热门:为什么谷歌人工智能击败围棋冠军这事如此重要？

本篇文章2442字，读完约6分钟

alphago击败围棋冠军的消息用WeChat的力矩更新了画面 从昨天晚上到今天，你的WeChat的力矩被谷歌的人工智能打败了围棋冠军的消息更新了画面吗？ 谷歌发表《自然》杂志封面复印件后，facebook人工智能研究所的相关人员很快就噎死了:谷歌快乐，这是我们先做的。 从两个科技巨头重视人工智能打败围棋冠军的程度来看，可以评价这是人工智能在快速发展史上的一大挑战 那么，人工智能在人机对战中取得胜利有多重要，也许必须从人工智能的迅速发展说起 alpha go是怎么战胜欧洲冠军的？ 首先让我们看看谷歌的人工智能如何打败了围棋冠军 根据1月28日《自然》杂志的封面复印件，Googledeepmind企业设计的alphago以5:0完胜欧洲冠军、职业围棋二段樊麿。 据deepmind团队介绍，alpha go的关键是采用人工智能中的深神经网络 alpha go有两个不同的神经网络。 第一个是政策互联网( policy network )，用于预测下一步。 第二个被称为价值互联网( value network )，用于预测棋盘上的不同分布会带来什么样的不同结果 “简单来说，deepmind是通过机器学习实现的 在以往的做法中，人工智能是从外部输入新闻，计算机输入新闻与现有新闻联系，从而得出一个结论，是递归的方法。 但是，deepmind的方法不是告诉机器哪个算法会得到高分，而是训练它，根据学习和分析的结果来评价最佳战略。 这个过程已经类似于孩子学习知识的一种形式 》复旦大学计算机与工程学院副教授邱锡鹏转达了澎湃的情报( thepaper )。 更一般的说法是，deepmind首先使用现有的围棋妙手训练ai，称为监督学习( supervised learning )，然后让ai和自己玩游戏，掌握如何通过深度学习赢得围棋比赛。 英国围棋协会的财务负责人樊麿和alphago比赛的裁判托比·曼宁( toby manning )也目睹了整个游戏 在接受海外媒体采访时，他说:“甚至很难知道哪个是人，哪个是电脑。” 在以前的许多软件中，计算机下面的许多步骤可能是合理的，但突然变得毫无头绪。 在这场比赛中，几乎看不到电脑和人的区别 一个区别是时间的分配方法:樊麿下面的所有步骤都比阿尔法go需要更长的时间，阿尔法go的棋道也不像人类棋手那样具有攻击性 不是积极侵略领土和提哥，而是非常冷静地落下来 地平线机器人企业的ceo余凯说，凭借自己的WeChat的力矩，他对深度学习行业的各种进步感到兴奋 从基于简单的多层神经网络的语音识别突破()到基于卷积神经网络的图像识别行业的突破()，基于递归神经网络的序列学习行业( ocr、语音、机器翻译、NLL 然后，直到通过深度神经网络的增强学习在计算机游戏和控制行业中取得突破的进展()，这个过程人类才5年。 人工智能战胜围棋冠军是一个里程碑式的事情 为什么这么重要？ 在理解alpha go的人工智能后，让我们来看看为什么战胜围棋冠军是里程碑式的 国际象棋游戏一直被认为是顶级人类智力的试金石 人工智能与人类棋手的对抗一直在上演 从1989年开始，ibm的“深蓝”( deep blue )可以很好地打败国际象棋大师，8年后的1997年，深蓝第一次打败了世界第一的国际象棋选手加里·卡斯帕罗夫，开始统治国际象棋行业。 2006年，成为人类在国际象棋中的绝唱。 因为从那以后，人类就没有战胜过最好的人工智能国际象棋选手。 与国际象棋不同，围棋每回合的可能性越来越大，有250种可能性，一回合可达150回合 而且围棋有3^361的局面，可以观测的宇宙原子数为10^80 人工智能战胜了围棋职业选手，根据技术的迅速发展速度，通常至少需要十年。 “我们为什么要致力于电脑围棋？ 因为这是必须结合学习、模式识别、问题处理、计划等技能的技能 也是测试新想法、机器学习、推理和计划的好方法 》facebook人工智能实验室主任yann lecun显示在自己的facebook账户上 facebook人工智能研究所的田渊栋研究员在账号中指出，围棋的困难之处在于评价函数非常不流畅，一个子盘面不好可能会翻天覆地，状态空间大，也没有全球结构。 这两点加起来，现在的计算机只能使用贫困法，因为其进展缓慢 现在田渊栋在facebook负责黑暗森林( darkforest )项目，也是围棋的对战项目 这个程序更新到第三个版本，在kgs服务器上运营了一个多月，获得了成人组的第五个排名。 这个排名意味着成为了美国最好的100名选手之一，也进入了世界上最好的围棋机器人 战胜欧洲冠军樊麿后，alpha go旨在于3月挑战围棋世界冠军李世石 对于这个世纪的大对决，deepmind企业的创始人之一德米斯·哈服务( demis hassabis )表现出了自信 在接受《自然》杂志采访时表示，“alphago很可能超过了围棋这个行业中顶尖的人，期待着在围棋规则中创造新的东西。” 这是我自己做的系统，自然对它有很深的感情。 特别是我们在考虑制作那个的方法。 那个在不断地学习。 从某种意义上来说，我们正在“训练”它。 国际象棋的方法也像人。 你写普通程序的时候可能知道所有的细节。 一切都事先安排好了，alphago不同，自己学习提高的能力很棒。 “关于alphago将来的应用，哈扎比斯说:“最终我想把这些技术应用到现实世界的重要问题上。” 因为我们使用了共同的方法，我们希望有一天能更广泛地扩展以处理从医疗诊断到环境模式等最紧迫的社会问题。 “根据哈扎比斯的说明，这项技术在谷歌的第一个用途是开发更好的个人助理软件。 这样的个人助理可以从客户的在线行为中学习客户的喜好，对产品和事情提出更直观的建议 利用人工智能做个人助理是facebook的CEO标志 吗？ · ； 扎克伯格之前的想法又一致了 (本文来自澎湃信息，越来越多的原始信息请下载《澎湃信息》app )