帐号:密码:下次自动登录{url:/nForum/slist.json?uid=guest&root=list-section}{url:/nForum/nlist.json?uid=guest&root=list-section}
贴数:1&分页:黎叔发信人: alana (黎叔), 信区: AI
标&&题: Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军 (转载
发信站: 水木社区 (Fri Jan 29 12:11:15 2016), 站内 && gg 和fb 开始竞赛 &&&& 【 在 qbasic (佛曰:表说话) 的大作中提到: 】
: 是从weiqi群转进来的，而且没人讨论。
: 反而在围棋群反而讨论的多。
: 本版也太不活跃了。
: ...................
&&&& ※ 来源:·水木社区 newsmth.net·[FROM: 183.62.57.*]
文章数:1&分页:
抽奖到手软！将狂欢进行到底！> 人工智能击败欧洲围棋冠军意义不亚于97年那场国际象棋世纪大
人工智能击败欧洲围棋冠军意义不亚于97年那场国际象棋世纪大
转载自:钛媒体
&&阅读：21
钛度要点： 人工智能如何一步步走来，直到挑战欧洲围棋冠军。
人工智能如何一步步走来，直到挑战欧洲围棋冠军
（图注：围棋的状态空间复杂度高达10^170，国际象棋的复杂度只有10^47）
Google旗下的人工智能公司DeepMind开发的AlphaGo不久之前击败了欧洲围棋冠军，《Nature》杂志将以封面论文的方式报道这一人工智能领域的里程碑，意义不亚于1997年那场深蓝击败国际象棋大师卡斯帕罗夫的世纪之战（关注钛媒体，回复关键词“冠军”查看今日最新报道《谷歌人工智能击败欧洲围棋冠军，AI 和人类的较量再次展开》）。
人工智能如何一步步走来，直到挑战欧洲围棋冠军
3月，AlphaGo还将向世界顶级围棋选手李世石发起挑战。
正如外媒的评价，“1997年，当IBM深蓝计算机在象棋上称霸时，它使用的是手工编码的规则，在搜索时将穷尽所有可能发生的步法。Alpha Go从本质上则是随着时间而学习的，可以识别出可能具有优势的模式，然后模拟出数量有限的潜在结果。”
关于“奇点临近”的杞人之言又开始抬头，不过相比这些乍然爆出的人机对垒，已经润物无声地融入我们生活的Siri、Google Now等智能助手可能更有“存在感”。它们不是要与我们一较高下誓不罢休的对手，而是随时听遣，安排我们的日程起居，供我们调戏的助手。在《与机器人共舞》作者约翰o 马尔科夫看来，前者是志在取代人类的AI（Artificial Intelligence），后者是意在辅助人类的IA（Intelligent Augmentation），即使是Google这样的公司也会在被这两条不同方向的道路所撕裂。
比如， Google Now与Google Glass都是用来增强人类能力的工具，而无人驾驶汽车则是要从司机手中彻底接管驾驶权。它收购的Boston Dynamic机器人公司放弃了对人类智力的模拟，而是专注于做和人类四肢有同样灵活性、平衡性、适应性的无头Big Dog，而它的Google Brain项目则在学习像人一样识别一只猫。Body与Brain的分离及其后果在其无人驾驶汽车项目上体现的最为明显。
作为第一个报道Google无人驾驶汽车项目的记者，约翰o 马尔科夫在《与机器人共舞》中详细披露了坚持走AI路线的Google无人汽车遇到的问题：完全无人驾驶的汽车将陷入一种四向停车难题（four-way stop）。在没有红绿灯的路口，司机之间需要复杂的交流，而对于相互独立、互不连通的计算机系统来说，在可预见的未来想解决此类问题则更为困难。
借助于摄像头、多谱勒雷达、激光雷达等传感器，Google无人汽车能够对行驶途中的环境路况实时感知，然而车与车之间的数据共享与时时“沟通”目前看来仍然遥不可及，受限于无线通信标准、车厂合作、政府监管等原因，“车联网”在短期内仍然难以实现。更为棘手的是，司机经常会违背或忽略交通规则，而无人车与行人之间的意识“沟通”仍然是天方夜谭。
相比于对于“无人”概念如此执着到底的Google，很多其他公司取径更为现实的IA路线。比如，Mobileye无人驾驶汽车能让车上的乘客敏锐地感觉到机器援助的存在，更有公司采用眼球追踪、生物识别等技术来检测司机的注意力是否在方向盘上。
这对于也在跻身无人汽车大潮的Uber来说并不是个好主意，毕竟按照创始人Kalanick 的说法“Uber价格贵的原因就是司机的成本太高，如果没有司机的话Uber的的费用会大大降低。”
