녹원학원 수학과학영재교육 010-3549-5206

2019년 11월 1일 금요일

2018 WMTC 기출문제 Intermediate

AMC 8/10/12 미국수학경시대회 AIME

SCAT SSAT PSAT GED SATmath ACT

국제학교영어원서 강의 수학과학올림피아드

수학과학경시대회 성대 KMC KJMO KMO

교육청영재원 교대영재원 경대영재원 준비반 모집

상담 환영합니다

053-765-8233

010-3549-5206

2018 WMTC 기출문제 Junior

AMC 8/10/12 미국수학경시대회 AIME

SCAT SSAT PSAT GED SATmath ACT

국제학교영어원서 강의 수학과학올림피아드


수학과학경시대회 성대 KMC KJMO  KMO

교육청영재원 교대영재원 경대영재원 준비반 모집

상담 환영합니다


053-765-8233

010-3549-5206

DeepMind’s StarCraft 2 AI is now better than 99.8 percent of all human players

DeepMind today announced a new milestone for its artificial intelligence agents trained to play the Blizzard Entertainment game StarCraft II. The Google-owned AI lab’s more sophisticated software, still called AlphaStar, is now grandmaster level in the real-time strategy game, capable of besting 99.8 percent of all human players in competition. The findings are to be published in a research paper in the scientific journal Nature.

Not only that, but DeepMind says it also evened the playing field when testing the new and improved AlphaStar against human opponents who opted into online competitions this past summer. For one, it trained AlphaStar to use all three of the game’s playable races, adding to the complexity of the game at the upper echelons of pro play. It also limited AlphaStar to only viewing the portion of the map a human would see and restricted the number of mouse clicks it could register to 22 non-duplicated actions every five seconds of play, to align it with standard human movement.

Still, the AI was capable of achieving grandmaster level, the highest possible online competitive ranking, and marks the first ever system to do so in StarCraft II. DeepMind sees the advancement as more proof that general-purpose reinforcement learning, which is the machine learning technique underpinning the training of AlphaStar, may one day be used to train self-learning robots, self-driving cars, and create more advanced image and object recognition systems.

“The history of progress in artificial intelligence has been marked by milestone achievements in games. Ever since computers cracked Go, chess and poker, StarCraft has emerged by consensus as the next grand challenge,” said David Silver, a DeepMind principle research scientist on the AlphaStar team, in a statement. “The game’s complexity is much greater than chess, because players control hundreds of units; more complex than Go, because there are 10^26 possible choices for every move; and players have less information about their opponents than in poker.”

Back in January, DeepMind announced that its AlphaStar system was able to best top pro players 10 matches in a row during a prerecorded session, but it lost to pro player Grzegorz “MaNa” Komincz in a final match streamed live online. The company kept improving the system between January and June, when it said it would start accepting invites to play the best human players from around the world. The ensuing matches took place in July and August, DeepMind says.

The results were stunning: AlphaStar had become among the most sophisticated Starcraft II players on the planet, but remarkably still not quite superhuman. There are roughly 0.2 percent of players capable of defeating it, but it is largely considered only a matter of time before the system improves enough to crush any human opponent.

This research milestone closely aligns with a similar one from San Francisco-based AI research company OpenAI, which has been training AI agents using reinforcement learning to play the sophisticated five-on-five multiplayer game Dota 2. Back in April, the most sophisticated version of the OpenAI Five software, as it’s called, bested the world champion Dota 2 team after only narrowly losing to two less capable e-sports teams the previous summer. The leap in OpenAI Five’s capabilities mirrors that of AlphaStar’s, and both are strong examples of how this approach to AI can produce unprecedented levels of game-playing ability.

Similar to OpenAI’s Dota 2 bots and other game-playing agents, the goal with this type of AI research is not just to crush humans in various games just to prove it can be done. Instead, it’s to prove that — with enough time, effort, and resources — sophisticated AI software can best humans at virtually any competitive cognitive challenge, be it a board game or a modern video game. It’s also to show the benefits of reinforcement learning, a special brand of machine learning that’s seen massive success in the last few years when combined with huge amounts of computing power and training methods like virtual simulation.

