航空航天港

 找回密码
 注册会员

QQ登录

只需一步,快速开始

查看: 1519|回复: 13
打印 上一主题 下一主题
收起左侧

[科技专项] 人工智能AI专题(前沿/热门科技):人机围棋大赛:阿法狗2.0再挑人类!5月对战中国柯洁

[复制链接]
跳转到指定楼层
1
hkhtg090201 发表于 2017-4-7 07:46 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

对本站感兴趣的话,马上注册成为会员吧,我们将为你提供更专业的资讯和服务,欢迎您的加入!

您需要 登录 才可以下载或查看,没有帐号?注册会员

x

-------------------
  相关连接:
    现在美帝的人工智能水平有那么高吗?
      http://bbs.9ifly.cn/forum.php?mod=viewthread&tid=5787
   

分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 支持支持 反对反对
2
 楼主| hkhtg090201 发表于 2017-4-7 07:46 | 只看该作者

阿法狗2.0再挑人类!5月对战中国柯洁
  腾讯科技2017-04-06

腾讯科技讯(刘亚澜)4月6日,腾讯科技获悉谷歌(微博)中国将于本月10日(下周一)下午召开发布会,虽然目前发布内容尚未可知,但有消息指出该发布或与AlphaGo对战柯洁相关。

据了解,AlphaGo挑战柯洁九段的比赛将于5月下旬在中国乌镇举行,活动持续5天。不过,相比于此前AlphaGo和李世石的比赛的5局3胜制度,AlphaGo和柯洁对弈或会通过3局分出胜负,而且不同于过往的快棋形式,这次要下的是慢棋。

去年AlphaGo对顶尖棋手李世石发起挑战,并以4:1大比分获胜,当时柯洁便对与AlphaGo对战表示出浓厚兴趣。柯洁是中国围棋职业九段棋手,2016年12月蝉联三星杯世界围棋公开赛冠军,收获个人世界大赛第四冠的同时,也成为中国首位蝉联同一项世界大赛冠军的围棋选手。他也是围棋等级分排名世界第一,并在此位置停留最久的中国棋手.
3
topzdx 发表于 2017-4-9 14:55 | 只看该作者
hkhtg090201 发表于 2017-4-7 07:46
阿法狗2.0再挑人类!5月对战中国柯洁
  腾讯科技2017-04-06

据说除了柯洁个人外,还有中国围棋队群殴阿法狗的比赛,不知是否是真的
4
 楼主| hkhtg090201 发表于 2017-4-11 06:34 | 只看该作者
                                                                                 柯洁将在 5 月 23 日挑战 AlphaGo                            
        
                       2017年04月10日

        
                                                                排名世界第一的中国九段棋手柯洁将于 5 月 23 日在浙江乌镇举行的 AI 研讨会上挑战 Google 的围棋 AI AlphaGo。除了一对一的人机大赛外,人类的顶尖棋手还可能会联手对垒这位机器棋手。Google DeepMind 的联合创始人 Demis Hassabis 表示,他们的想法是展示 AI 的演化。AlphaGo 在去年 3 月举办的挑战赛上以 4 比 1 击败了韩国九段棋手李世石,去年底以化名 Master (P) 在围棋对弈平台 Tygem 和 FoxGo 的快棋比赛中接连打败了中日韩顶尖棋手,取得了60 连胜。            
         



5
 楼主| hkhtg090201 发表于 2017-4-11 07:09 | 只看该作者
定了!AlphaGo 5月23日起对战柯洁等人工智能   腾讯科技2017-04-10   678评论


                                 
        
                    AlphaGo携手中国顶尖棋手:共创棋妙未来

                                                

               
            
        
   

腾讯科技讯(刘亚澜 管慕飞)4月10日,谷歌(微博)在中国棋院召开发布会,宣布5月23日-27日在乌镇主办“中国乌镇·围棋峰会”,届时AlphaGo将再度与柯洁等为代表的中国顶尖棋手进行围棋对弈。