实际上，根据《与机器人共舞》一书的梳理，AI与IA两个阵营的竞争，两种价值观之间的碰撞自1960年代就在硅谷展开了。
1966年，在约翰麦卡锡带领斯坦福大学人工智能实验室启动制造模仿人类能力的人工智能项目的同时，在美国的另一边，麻省理工学院的马文明斯基与恩格尔巴特则启动了把计算机作为人类智力的延伸的智能增强项目，自此开始了半个世纪的花开两朵，各自生长。
在摩尔定律的号角声中，随着运算能力的几何量级飞升，当时的人工智能阵营被一股乐观的气息所笼罩——如果你感觉自己陷入困境，那么只需要等上10年时间，你的问题就定然能通过计算性能的提升而得到解决。在他们眼中，机器的视觉、听觉、推理能力等都可以通过计算能力的提升而迎刃而解。1978年，人工智能最忠实的信徒莫拉维克甚至在杂志上撰文：“再过10年，制作可以匹敌人类智慧的设备的硬件价格应该相当于目前一台大型计算机的水平。”
然而，他预想中的机器人时代并未到来，斯坦福大学虽然作出了一些基于“if then”逻辑的“推理引擎”并将各行各业的专家知识打包成包含600项思维规则的“指导手册”，然而这种需要人类去“input－out”的方式并不能让机器自己去认识世界，分析归纳，这并不是他们想要的思维机器（thinking machine）。
20世纪80年代，是“头脑中的自行车”的黄金年代，却也是相关公司接连倒闭的“人工智能的冬天”。
而IA阵营则成了人机交互的先驱，恩格尔巴特不只是大名鼎鼎的“鼠标之父”，更是图形化用户界面、超文本系统的先驱，从窗口、鼠标到自动助手、计算机，再到“对话式交互”，IA阵营基本上仍在恩格尔巴特最初规划的理论框架内发展。在他们的努力下，从庞然巨物到桌上电脑再到口袋玩物，从打孔纸到键盘鼠标、触摸屏再到语音助理、Magic Leap，机器成为一种愈来愈易用的人脑之延伸。
1987年预言了后来的iPad、 Siri的苹果Knowledge Navigator宣传视频中就虚构了一个系着领结的虚拟助手，然而14年后的Siri则不再有个人化身。实际上，在虚拟助手设计方面，化身一直都饱受争议。IA阵营的开发者们一直对“是否应该把这一系统变成聊天机器人”举棋不定。他们认为，没有人会坐下来和一个虚拟机器人聊上一整天，他们要做的，是设计一个系统来帮助人们管理自己忙碌的日常生活。呆萌的Siri“可调戏性”很差，而Google Now虽然已经智能到可以通过你的停留时间自动判断家庭与工作地，“非人化”则避免了给人以毛骨悚然、细思极恐的感觉。同样的微软的大眼睛曲别针Office 助手也因为太过“活泼”令人分神而被“下岗”。
实际上，这是IA与AI之间那条无形的线在其作用。
而随着全球互联网与海量大数据的出现，给了人工智能领域的另一支流——深度神经网络研究以大展拳脚的空间，机器的深度学习也成为可能，也让人工智能在两次冬天之后再次迎来爆发。《纽约时报》曾以《需要多少计算机才能正确的识别猫？16000台》为标题报道吴恩达领导的Google Brain是如何训练机器认识猫的，这需要Youtube上数以百万级的视频资料。语音识别、机器视觉、物体识别、人脸检测、翻译会话等领域的创业公司开始遍地开花。数十亿计移动传感器和计算系统——智能手机在源源不断地喂养、调教着一颗超级大脑，仿佛一张高速运转地神经网络。
人工智能如何一步步走来，直到挑战欧洲围棋冠军AlphaGo所使用的神经网络结构示意图
而AlphaGo的挑战成功，是神经网络威力的最好证明，正如Google在博客中披露的：“传统的人工智能方法——构建搜索树来穷尽所有可能的位置——不可能挑战人脑。我们选择将围棋“分解”，用改进的搜索树算法结合深度神经网络开发出AlphaGo这一程序，通过将棋盘分解成包含数百万类似神经元的网络联接，划分为12个不同的网络层，其中的‘策略网络’（policy network）去选择落子，而‘价值网络’（value network）则负责预测对弈的胜者（计算局面）。我们让围棋高手训练AlphaGo程序走了3000万步，它预测对手下步棋的准确率达到了57%（之前的记录是44%）。为了击败而不只是模仿最好的棋手，AlphaGo还能够通过增强学习（reinforcement learning）在神经元之间对弈，调整网络连接，从而开发出新的策略。”
在人工智能阵营中，还有一帮人坚持着自底向上的路线：要想实现模拟生物智能的目标，就应该从制作人工昆虫这种最低层次的设备起步，模拟最简单的生物系统，而不是试图匹敌人类的能力，这就是仿生机器人（动物）。Boston Dynamic等公司所开发的机器猫、狗、豹等已经实现了“头脑简单，四肢发达”。协调性、适应性不亚于甚至超过了人类。
人工智能的Brain与Body都在快速成长，难怪微博中关于Boston Dynamic机器人最普遍的看法是：满脑子是以后人类被机器人毁灭的画面。