Like OpenAI, DeepMind trains its AI agents against versions of themselves and at an accelerated pace, so that the agents can clock hundreds of years of play time in the span of a few months. That has allowed this type of software to stand on equal footing with some of the most talented human players of Go and, now, much more sophisticated games like Starcraft and Dota.

Yet the software is still restricted to the narrow discipline it’s designed to tackle. The Go-playing agent cannot play Dota, and vice versa. (DeepMind did let a more general-purpose version of its Go-playing agent try its hand in chess, which it mastered in a matter of eight hours.) That’s because the software isn’t programmed with easy-to-replace rule sets or directions. Instead, DeepMind and other research institutions use reinforcement learning to let the agents figure out how to play on their own, which is why the software often develops novel and wildly unpredictable play styles that have since been adopted by top human players.

“AlphaStar is an intriguing and unorthodox player — one with the reflexes and speed of the best pros but strategies and a style that are entirely its own. The way AlphaStar was trained, with agents competing against each other in a league, has resulted in gameplay that’s unimaginably unusual; it really makes you question how much of StarCraft’s diverse possibilities pro players have really explored,” Diego “Kelazhur” Schwimer, a pro player for team Panda Global, said in a statement. “Though some of AlphaStar’s strategies may at first seem strange, I can’t help but wonder if combining all the different play styles it demonstrated could actually be the best way to play the game.”

DeepMind hopes advances in reinforcement learning achieved by its lab and fellow AI researchers may be more widely applicable at some point in the future. The most likely real-world application for such software is robotics, where the same techniques can properly train AI agents how to perform real-world tasks, like the operation of robotic hands, in virtual simulation. Then, after simulating years upon years of motor control, the AI can take the reins of a physical robotic arms, and maybe one day even control full-body robots. But DeepMind also sees increasingly more sophisticated — and therefore safer — self-driving cars as another venue for its specific approach to machine learning.

Correction: A previous version of this article stated DeepMind restricted AlphaStar to 20 actions every five minutes. That is incorrect; the restriction was to 22 non-duplicated actions every five seconds. We regret the error.

Vox Media

"AI, 바둑 이어 스타크래프트2 게임에서 '고수'됐다"

딥마인드 개발 AI '알파스타', 상위 0.2% 수준 플레이어에 올라

"AI, 바둑 이어 스타크래프트2 게임에서 '고수'됐다" / 연합뉴스 (Yonhapnews) 유튜브로 보기

구글 딥마인드가 만든 인공지능(AI)이 바둑에 이어 전 세계에 수많은 팬을 확보하고 있는 대표적인 실시간 전략 게임(RTS) '스타크래프트2'에서도 명실상부한 '고수' 자리에 올랐다.

딥마인드는 "스타크래프트2 게임을 하도록 제작한 AI '알파스타'(AlphaStar)가 게임 서버 배틀넷(Battle.net)에서 '그랜드 마스터' 레벨(상위 0.2% 이내 플레이어)이 됐다"고 31일 국제학술지 '네이처'(Nature)에 발표했다.

스타크래프트2 [DeepMind 제공]

인공지능이 프로게이머들이 하는 e스포츠에서 게임을 단순화하지 않고 최고 게이머 수준에 오른 것은 이번이 처음이라고 네이처는 전했다.

스타크래프트2에는 특성과 능력에 차이가 있는 '테란'과 '저그', '프로토스' 등 3개 종족이 있으며, 게이머는 이 가운데 하나를 선택해 다른 종족을 택한 게이머를 상대로 전략게임을 펼친다.딥마인드는 알파스타가 세 종족을 선택해 수행한 게임에서 모두 그랜드 마스터 레벨에 올랐다고 밝혔다.

알파스타는 사람이 눈으로 게임 화면을 보며 상황을 파악하고 자신의 전략을 세우듯 카메라로 관련 정보를 얻으며 학습한다.

