို အချိန်နှင့်တပြေးညီ မောင်းနှင်ရန် ဆဲလ်များ၏ လုပ်ဆောင်ချက်ကို ဖတ်သည်။

စွမ်းဆောင်ရည်သည် esports-အဆင်သင့်နှင့်ဝေးသည်။ ဆဲလ်များသည် မကြာခဏ မှားယွင်းနေသည် သို့မဟုတ် မှားယွင်းနေသည်၊ ထို့နောက် လေ့ကျင့်မှု ဆက်လက်ပြုလုပ်သည်နှင့်အမျှ ထပ်ခါတလဲလဲ လေ့ကျင့်မှုများ ဆက်လက်လုပ်ဆောင်သည်။ သုတေသီများ၏ အဆိုအရ ပန်းတိုင်သည် ပြီးပြည့်စုံသော ပန်းတိုင်မဟုတ်သော်လည်း သက်ရှိအာရုံကြောကွန်ရက်အတွင်း ပန်းတိုင်ကို ဦးတည်သော သင်ယူမှုကို ပြသနေသည့် အခြေအနေအောက်တွင် ကွန်ပျူတာတစ်လုံးသည် ကြိုးကိုင်၍ တိုင်းတာနိုင်သည်။

ဂတိအာဇီဝပြတယ်။

စွမ်းအင်သည် ခေါင်းစဉ်ဖြစ်သည်။ ယနေ့ခေတ်ကြီးမားသော AI မော်ဒယ်များသည် cloud ဒေတာစင်တာများတစ်လျှောက် မဂ္ဂါဝပ်ဆွဲယူသည့်နေရာတွင် လူ့ဦးနှောက်သည် အကြမ်းဖျင်းအားဖြင့် 20 watts ဖြင့် အလုပ်လုပ်ပါသည်။ ထိုစွမ်းဆောင်ရည်သည် သင်ယူမှု၊ လိုက်လျောညီထွေမှုနှင့် ထိန်းချုပ်မှုတို့အတွက် ပါဝါလိုအပ်ချက်များကို ဖြတ်တောက်နိုင်သည့် ပေါင်းစပ်စနစ်များကို ရှာဖွေမှုကို လှုံ့ဆော်ပေးသည်။ Cortical Labs မှ သိပ္ပံအရာရှိချုပ် Brett Kagan သည် အစားထိုးခြင်းမဟုတ်ဘဲ၊ အထူးသဖြင့် စွမ်းအင်တင်းကျပ်သော စွမ်းအင်ဘတ်ဂျက်များဖြင့် စဉ်ဆက်မပြတ်သင်ယူခြင်းမှ အကျိုးရှိသောအလုပ်များအတွက် ဆီလီကွန် AI အတွက် ပါတနာအဖြစ် ဘောင်ခတ်ထားသည်။

အမေရိကန်ကုမ္ပဏီများအတွက် Nvidia GPUs များပေါ်တွင် အခြေခံမော်ဒယ်များကို လေ့ကျင့်သင်ကြားခြင်းနှင့် စုံစုံညီညွှတ်မှုကို အတိုင်းအတာတစ်ခုအထိ အပြိုင်အဆိုင်ပြုလုပ်ခြင်းအတွက်၊ ဇီဝဆိုင်ရာ ပူးပေါင်းပရိုဆက်ဆာများထံ တစ်စိတ်တစ်ပိုင်း ပြောင်းရွှေ့ခြင်းပင်လျှင် အရေးကြီးပါသည်။ စက်ရုပ်များ သို့မဟုတ် အနားသတ်ကိရိယာများအတွက် စက်ရုပ်များ သို့မဟုတ် အနားသတ်ကိရိယာများအတွက် ဒေသတွင်း သင်ကြားရေးကွင်းများကို စဉ်းစားပါ၊ သမားရိုးကျ ချစ်ပ်များသည် တိကျသောသင်္ချာနှင့် အကြီးစားပြန်လည်ထုတ်ယူမှုကို ကိုင်တွယ်ပေးပါသည်။ ကာလတိုမေးခွန်းမှာ အပေးအယူများသည့်အချိန်၊ ယုံကြည်စိတ်ချရမှု၊ နှင့် ကုန်ကျစရိတ်တို့၌ အပေးအယူများသည့်နေရာဖြစ်သည်။

ဂိမ်းကစားခြင်းမှလွဲ၍ အနာဂတ်

ဂိမ်းကစားခြင်းသည် လွယ်ကူသောစမ်းသပ်မှုတစ်ခုဖြစ်သော်လည်း ပိုမိုကြီးမားသောပစ်မှတ်မှာ သိပ္ပံနှင့်စက်မှုလုပ်ငန်းဖြစ်သည်။ ဇီဝဗေဒဆိုင်ရာ ကွန်ပျူတာစနစ်သည် လူနာတစ်ဦးချင်းစီ၏ အာရုံကြောတစ်ရှူးများ၊ ရောဂါပုံစံအသစ်များနှင့် စက်ရုပ်များတွင် လိုက်လျောညီထွေရှိသော ထိန်းချုပ်မှုများကို ဆေးဝါးစစ်ဆေးမှုကို လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။ အင်တာဖေ့စ်များသည် ပုံမှန်သက်တမ်း ခြောက်လဝန်းကျင်နှင့် အပြည့်အဝ စံချိန်စံညွှန်းမမီသေးသော သို့မဟုတ် ပရိုဂရမ်ထုတ်နိုင်သည့် အတိုင်းအတာဖြင့် ကွဲအက်နေပါသည်။

ဆေးဘက်ဆိုင်ရာအသုံးပြုမှုတိုးတက်မှုရှိပါက၊ အထူးသဖြင့် FDA နှင့် NIH လမ်းညွှန်မှုအောက်ရှိ US တွင် စည်းမျဥ်းစည်းကမ်းနှင့် ကျင့်ဝတ်ဆိုင်ရာ အစောင့်အကြပ်များသည် အရှိန်အဟုန်မြှင့်ရန်လိုအပ်ပါသည်။ သို့တိုင်၊ ဓာတ်ခွဲခန်းရလဒ်သည် ခိုင်မာသည်- သက်ရှိနျူရွန်များကို ရှုပ်ထွေးသော ဒစ်ဂျစ်တယ်လုပ်ငန်းဆောင်တာများတွင် လုပ်ဆောင်ရန် လေ့ကျင့်နိုင်ပါသည်။ Doom မှ ဒေတာစင်တာများအထိ၊ ဟင်းခွက်တစ်ခုအတွင်း၌ တိတ်တဆိတ်နှင့် ထိရောက်စွာ ခရီးစတင်ခဲ့သည်။