与此同时，AI与IA也在互相交融。Google Brain的研究成果已经被运用到Google Now等很多产品中，更准确地洞悉用户的信息输入，更人性化的理解人类的意图。微软发布的第一款智能助理Cortana显然比Siri、Google Now更加“人格化”——名字来自于《光晕》中的角色，虽然只是个圆形图标但却拥有16种表情，可以和你进行更自如机智的对话，而且声音更富有语调和感情。很显然，微软的目的就是让人们像爱上《Her》中的萨曼莎一样爱上小娜。
人工智能如何一步步走来，直到挑战欧洲围棋冠军就像约翰o 马尔科夫在《与机器人共舞》一书的最后问到的那样：
人类已经将自己相当一部分的时间交给了与其他人类通过计算机互动，或是直接与一些类人的机器互动。这些人工智能化身将会成为我们的奴隶、助手、同事，还是三者的融合？
AI还是IA，这终将是摆在开发者与使用者面前不得不回答的问题。
参与讨论，请先|
他们还喜欢
简介：行业的最新资讯，以及行业金字塔顶尖人物每日为各位推送最新行业动态，互联网金融不是互联网和金融业的简单结合，而是在实现安全、移动等网络技术水平上，被用户熟悉接受后（尤其是对电子商务的接受），自然而然为适应新的需求而产生的新模式及新业...
该话题其他文章
投资理财热门
理财小知识
Rights Reserved&&沪ICP备号-2&&水木-纹枰论道-Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
主题文章列表
一共 28 篇
Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&APOMED&(APOMED),&信区:&Weiqi
标&&题:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&00:04:03&2016),&转信
深度学习围棋程序击败欧洲冠军
3月将与李世石对弈
※&来源:·水木社区&http://www.newsmth.net·[FROM:&211.100.46.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&albert2&(冲啊),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&00:11:21&2016),&站内
只要让三个或者两个能赢小李子,就是个天大的突破.
【&在&APOMED&(APOMED)&的大作中提到:&】
:&深度学习围棋程序击败欧洲冠军
:&3月将与李世石对弈
※&来源:·水木社区&newsmth.net·[FROM:&60.28.129.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&coolphysics&(胖子),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&04:05:51&2016),&转信
deep&learning的恐怖之处是会越战越强。打败世界冠军就是个时间问题。
【&在&APOMED&的大作中提到:&】
:&深度学习围棋程序击败欧洲冠军
:&3月将与李世石对弈
※&来源:·水木社区&http://www.newsmth.net·[FROM:&88.109.125.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&hfkl&(相信&&坚持),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&04:18:50&2016),&站内
Google的围棋AI已具有职业水准。从棋谱初步判断是顶尖棋手让先-让先倒贴的水平，离战胜人类还有一小段距离。但这是三个月前的棋谱...以Google机器学习堆数据的速度，今年三月对决李世石相当值得期待。（李喆微博）
※&来源:·水木社区&http://m.newsmth.net·[FROM:&180.170.17.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&dogmanstar&(一只黑熊),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&07:42:39&2016),&转信
看来已经让不了了。分先能赢不错了
【&在&albert2&的大作中提到:&】
:&只要让三个或者两个能赢小李子,就是个天大的突破.
