Читайте продолжение: AlphaGo второй раз выиграла у одного из сильнейших игроков в го
Началась прямая трансляция второй из пяти запланированных игр программы AlphaGo против Ли Седоля, одного из сильнейших в мире игроков в го. Первая игра, прошедшая накануне, закончилась поражением Ли Седоля — игрок сдался после трех с половиной часов игры. Ранее AlphaGo успешно обыграла чемпиона Европы.
Ли Седоль обладает 9 даном и считается одним из самых сильных игроков в го, первый профессиональный дан он получил в 13 лет. Всего Ли Седоль сыграет пять игр с AlphaGo, по суммарному результату которых будет объявлен победитель. Если кореец победит в большинстве партий, Google выплатит ему один миллион долларов. Если выиграет программа, сумма выигрыша будет пожертвована на благотворительность. На пресс-конференции перед первой игрой Ли Седоль заявил, что рассчитывает победить, хотя и не уверен, что сможет выиграть все пять партий.
Программа AlphaGo разработана компанией DeepMind, принадлежащей Google. Изначально алгоритм не учили играть и выигрывать в го — нейросеть самостоятельно обучалась игре на примере реальных партий. Всего AlphaGo за период обучения обработала 30 миллионов комбинаций, что позволило ей выработать аналог человеческой интуиции в игре. Также программа использует и традиционный для компьютерных программ метод перебора наилучшего хода для разрешения локальных ситуаций на доске.
Го — одна из древнейших настольных игр. До недавнего времени было принято считать, что компьютер не способен играть на равных с профессиональным игроком из-за высокого уровня абстракции и невозможности перебора всех доступных вариантов развития событий — точно число допустимых комбинаций в игре на стандартном гобане больше, чем число атомов в наблюдаемой Вселенной.
У каждого второго малоизученного транскрипционного фактора нашли предпочтения к ДНК
Биологи существенно расширили словарь последовательностей ДНК, с которыми связываются белки — регуляторы транскрипции, благодаря проекту консорциума Codebook/GRECO-BIT. В результате более четырех тысяч экспериментов им удалось найти для 177 из 332 белков последовательности, по которым те узнают нужные участки ДНК. По оценке авторов, их данные добавили порядка ста ранее неизвестных мотивов — это примерно на 15 процентов расширило уже известный набор. Результаты работы опубликованы в пяти статьях, главная из которых вышла в журнале Nature.