丁香五月天婷婷久久婷婷色综合91|国产传媒自偷自拍|久久影院亚洲精品|国产欧美VA天堂国产美女自慰视屏|免费黄色av网站|婷婷丁香五月激情四射|日韩AV一区二区中文字幕在线观看|亚洲欧美日本性爱|日日噜噜噜夜夜噜噜噜|中文Av日韩一区二区

您正在使用IE低版瀏覽器,為了您的雷峰網(wǎng)賬號安全和更好的產(chǎn)品體驗,強烈建議使用更快更安全的瀏覽器
此為臨時鏈接,僅用于文章預(yù)覽,將在時失效
國際 正文
發(fā)私信給溫曉樺
發(fā)送

1

AI的進(jìn)階:Google人工智能教你重新做人

本文作者: 溫曉樺 2016-05-24 08:20
導(dǎo)語:沒有AlphaGo的37手,又哪來“神之一手”的78?

AI的進(jìn)階:Google人工智能教你重新做人

編者按:借著谷歌IO大會的東風(fēng),《連線》雜志發(fā)文深入剖析AI向人類進(jìn)化的整個過程,并提出,在這個過程中,雖然人類擔(dān)憂AI會取代人類等,但事實上,AI不僅不會取代人類,還能推動人類進(jìn)步。以下為文章主要內(nèi)容:

人機(jī)圍棋大戰(zhàn)第二局,AlphaGo一手落向空白區(qū)域的37驚呆了世界——李世石看到后離開了,遠(yuǎn)程觀看并解說的雷德蒙同樣震撼。這個西方唯一的九段棋手表示,“我真的不知道這是一步好棋還是壞棋?!倍c此同時,美國圍棋協(xié)會通訊副總裁英語解說員克里斯·加洛克則表示,“這是一個錯誤?!?/p>

這一步李世石長考了大約二十分鐘,但四個多小時候,他還是輸了。后來的后來,在這場人機(jī)大戰(zhàn)中,鏈接了數(shù)百個分布在世界各地的谷歌數(shù)據(jù)中心的AI程序,擊敗了可能是有史以來人類設(shè)計的最復(fù)雜的游戲中最好的選手。

對37手同樣產(chǎn)生疑惑的是樊麾,他不只是曾經(jīng)5比0輸給AlphaGo的歐洲圍棋冠軍,而且從那以后,他成為了AlphaGo的陪練。與李世石交戰(zhàn)前的五個多月里,樊麾與AlphaGo進(jìn)行了上百盤比賽。他看著AlphaGo一天天地長大。樊麾失敗的次數(shù)越來越多,但他是最了解AlphaGo的人??粗鳤lphaGo的第37手,他深知這其中一定有常人難以理解的地方,計算10秒后,他表示“竟是如此妙手”。

對,大多數(shù)人認(rèn)為,AlphaGo的勝利是計算力的強勢碾壓,然而,第37手證明AlphaGo不只是計算,它表現(xiàn)出一定程度理解圍棋的能力,就像人類棋手一樣,具有“棋感”。所以,37手具有歷史性的意義,它表明機(jī)器和人類終于開始有了真正融合的一天。

AlphaGo創(chuàng)始人哈薩比斯1976年生于倫敦,他4歲開始接觸國際象棋,13歲晉身“大師級”(chess master),在14歲以下棋手中名列世界第二。AlphaGo團(tuán)隊的領(lǐng)導(dǎo)者席爾瓦說道,“我曾見他出現(xiàn)在我們鎮(zhèn)上,贏得了比賽,然后離開?!?他們兩人在劍橋讀本科時正式見了面。為了了解人類的思維,研究機(jī)器是否也能變得智能,兩人的專業(yè)都是計算神經(jīng)科學(xué)。哈薩比斯在倫敦大學(xué)學(xué)院(UCL)攻讀認(rèn)知神經(jīng)科學(xué)博士課程時,主攻腦部負(fù)責(zé)導(dǎo)航、回憶及想像的海馬回(hippocampus) ,為打造思考方式更近似人類的電腦打下基礎(chǔ),他提出的新理論獲《科學(xué)》雜志評為2007年十大科技突破。 

1997年IBM深藍(lán)電腦擊敗國際象棋冠軍時,正好是哈薩比斯在劍橋大學(xué)攻讀電腦科學(xué)的時候。那時他在劍橋內(nèi)第一次接觸到圍棋——這個已有千年歷史的棋類運動,而剛剛接觸圍棋的哈薩比斯忍不住思考:為什么機(jī)器從未破解這種智力游戲?也因為如此,哈薩比斯暗下決心,希望做出一個下圍棋勝過人類的電腦系統(tǒng)。用博弈論的術(shù)語講,圍棋與國際象棋和西洋跳棋一樣,是一種完全信息博弈游戲——毫無運氣可言,信息完全公開。通常來說,電腦應(yīng)該輕松就能將其掌握,但其就是攻克不下圍棋。 