:&【&在&APOMED&(APOMED)&的大作中提到:&】
:&:&深度学习围棋程序击败欧洲冠军
:&....................
-&来自最水木&-
※&来源:·最水木&客户端·[FROM:&180.156.40.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&sobe1&(search&for&edge),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&08:49:27&2016),&站内
先去解解发阳论？
※&来源:·水木社区&http://m.newsmth.net·[FROM:&123.126.118.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&lihq&(一曲忠诚的赞歌),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&09:11:53&2016),&站内
恐惧，中国人的古老思维总会败给系统化的机器人&&
【&在&APOMED&()&的大作中提到:&】
:&深度学习围棋程序击败欧洲冠军
:&3月将与李世石对弈
发自xsmth&(iOS版)
※&来源:·水木社区&http://m.newsmth.net·[FROM:&112.65.190.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&niceadam&(好阿当),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&09:15:13&2016),&转信
有棋谱的链接吗，都是图片，没法看，
【&在&APOMED&的大作中提到:&】
:&深度学习围棋程序击败欧洲冠军
:&3月将与李世石对弈
※&来源:·水木社区&http://www.newsmth.net·[FROM:&110.206.123.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&maplesnow&(大C猴),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&09:21:04&2016),&站内
如果真的是比樊辉厉害一点的水平的话，两个很难赢小李。但说不定它其实比樊辉厉害很
多。如果是学习机器的极限的话，和小李可能差距非常有限。想想小孩在网上刷棋，不停
的刷，能刷到什么水平，机器的上限应该高过这一代的小孩能成批刷到的水平，但后者已
经不比李世石弱多少了。
【&在&albert2&(冲啊)&的大作中提到:&】
:&只要让三个或者两个能赢小李子,就是个天大的突破.
※&来源:·水木社区&http://newsmth.net·[FROM:&98.233.138.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&RI1657&(不敢偷懒),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&09:27:22&2016),&转信
胡扯一下，我决定人类要想战胜电脑，就要在布局阶段，比如使用冷僻开局，角部走一些复杂定式，或者故意制造劫争，等等
【&在&APOMED&的大作中提到:&】
:&深度学习围棋程序击败欧洲冠军
:&3月将与李世石对弈
※&来源:·水木社区&http://www.newsmth.net·[FROM:&58.210.132.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&Jinn&(沙隆巴斯⊙嘿嘿),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&09:31:15&2016),&转信
冷僻是对你自己冷僻，恐怕计算能力人是比不过计算机的。
【&在&RI1657&(不敢偷懒)&的大作中提到:&】
:&胡扯一下，我决定人类要想战胜电脑，就要在布局阶段，比如使用冷僻开局，角部走一些复杂定式，或者故意制造劫争，等等
三家店&军庄&妙峰山&涧沟村&兴寿&山吧&北清路&阳坊&东方红&昌平&戒台寺&潭柘寺
京原路口&燕翅&斋堂&灵山&&&芹峪口&&十三陵水库&高崖口&大村&流村&解字石&长陵
九渡河&&菩萨鹿&黄花城&&大庄科&永宁&龙庆峡&四海&渤海镇&黑山寨&杨村&慕田峪
阳台山&&莲花池&黄松峪&怀柔水库&&&&
康庄&&&东花园&横岭&镇边城&&淤北&菩萨庵&&十渡
※&来源:·水木社区&newsmth.net·[FROM:&114.241.213.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&laquarius&(laquarius),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&09:50:54&2016),&转信
AI用的无非是经验赢了
对手偏偏不用经验，不守常规
【&在&APOMED&(APOMED)&的大作中提到:&】
:&深度学习围棋程序击败欧洲冠军
:&3月将与李世石对弈
※&来源:·水木社区&http://newsmth.net·[FROM:&183.5.245.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&wcwyf&(多尔衮),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:16:02&2016),&站内
不看好AI。现在围棋理论的发展还是不够成熟，棋手的发挥余地太大。AI学得那些东西对上高段棋手用处不大。对比下国际象棋。做为业余棋手，我最喜欢的是哐哐哐来一个战术组合击败对手，但是顶级棋手很少这么干了。这是因为国际象棋理论已经很成熟了。所以AI有机会战胜人类棋手
※&来源:·水木社区&http://www.newsmth.net·[FROM:&68.230.163.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&crux&(诚意正心),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:18:11&2016),&转信
不仅仅是经验，还有算
【&在&laquarius&(laquarius)&的大作中提到:&】
:&AI用的无非是经验赢了
:&对手偏偏不用经验，不守常规
:&AI就傻了
:&...................
