Kodsnack 147 - Det där var ett helt nytt drag

Fredrik och Kristoffer snackar AI som spelar Go och besvär med drag och släpp och tidslinjer i Javascript. Var tar en AI som kan vinna i Go och verka kreativ vägen härnäst? Kommer den att ge mänskliga spelare nya idéer?

Har vi några lyssnare som spelar Go och/eller kodar neurala nätverk? Hör gärna av er med åsikter och insikter!

Efter avsnittet vann Alphago även det tredje partiet och därmed hela matchen.

Ett stort tack till Cloudnet som sponsrar vår VPS!

Har du kommentarer, frågor eller tips? Vi är @kodsnack, @tobiashieta, @isallmaroon och @bjoreman på Twitter, har en sida på Facebook och epostas på info@kodsnack.se om du vill skriva längre. Vi läser allt som skickas.

Gillar du Kodsnack får du hemskt gärna recensera oss i iTunes!

Länkar

• Go - spelet
• Alphago - Googles gospelande AI
• Lee Sedol - en av världens bästa gospelare
• Om mötet mellan Alphago och Lee
• Ohm chess - schackspelet Kristoffer och Tobias skrev
• Alpha-beta pruning
• Google om hur Alphago är byggd
• Artikel om Alphago med länk till paper i Nature
• Monte carlo tree search
• Kasparov, Garry - en av världens bästa schackspelare
• Deep blue
• Google deepmind
• AI som spelar poker
• Fan Hui - europeisk gomästare
• Googlebilen var med om sin första krock
• Big dog - den springande fyrbenta roboten - blir sparkad
• MIME-typ
• JSON
• Jquery
• The HTML 5 drag and drop disaster - en varning för oss alla
• Timeslider för Jquery
• Moment.js
• Hammer.js

Titlar

• Schack är besegrat, det är över
• Den fanns inte när jag gick i skolan
• Den blandar även in ett neuralt nätverk
• Personen som skriver koden behöver inte kunna spela Go över huvud taget
• Här hittar jag en lösning som ingen tidigare gjort
• Ta Alphago och slänga schack på den
• Allt matas in i det neurala nätverket
• Det finns inga bättre människor att testa mot
• Vi har slut på testcase
• Uppgradera enskilda neuroner
• Det där var ett helt nytt drag
• Man vill ju inte spela Go mot Alphago
• Tänk när Alphago kan ersätta webben åt oss
• Ett neuralt nätverk som jag kan träna med timelinekontroller