哈薩比斯表示,在圍棋中,無論是人類還是機(jī)器都無法算出每一步的最終結(jié)果,頂級棋手靠的是直覺,而非硬算——即是棋感?!皣宀季种v究美學(xué),好的布局看起來充滿美感。”

1998年,兩人畢業(yè)后合開了一家電子游戲公司。游戲是檢驗人工智能的好辦法。但在2005年,他們的游戲公司倒閉了。席爾瓦去了阿爾伯塔大學(xué)研究人工智能的初級形式——增強學(xué)習(xí)。增強學(xué)習(xí)技術(shù)讓機(jī)器可以重復(fù)同樣的任務(wù),找出效果最佳的決策,從而實現(xiàn)自主學(xué)習(xí)。哈薩比斯則去到了英國倫敦大學(xué)學(xué)院,獲得了神經(jīng)系統(tǒng)學(xué)的博士學(xué)位。兩人的專業(yè)都是計算神經(jīng)科學(xué),為了研究機(jī)器是否也能變得智能。2010年,他們再次相聚——哈薩比斯在倫敦成立了一個名為DeepMind的人工智能公司,席爾瓦則加入了他。

當(dāng)谷歌CEO布林遇見哈薩比斯時,哈薩比斯說:“幾年內(nèi),DeepMind或許能打敗世界圍棋冠軍?!边B以遠(yuǎn)見卓著的布林也覺得不可思議,但他們做到了。

人機(jī)大戰(zhàn)第二局結(jié)束后,席爾瓦進(jìn)入AlphaGo的控制室,監(jiān)控其運行是否正常,并跟蹤它對每場對弈結(jié)局的預(yù)測有何變化。 席爾瓦調(diào)出了AlphaGo在對弈期間做出的決策記錄,查看AlphaGo在下出第37手的前一刻發(fā)生了什么。 

在DeepMind和AlphaGo出現(xiàn)之前,機(jī)器下棋都依靠暴力破解的方法,即窮舉,IBM的深藍(lán)用的就是這種。當(dāng)時,深藍(lán)也走出了人類意料之外的一步,但是,暴力計算解決不了圍棋。圍棋有太多變化,電腦都無法硬算。

所以,DeepMind只能另辟蹊徑——機(jī)器學(xué)習(xí)。

DeepMind團(tuán)隊將3000萬步人類下出的圍棋步法輸入到一個深度神經(jīng)網(wǎng)絡(luò)中。這個網(wǎng)絡(luò)模擬人腦中的神經(jīng)網(wǎng),團(tuán)隊也希望它能夠像人腦一樣思考,自主學(xué)習(xí)。比如Facebook的計算機(jī)視覺技術(shù),谷歌的語音識別。觀察足夠多的貓,它就能認(rèn)出貓;輸入足夠多的語言數(shù)據(jù),它就能聽懂自然語言;同樣,輸入足夠多的棋譜,它也能學(xué)會如何下棋。但是,創(chuàng)意聯(lián)想與規(guī)則運用是兩碼事,比如37手并不在那3000萬步棋譜之中,那么它是如何做到的呢?事實上,AlphaGo還計算出,一名人類專業(yè)棋手下出這樣一步的概率大約只有萬分之一,但它還是選擇了這一步。

“它知道職業(yè)棋手這么下的幾率很低,但當(dāng)它經(jīng)過自己的計算后,它可以推翻原先輸入的棋譜參考,”席爾瓦解釋道,從某種意義上來說,AlphaGo開始自主思考。它做出的決定不是以其創(chuàng)造者在其數(shù)字DNA中編入的規(guī)則為基礎(chǔ)的,而是以其自學(xué)的算法為基礎(chǔ)的。

讓它自己學(xué)會了下棋后,席爾瓦讓AlphaGo和自己對弈——一個與其版本不一樣的神經(jīng)網(wǎng)絡(luò)。在自我對弈訓(xùn)練過程中,AlphaGo記錄起那些最優(yōu)的走法——這就是席爾瓦曾研究的增強學(xué)習(xí)技術(shù)。