※&来源:·水木社区&newsmth.net·[FROM:&117.86.106.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&crux&(诚意正心),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:26:10&2016),&站内
古老思维、“东方智慧”败给科技，本来就理所当然
想想信息不发达的时候，围棋被赋予那么多乱七八糟的“道”、“人生感悟”
到现在年轻人称雄，再到以后机器人称雄，想想挺可笑的
任何领域，如果学习机会少、学习成本高、经验获取难，就会被既得利益者把持
赋予各种玄而又玄的东西，搞得很高大上的样子，各种说不清的“能力”就是这么来的
【&在&lihq&(一曲忠诚的赞歌)&的大作中提到:&】
:&恐惧，中国人的古老思维总会败给系统化的机器人&&
※&来源:·水木社区&newsmth.net·[FROM:&117.86.106.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&lihq&(一曲忠诚的赞歌),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:34:52&2016),&转信
即使彻底败给机器人，围棋中包含的道理也对人生其他方面具有相当启迪
这并不矛盾，也不奇怪
我的感慨只是中国和美国差距太大而已
【&在&crux&的大作中提到:&】
:&古老思维、“东方智慧”败给科技，本来就理所当然
:&想想信息不发达的时候，围棋被赋予那么多乱七八糟的“道”、“人生感悟”
:&到现在年轻人称雄，再到以后机器人称雄，想想挺可笑的
:&...................
※&来源:·水木社区&http://www.newsmth.net·[FROM:&222.126.176.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&qbasic&(佛曰:表说话),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:38:00&2016),&转信
小瞧现代AI了。
【&在&laquarius&(laquarius)&的大作中提到:&】
:&标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
:&发信站:&水木社区&(Thu&Jan&28&09:50:54&2016),&转信
:&AI用的无非是经验赢了
:&对手偏偏不用经验，不守常规
:&AI就傻了
:&【&在&APOMED&(APOMED)&的大作中提到:&】
:&:&深度学习围棋程序击败欧洲冠军
:&:&3月将与李世石对弈
:&※&来源:·水木社区&http://newsmth.net·[FROM:&183.5.245.*]
※&来源:·水木社区&newsmth.net·[FROM:&106.39.75.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&crux&(诚意正心),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:45:54&2016),&转信
中国、美国的差距，这个扯得有点远
团队里也有华人，人种不是问题
这些年回来的也不少，制度有影响，但问题应该是在变小
更多的因素是产业能否提升，能否给高层次研发人员提供足够多的生存机会
【&在&lihq&(一曲忠诚的赞歌)&的大作中提到:&】
:&即使彻底败给机器人，围棋中包含的道理也对人生其他方面具有相当启迪
:&这并不矛盾，也不奇怪
:&我的感慨只是中国和美国差距太大而已
:&...................