알파스타의 학습은 사람의 개입 없이 AI끼리 대결을 통해 진행됐다. 메인 AI가 파트너 AI들을 상대로 게임을 반복하면서 훈련하는 식이다. 사람 플레이어의 경우 상대 전략의 결점을 찾고 이를 공략하는 과정을 반복하며 실력을 쌓아가는데, 게임 AI도 같은 방식으로 훈련한 것이다.

딥마인드는 "플레이어는 제한된 정보만으로 역동적이고 어려운 결정을 내려야 한다"면서 "이런 점에서 스타크래프트는 복잡한 상황에 대처할 수 있는 강력하고 유연한 에이전트를 개발할 수 있는 '좋은 훈련장'"이라고 평가했다.

딥마인드 창업자인 데미스 허사비스 최고경영자(CEO)는 "스타크래프트는 지난 15년간 AI 연구자들에게 커다란 도전이었다"며 "이 인상적인 결과가 과학적 발견을 가속할 AI 시스템을 개발하려는 우리 미션에 기여하길 바란다"고 말했다.

앞서 딥마인드는 1월 알파스타가 프로게이머를 꺾었다는 경기 결과를 공개한 바 있다. 5월에는 1인칭 게임 '퀘이크 3 아레나' 등 여럿이 함께하는 게임에서 인간의 능력을 뛰어넘는 AI를 선보이기도 했다.

논문 공동교신저자인 데이비드 실버 박사(가운데) [딥마인드 제공]

연합뉴스

사물 인터넷(Internet of Things, IoT)

사물 인터넷(Internet of Things, 약어로 IoT)은 말 그대로 사물 + 인터넷이 연결되어 그 정보를 활용해서 사물 본연의 기능을 더 충실히 행하도록 하는 기술.

즉, 각종 사물에 센서와 통신 기능을 내장하여 인터넷으로 연결된 사물들이 데이터를 주고받아 스스로 분석하고 학습한 정보를 사용자에게 제공하거나 사용자가 이를 원격 조정할 수 있는 인공지능 기술이다. 그 물건이 해야 할 일을 보다 더 똑똑하게 할 수 있도록 제어하고 또 알려 주어 그 사물의 가치를 더욱 더 높여준다. 여기서 사물이란 가전제품, 모바일 장비, 웨어러블, 컴퓨터 등 다양한 임베디드 시스템이 해당된다. 사물 인터넷에 연결되는 사물들은 자신을 구별할 수 있는 유일한 아이피를 가지고 인터넷으로 연결되어야 하며, 외부 환경으로부터의 데이터 취득을 위해 센서를 내장할 수 있다.

IoT 3대 주요 기술 #

센싱 기술 전통적인 온도/습도/열/가스/조도/초음파 센서 등에서부터 원격 감지, SAR, 레이더, 위치, 모션, 영상 센서 등 유형 사물과 주위 환경으로부터 정보를 얻을 수 있는 물리적 센서를 포함
유무선 통신 및 네트워크 인프라 기술 IoT의 유무선 통신 및 네트워크 장치로는 기존의 WPAN, WiFi, 3G/4G/LTE, Bluetooth, Ethernet, BcN, 위성통신, Microware, 시리얼 통신, PLC 등, 인간과 사물, 서비스를 연결할 수 있는 모든 유·무선 네트워크를 의미
IoT 서비스 인터페이스 기술 네트워크 인터페이스의 개념이 아니라, 정보를 센싱, 가공/추출/처리, 저장, 판단, 상황 인식, 인지, 보안/프라이버시 보호, 인증/인가, 디스커버리, 객체 정형화, 온톨러지 기반의 시맨틱, 오픈 센서 API, 가상화, 위치확인, 프로세스 관리, 오픈 플랫폼 기술, 미들웨어 기술, 데이터 마이닝 기술, 웹 서비스 기술, 소셜네트워크 등, 서비스 제공을 위해 인터페이스(저장, 처리, 변환 등) 역할 수행