給自己打譜——這是棋力提高的有效方法,但這是部分技巧。懂得分析局面、有了邏輯計算還不夠,在茫茫棋盤中找到妙手還要靠直覺,就是根據(jù)棋形進(jìn)行的感性預(yù)測。在增強學(xué)習(xí)技術(shù)實現(xiàn)后,席爾瓦的團(tuán)隊將這些非人類圍棋步法輸入到第二個神經(jīng)網(wǎng)絡(luò)中,教它像深藍(lán)那樣預(yù)測國際象棋棋局一樣預(yù)測圍棋的棋局。將其與自己對弈多場后收集到的所有信息輸進(jìn)去后,AlphaGo開始可以預(yù)測一場圍棋對弈可能展開的方式。這便是直覺。比如AlphaGo的37手。即使回到后臺查看過程的席爾瓦,也無法知道AlphaGo是如何得出這個結(jié)果——這就是棋感的形成。

AlphaGo是 DeepMind 跨入 AI 領(lǐng)域的重要一步,但對于“AI取代人類論”,哈薩比斯表示無需擔(dān)心,在他看來,AI是一個工具,一個結(jié)構(gòu)智慧,讓人類更好的工具。雖然AlphaGo目前有這樣的能力,但它未必真的知道“自己”在做什么。所以,利用這樣一個工具,哈薩比斯又是如何設(shè)想未來5年的AI世界的呢?谷歌花6.5億美元收購一家公司,不會只是玩一場棋牌游戲。

有了深度學(xué)習(xí)和自主思維能力,AlphaGo今天可以下棋,明天就可以學(xué)設(shè)計。深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)支撐著十多項由谷歌提供的服務(wù),包括它那無所不能的搜索引擎。AlphaGo另一個不那么秘密的武器——增強學(xué)習(xí)已經(jīng)在教導(dǎo)該公司的實驗室機(jī)器人們拿起并移動各種物品。

但是,商業(yè)問題并不是最重要的。當(dāng)詢問哈薩比斯,看見李世石輸了比賽他作何感想時,他指著心口說:“我很難過。” 看到自己創(chuàng)造的成果他感到驕傲,但出于人類本能,他感到難過,他希望李世石能夠贏下一局。

AI的進(jìn)階:Google人工智能教你重新做人

然而到了第四局,AlphaGo用同樣神秘的手法掌控著棋盤上的主導(dǎo)權(quán)——當(dāng)李世石對棋盤上的特定區(qū)域發(fā)起猛攻時,AlphaGo的應(yīng)對體現(xiàn)出了驚人的大局觀,不僅能夠防住李世石的局部絞殺,還能為全盤埋下伏筆——在第37手時,AlphaGo將一枚黑色棋子置于一個旁邊只有一枚白棋的地方,遠(yuǎn)離主戰(zhàn)場。

然后的然后,到了AlphaGo下出第77手時,李世石再一次陷入長考。李世石走78手之前,AlphaGo計算出自己的勝率為70%。但就在這個時候,AlphaGo成為了下一個卡斯帕羅夫。它無法相信一個人類會下出那“神之一手”的78——其可能性接近萬分之一。但換個角度想,這個思維更可怕:它在挑戰(zhàn)人類的恐懼,它有僥幸心理。它有人類思維的有點,也有弱點。

AI的進(jìn)階:Google人工智能教你重新做人

78手逆轉(zhuǎn)后,李世石在右方發(fā)動攻勢,AlphaGo專為防守。在這以守為攻的過程中,AlphaGo一度看似想在右方“提劫”,卻沒有成功,反而跑出“死子”。隨后,中后盤的每一次落子,AlphaGo平均都要思考3分鐘以上。到了“收官”階段,李世石仍舊小心翼翼,沒有出現(xiàn)失誤。最終,AlphaGo投子認(rèn)輸,李世石獲得首勝。這也是AlphaGo自戰(zhàn)勝樊麾以來首次向人類“投降”。

最后第五局雖然仍以李世石落敗告終,但雙方的奮力拼殺早已把勝負(fù)置之度外,這是一場原則的較量。人機(jī)大戰(zhàn)開始前,哈薩比斯簡稱AI是推動人類進(jìn)步的工具,當(dāng)時這樣的說法毫無根據(jù),但隨著AI投入現(xiàn)實生產(chǎn)和生活的應(yīng)用越多,就越讓人相信:機(jī)器也可以做得人性化,而且能與人類相互協(xié)同,相互促進(jìn)。最簡單的,沒有AlphaGo的37手,又哪來“神之一手”的78?

雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知

分享:
相關(guān)文章
最新文章
請?zhí)顚懮暾埲速Y料
姓名
電話
郵箱
微信號
作品鏈接
個人簡介
為了您的賬戶安全,請驗證郵箱
您的郵箱還未驗證,完成可獲20積分喲!
請驗證您的郵箱
立即驗證
完善賬號信息
您的賬號已經(jīng)綁定,現(xiàn)在您可以設(shè)置密碼以方便用郵箱登錄
立即設(shè)置 以后再說