※&来源:·水木社区&newsmth.net·[FROM:&117.86.106.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&APOMED&(APOMED),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&10:59:04&2016),&转信
&&人工智能在上世纪80年代兴起，然后衰落，目前由于深度学习技术到来，又开始复兴
&&深度学习以及类似技术目前日新月异，每个月都有新东西出来，研究这个方向的稍不留神就out了，
&&深度学习确实是最接近人类智能的算法
&&如果说几年后深度学习围棋程序战胜了所有人类，一点都不稀奇
【&在&laquarius&的大作中提到:&】
:&AI用的无非是经验赢了
:&对手偏偏不用经验，不守常规
:&AI就傻了
※&来源:·水木社区&http://www.newsmth.net·[FROM:&162.105.160.*]
Re: Nature封面： 谷歌深度学习人工智能击败欧洲围棋冠军
发信人:&InfraMargin&(赢了马竞),&信区:&Weiqi
标&&题:&Re:&Nature封面：&谷歌深度学习人工智能击败欧洲围棋冠军
发信站:&水木社区&(Thu&Jan&28&13:58:32&2016),&转信
纯deep&learning的方法&是没有理解能力，也没有解析化的运算的。基本都是按照经验去
适配输入的黑盒子。
【&在&crux&(诚意正心)&的大作中提到:&】
:&不仅仅是经验，还有算
※&来源:·水木社区&http://newsmth.net·[FROM:&159.226.43.*]谷歌旗下人工智能软件击败欧洲围棋冠军
围棋下法复杂，一般认为围棋的对弈软件开发比国际象棋和日本将棋更难，此次凭借人工智能新技术大幅提高了判断力。开发人员等召开记者会时称“正因为规则单纯才很难做，可应用于疾病图像的诊断等需要判断情况的场合”。与“AlphaGo”一较高下的棋手是2013年至2015年的欧洲围棋冠军、生于中国的樊麾。2015年10月，双方以正式比赛中使用的十九路棋盘进行了无让子的5局较量，“AlphaGo”赢得满堂红。今年3月，“AlphaGo”将挑战全球顶级的韩国九段棋手李世石，奖金是100万美金。李世石表示：“(人工智能)厉害得让人吃惊，听说一直在进化，不过我有信心取胜。”围棋因为其非常复杂，之前最强的围棋软件基本上连业余棋手都无法战胜，而谷歌改变了思路，通过机器学习的方式提高AI，并且直接战胜了围棋职业棋手，如果今年3月份的比赛李世石战败的话，人类最后一个能战胜人工智能的棋类游戏就将终结了。1952年计算机掌握了第一款游戏——井字棋 （也称三连棋），接下来是1994年的西洋跳棋，1997年，“深蓝”赢得了国际象棋比赛，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美传统里的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多年前计算机科学家的预言。至少还有东方，人们自我安慰道。围棋AI长期以来举步维艰，顶级AI甚至不能打败稍强的业余选手。长期以来，围棋仍然是横亘在人工智能研究者面前的难题：计算机的围棋水平只能达到业余选手的程度。这似乎也合情合理：国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。这一巨大的数目，足以令任何蛮力穷举者望而却步——而人类，我们相信，可以凭借某种难以复制的算法跳过蛮力，一眼看到棋盘的本质。但是，无论人怎么想，这样的局面当然不可能永远延续下去。就在今天，国际顶尖期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以5:0完胜欧洲冠军，职业围棋二段樊麾。这是人类历史上，围棋AI第一次在公平比赛中战胜职业选手。AlphaGo的战绩如何？此次比赛和以往不同。之前的比赛中，由于AI棋力比人类弱，人类选手都会让子，而且AI主要和业余段位的棋手比赛。而AlphaGo对战樊麾是完全公平的比赛，没有让子。职业二段樊麾出生于中国，目前是法国国家围棋队总教练，已经连续三年赢得欧洲围棋冠军的称号。研究者也让AlphaGo和其他的围棋AI进行了较量，在总计495局中只输了一局，胜率是99.8%。它甚至尝试了让4子对阵Crazy Stone，Zen和Pachi三个先进的AI，胜率分别是77%，86%和99%。可见AlphaGo有多强大。在接下来3月份，AlphaGo将和韩国九段棋手李世乭在首尔一战，奖金是由Google提供的100万美金。李世乭是最近10年中获得世界第一头衔最多的棋手。围棋是最后一个人类顶尖高手能战胜AI的棋类游戏。之前有人预测说，AI需要再花十几年才能战胜人类。所以这场比赛或许会见证历史，我们将拭目以待。李世乭表示很荣幸自己将与电脑公平对弈。“无论结果如何，这都会是围棋史上极具意义的事件。”他说，“我听说谷歌Deep Mind的AI出人意料地强，而且正在变得更强。但我有自信至少这次能赢。”AI下围棋到底有多难？