IoT 사례 #

1.  Monnit Mine - 센서 소프트웨어 플랫폼 
무선 센서로 지정된 지역의 온도와 빛, 습도, 흔들림 또는 움직임 등을 메인 플랫폼에 전달해주고 분석하는 툴
2.  Icontrol Networks Piper - 스마트홈 안전장치
스마트홈 안전장치로 180도를 볼 수 있는 HD카메라와 쌍방향 오디오를 갖추고 있다. 모션(움직임)과 온도, 습도, 빛을 감지 가능
3.  Cisco CIVS-IPC-7070 - 오토 포커싱 CCTV
HD 카메라로 상황을 자동으로 파악해서 렌즈를 포커스 맞춤
4.  ivee Sleek - 음성 인식 알람시계
내장된 음성 인식 기능 디지털 알람 시계
5.  AT&T M2X - 자판기 클라우드 서비스
자판기 (자동판매기)를 클라우드와 연결해주는 서비스
6.  아마존 에코 - 스마트홈 기기
애플 시리와 비슷하게 음성명령에 반응 기기; 유저의 질문에 답을 해주고 뉴스와 날씨는 물론 알람도 맞출 수 있으며, 음악도 재생이 가능
7.  Sen.se Mother - 아기 엄마들의 필수 IoT 제품
모든 움직임과 온도, 위치 등을 분석
8.  SensorTag - 센서 태그 + 아이비콘
10개의 미세 전자 기계 시스템 (microelectromechanical system)을 갖춤
9.  Roost Smart Battery - 기존 기기들을 교체하지 않아도 되는 사물인터넷 사례
스마트 배터리는 일반 집에 장착되어 있는 화재 경보기나 문장금장치 등에 꽂을 수 있고, Roost의 스마트폰 앱으로 모든 상황을 모니터링 하면서 직접 끄거나 킬 수도 있게 개발
10.  Altiux Smart City - 스마트 도시
두 가지 사물인터넷 포트폴리오를 공개했습니다. 하나는 스마트 주차 시스템으로 도심 곳곳에 주차공간이 빈 곳을 실시간으로 알려주는 서비스고, 두 번째는 시간과 상관없이 어두운 곳을 찾아서 빛을 밝혀주는 스마트 라이팅 시스템으로 가격과 에너지를 같이 아껴주는 서비스

IoT 시장현황과 전망 #

세계 주요기관들은 사물인터넷 (IoT) 시장이 빠르게 성장해 엄청난 경제적 가치를 창출할 것으로 전망하고 있다. 조사 기관에 따라 조금씩 다르지만, Gartner는 31.4%, IDC는 12.5%, Machina Research는 26.2%의 연평균 성장률로 사물인터넷 (IoT) 시장이 성장할 것으로 예측하고 있다.

IoT 위협 및 취약점 #

사물인터넷은 우리에게 여러 가지로 생활의 편리함을 제공하고 있지만, 더불어 보안위협도 함께 증가하고 있는 것이 현실. 아직 사물인터넷 보안에 대한 기준이 명확하지 않기 때문에 사용자들의 더욱 각별한 주의가 필요하다. 모든 사물이 해킹의 대상이 될 수 있어 사물 인터넷의 발달과 보안의 발달은 함께 갈 수밖에 없는 구조이다. 보안 기능이 강화된 제품을 사용하거나, 취약한 보안을 보완할 수 있는 서비스를 함께 이용하면 안전한 사물인터넷 제품 사용에 한 발 더 다가갈 수 있다.

결론 #

IT기술이 빠르게 발전하면서 컴퓨팅, 모바일 시대를 넘어 모든 사물이 하나로 연결되는 초연결 사회로 변화하고 있다. 그 중심에는 인간, 사물, 서비스를 연결하는 것을 목표로 하는 사물인터넷 (IoT)이 자리잡고 있다. 발전하기 위해 아직 해결해야 할 문제점이 많지만, 사물인터넷(IoT)이 미래 산업을 이끌어 갈 핵심이 될 것은 분명해 보인다.

<참고: 만물인터넷과 미래상, 미래기술연구센터>

人CoDOM