AI的进阶:谷歌人工智能聪明过人脑?.doc

AI的进阶:谷歌人工智能聪明过人脑?.doc

ID:27525915

大小:929.50 KB

页数:7页

时间:2018-12-04

AI的进阶:谷歌人工智能聪明过人脑?.doc_第1页
AI的进阶:谷歌人工智能聪明过人脑?.doc_第2页
AI的进阶:谷歌人工智能聪明过人脑?.doc_第3页
AI的进阶:谷歌人工智能聪明过人脑?.doc_第4页
AI的进阶:谷歌人工智能聪明过人脑?.doc_第5页
资源描述:

《AI的进阶:谷歌人工智能聪明过人脑?.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、AI的进阶:谷歌人工智能聪明过人脑?  人机围棋大战第二局,AlphaGo一手落向空白区域的37惊呆了世界——李世石看到后离开了,远程观看并解说的雷德蒙同样震撼。这个西方唯一的九段棋手表示,“我真的不知道这是一步好棋还是坏棋。”而与此同时,美国围棋协会通讯副总裁英语解说员克里斯·加洛克则表示,“这是一个错误。”  AI的进阶:谷歌人工智能聪明过人脑?  人机围棋大战第二局,AlphaGo一手落向空白区域的37惊呆了世界——李世石看到后离开了,远程观看并解说的雷德蒙同样震撼。这个西方唯一的九段棋手表示,“我真的不知道这是一步好棋还是坏棋。”而与此同时,美国围棋协会通讯副总裁英语解说员

2、克里斯·加洛克则表示,“这是一个错误。”    这一步李世石长考了大约二十分钟,但四个多小时候,他还是输了。后来的后来,在这场人机大战中,链接了数百个分布在世界各地的谷歌数据中心的AI程序,击败了可能是有史以来人类设计的最复杂的游戏中最好的选手。  对37手同样产生疑惑的是樊麾,他不只是曾经5比0输给AlphaGo的欧洲围棋冠军,而且从那以后,他成为了AlphaGo的陪练。与李世石交战前的五个多月里,樊麾与AlphaGo进行了上百盘比赛。他看着AlphaGo一天天地长大。樊麾失败的次数越来越多,但他是最了解AlphaGo的人。看着AlphaGo的第37手,他深知这其中一定有常人难以

3、理解的地方,计算10秒后,他表示“竟是如此妙手”。  对,大多数人认为,AlphaGo的胜利是计算力的强势碾压,然而,第37手证明AlphaGo不只是计算,它表现出一定程度理解围棋的能力,就像人类棋手一样,具有“棋感”。所以,37手具有历史性的意义,它表明机器和人类终于开始有了真正融合的一天。  AlphaGo创始人哈萨比斯1976年生于伦敦,他4岁开始接触国际象棋,13岁晋身“大师级”(chessmaster),在14岁以下棋手中名列世界第二。AlphaGo团队的领导者席尔瓦说道,“我曾见他出现在我们镇上,赢得了比赛,然后离开。”他们两人在剑桥读本科时正式见了面。为了了解人类的思

4、维,研究机器是否也能变得智能,两人的专业都是计算神经科学。哈萨比斯在伦敦大学学院(UCL)攻读认知神经科学博士课程时,主攻脑部负责导航、回忆及想像的海马回(hippocampus),为打造思考方式更近似人类的电脑打下基础,他提出的新理论获《科学》杂志评为2007年十大科技突破。  1997年IBM深蓝电脑击败国际象棋冠军时,正好是哈萨比斯在剑桥大学攻读电脑科学的时候。那时他在剑桥内第一次接触到围棋——这个已有千年历史的棋类运动,而刚刚接触围棋的哈萨比斯忍不住思考:为什么机器从未破解这种智力游戏?也因为如此,哈萨比斯暗下决心,希望做出一个下围棋胜过人类的电脑系统。用博弈论的术语讲,围

5、棋与国际象棋和西洋跳棋一样,是一种完全信息博弈游戏——毫无运气可言,信息完全公开。通常来说,电脑应该轻松就能将其掌握,但其就是攻克不下围棋。  哈萨比斯表示,在围棋中,无论是人类还是机器都无法算出每一步的最终结果,顶级棋手靠的是直觉,而非硬算——即是棋感。“围棋布局讲究美学,好的布局看起来充满美感。”  1998年,两人毕业后合开了一家电子游戏公司。游戏是检验人工智能的好办法。但在2005年,他们的游戏公司倒闭了。席尔瓦去了阿尔伯塔大学研究人工智能的初级形式——增强学习。增强学习技术让机器可以重复同样的任务,找出效果最佳的决策,从而实现自主学习。哈萨比斯则去到了英国伦敦大学学院,获

6、得了神经系统学的博士学位。两人的专业都是计算神经科学,为了研究机器是否也能变得智能。2010年,他们再次相聚——哈萨比斯在伦敦成立了一个名为DeepMind的人工智能公司,席尔瓦则加入了他。  当谷歌CEO布林遇见哈萨比斯时,哈萨比斯说:“几年内,DeepMind或许能打败世界围棋冠军。”连以远见卓著的布林也觉得不可思议,但他们做到了。  人机大战第二局结束后,席尔瓦进入AlphaGo的控制室,监控其运行是否正常,并跟踪它对每场对弈结局的预测有何变化。席尔瓦调出了AlphaGo在对弈期间做出的决策记录,查看AlphaGo在下出第37手的前一刻发生了什么。  在DeepMind和Al

7、phaGo出现之前,机器下棋都依靠暴力破解的方法,即穷举,IBM的深蓝用的就是这种。当时,深蓝也走出了人类意料之外的一步,但是,暴力计算解决不了围棋。围棋有太多变化,电脑都无法硬算。  所以,DeepMind只能另辟蹊径——机器学习。  DeepMind团队将3000万步人类下出的围棋步法输入到一个深度神经网络中。这个网络模拟人脑中的神经网,团队也希望它能够像人脑一样思考,自主学习。比如Facebook的计算机视觉技术,谷歌的语音识别。观察足够多的猫,它就能认出猫;输

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。