根据大会安排,本次围棋峰会内容丰富。其中AlphaGo与世界排名第一的柯洁的三番棋对弈无疑是众人最关注的焦点。

另外本次峰会还将举办配对赛和团队赛,配对赛中,两位棋手将分别与AlphaGo组队,挑战棋手如何理解AlphaGo独特风格并与之合作;在团体赛中,将由五位中国顶尖棋手合作,建立棋手“神经网络”,降低心里因素的影响,从而做出更加客观的判断。

柯洁称,半年前他得知了与AlphaGo的这次比赛机会。“能够代表人类出战是我想都不敢想的事情。我会尽我全力。”他说:“我站在历史变革的节点上,我很幸运。作为一个棋手来讲,我能做的就是下好我的棋。我有必胜的心态和必死的信念,我一定要击败AlphaGo。”

AlphaGo是一款围棋人工智能程序,由谷歌旗下DeepMind公司的戴密斯·哈萨比斯、大卫·席尔瓦、黄士杰与他们的团队开发。柯洁是中国围棋职业九段棋手,他也是围棋等级分排名世界第一

此次人机终极大战中,代表人类出战的是目前排名世界第一的职业围棋九段选手柯洁,而代表机器一方的或是AlphaGo的2.0版本。区别于和李世石对战的AlphaGo1.0,这次对战柯洁的AlphaGo2.0采用了新的算法模型。此前,该版本曾化名Master,以在线对弈的形式击败了包括柯洁在内的所有选手,60战而无一败。

据DeepMind介绍,1.0版本的AlphaGo是“深度学习”人类棋谱得出围棋手数的估值,AlphaGo1.0所走招法其实并没有脱离人类的理解,而且也是人类棋手曾下过的棋。如果AlphaGo1.0完善到极致,就意味着得出了接近完美的围棋手数估值函数。2.0版本AlphaGo利用这个估值函数自我对局和“深度学习”,不再受人类棋谱的局限,下出真正属于“人工智能”的围棋。

人机对战历史

2016年1月,AlphaGo在没有任何让子的情况下,以5:0完胜欧洲围棋冠军、职业二段选手樊麾,计算机程序能在不让子的情况下,在完整的围棋竞技中击败专业选手,这是第一次。

2016年3月,AlphaGo与围棋世界冠军、职业九段选手李世石进行人机大战,并以4:1的总比分获胜。谷歌董事长施密特在该比赛的开幕仪式上称:“无论比赛结果如何,胜者都是人类。”

2016年末2017年初,AlphaGo在中国棋类网站上以Master为注册帐号与中日韩数十位围棋高手进行快棋对决,连续60局无一败绩。

不少职业围棋手认为,AlphaGo的棋力已经达到甚至超过围棋职业九段水平,2016年7月18日,世界职业围棋排名网站GoRatings公布最新世界排名,谷歌旗下DeepMind的人工智能系统AlphaGo以3612分,超越3608分的柯洁成为新的世界第一。

2017年1月,谷歌Deep Mind公司CEO哈萨比斯在德国慕尼黑DLD(数字、生活、设计)创新大会上宣布推出真正2.0版本的AlphaGo。其特点是摈弃了人类棋谱,只靠深度学习的方式成长起来挑战围棋的极限。

AlphaGo主要由以下部分组成:走棋网络(Policy Network),给定当前局面,预测/采样下一步的走棋;快速走子(Fast rollout),目标和走棋网络一样,但在适当牺牲走棋质量的条件下,速度要比走棋网络快1000倍;估值网络(Value Network),给定当前局面,估计是白胜还是黑胜;蒙特卡洛树搜索(Monte Carlo Tree Search),把以上这三个部分连起来,形成一个完整的系统。

值得注意的是,AlphaGo并不是DeepMind唯一项目,也不是最大的项目。DeepMind的最终目标是智能助手、医疗和机器人。另外,尽管AlphaGo只是针对围棋开发的系统,但其原理可以被应用到现实问题中。返回腾讯网首页>>



6
 楼主| hkhtg090201 发表于 2017-4-15 07:08 | 只看该作者
AlphaGo之父:关于围棋,人类3000年来犯了一个大错2017-04-14   179评论

  