计算围棋是个极其复杂的问题，比国际象棋要困难得多。围棋最大有3361 种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形成一个树形地图。AI只要根据这个地图下棋就能永远胜利。然而，围棋一盘大约要下150步，每一步有250种可选的下法，所以粗略来说，要是AI用暴力列举所有情况的方式，围棋需要计算250150种情况，大致是10360。相对的，国际象棋每盘大约80步，每一步有35种可选下法，所以只要算3580种情况，大概是10124。无论如何，枚举所有情况的方法不可行，所以研究者们需要用巧妙的方法来解决问题，他们选择了模仿人类大师的下棋方式。研究者们祭出了终极杀器——“深度学习”（Deep Learning）。深度学习是目前人工智能领域中最热门的科目，它能完成笔迹识别，面部识别，驾驶自动汽车，自然语言处理，识别声音，分析生物信息数据等非常复杂的任务。传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用。所以在征服围棋的过程中，谷歌决定另辟蹊径，将高级搜索树与深度神经网络结合在一起。这些神经网络通过12个处理层传递对棋盘的描述，这些处理层包含数百万个类似于神经的连接点。其中一个神经网络“策略网络”（policy network）选择下一步走法，另一个神经网络“价值网络”（value network）预测比赛胜利者。谷歌用人类围棋高手的三千万步围棋走法训练神经网络，直至神经网络预测人类走法的准确率达到57%。不过谷歌的目标是击败最优秀的人类棋手，而不止是模仿他们。为了做到这一点，AlphaGo学习自行研究新战略，在它的神经网络之间运行了数千局围棋，利用反复试验调整连接点，这个流程也称为巩固学习（reinforcement learning）。AlphaGo 的核心是两种不同的深度神经网络。“策略网络”（policy network）和 “值网络”（value network）。它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分析那些有戏的棋着。AlphaGo利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样AlphaGo在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。研究者们用许多专业棋局训练AI，这种方法称为监督学习（supervised learning），然后让AI和自己对弈，这种方法称为强化学习（reinforcement learning），每次对弈都能让AI棋力精进。然后他就能战胜冠军啦！人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类或许一年能玩1000局，但机器一天就能玩100万局。所以AlphaGo只要经过了足够的训练，就能击败所有的人类选手。Google DeepMindGoogle DeepMind是这个程序的创造者，我们来看一下他们萌萌的程序员。杰米斯·哈萨比斯（Demis Hassabis） 是Google DeepMind 的CEO。图片来源：Nature Video大卫·西尔弗（David Silver）。图片来源：Nature VideoGoogle DeepMind 去年在杂志上发表过一篇论文[2]，他们用增强学习的方法训练AI玩经典的Atari游戏。其实在几年前就有人研究如何让AI玩《星际争霸》，目前人类大师还是能击败AI的。电脑游戏中大量使用人工智能技术，你有没有觉得游戏变得越来越聪明了？那么……未来呢？人工智能研究者面对这样的成就当然欣喜。深度学习和强化学习等技术完全可以用于更广泛的领域。比如最近很火的精准治疗，我们可以训练它们判断哪些治疗方案对某个特定的人有效。但是，围棋毕竟不仅仅是一项智力成就。就像十多年前的国际象棋一样，围棋必定也会引发超出本领域之外的讨论。等到计算机能在围棋上秒杀人类的时候，围棋是不是就变成了一种无聊的游戏？人类的智力成就是不是就贬值了？AI还将在其他层面上继续碾压人类吗？传统认为AI不可能完成的任务是否也都将被逐一打破？人类最后是会进入AI乌托邦还是被AI淘汰呢？没人知道答案。但有一点毫无疑问：AI一定会进入我们的生活，我们不可能躲开。这一接触虽然很可能悄无声息，但意义或许不亚于我们第一次接触外星生命。参考文献：David Silver, et al. &Mastering the game of Go with deep neural networks and tree search.& Nature doi:10.1038/nature16961Mnih, Volodymyr, et al. &Human-level control through deep reinforcement learning.& Nature 518.): 529-533.
赢搜旨在传播最新信息及行业资讯，为SEO和SEM从业者传递有读点的内容，赢搜尊重原创作者及单位版权，文章仅代表作者观点，不代表赢搜立场。
转载请注明：>
您需要登录后才可以评论}