4月10日,“人机大战”的消息再次传出,关于人类和AI的对抗再次牵动世界的神经。

“我会抱必胜心态、必死信念。我一定要击败阿尔法狗!”对于5月23日至27日与围棋人工智能程序AlphaGo(阿尔法狗)的对弈,目前世界排名第一的中国职业九段柯洁放出豪言。然而,AlphaGo(阿尔法狗)之父却说,“我们发明阿尔法狗,并不是为了赢取围棋比赛。”

AlphaGo之父杰米斯·哈萨比斯(Demis Hassabis)近日在母校英国剑桥大学做了一场题为“超越人类认知的极限”的演讲,解答了世人对于人工智能,对于阿尔法狗的诸多疑问——过去3000年里人类低估了棋局哪个区域的重要性?阿尔法狗去年赢了韩国职业九段李世石靠哪几个绝招?今年年初拿下数位国际大师的神秘棋手Master究竟是不是阿尔法狗?为什么围棋是人工智能难解之谜?


杰米斯·哈萨比斯,Deep Mind创始人, AlphaGo之父。

杰米斯·哈萨比斯,DeepMind创始人,AlphaGo(阿尔法狗)之父,4岁开始下象棋,8岁时在棋盘上的成功促使他开始思考两个至今令他困扰的问题:第一,人脑是如何学会完成复杂任务的?第二,电脑能否做到这一点?17岁时,哈萨比斯就负责了经典模拟游戏《主题公园》的开发,并在1994年发布。他随后读完了剑桥大学计算机科学学位,2005年进入伦敦大学学院,攻读神经科学博士学位,希望了解真正的大脑究竟是如何工作的,以此促进人工智能的发展。2014年他创办公司DeepMind,公司产品阿尔法狗在2016年大战围棋冠军李世石事件上一举成名。

哈萨比斯在当天的演讲中透露了韩国棋手李世石去年输给阿尔法狗的致命原因,他最后也提到了阿尔法狗即将迎战的中国棋手柯洁,他说,“柯洁也在网上和阿尔法狗对决过,比赛之后柯洁说人类已经研究围棋研究了几千年了,然而人工智能却告诉我们,我们甚至连其表皮都没揭开。异曲同工,柯洁提到了围棋的真理,我们在这里谈的是科学的真理。”



世界围棋冠军柯洁即将迎战阿尔法狗。


澎湃新闻现场聆听了AlphaGo(阿尔法狗)之父在剑桥大学历时45分钟的演讲,干货满满,请不要漏掉任何一个细节:

非常感谢大家今天能够到场,今天,我将谈谈人工智能,以及DeepMind近期在做些什么,我把这场报告命名为“超越人类认知的极限”,我希望到了报告结束的时候,大家都清晰了解我想传达的思想。


1、你真的知道什么是人工智能吗?

对于不知道DeepMind公司的朋友,我做个简单介绍,我们是在2010年于伦敦成立了这家公司,在2014年我们被谷歌(微博)收购,希望借此加快我们人工智能技术的脚步。我们的使命是什么呢?我们的首要使命便是解决人工智能问题;一旦这个问题解决了,理论上任何问题都可以被解决。这就是我们的两大使命了,听起来可能有点狡猾,但是我们真的相信,如果人工智能最基本的问题都解决了的话,没有什么问题是困难的。

那么我们准备怎样实现这个目标呢?DeepMind现在在努力制造世界上第一台通用学习机,大体上学习可以分为两类:一种就是直接从输入和经验中学习,没有既定的程序或者规则可循,系统需要从原始数据自己进行学习;第二种学习系统就是通用学习系统,指的是一种算法可以用于不同的任务和领域,甚至是一些从未见过的全新领域。大家肯定会问,系统是怎么做到这一点的?

其实,人脑就是一个非常明显的例子,这是可能的,关键在于如何通过大量的数据资源,寻找到最合适的解决方式和算法。我们把这种系统叫做通用人工智能,来区别于如今我们当前大部分人在用的仅在某一领域发挥特长的狭义人工智能,这种狭义人工智能在过去的40-50年非常流行。

IBM发明的深蓝系统(DeepBlue)就是一个很好的狭义人工智能的例子,他在上世纪90年代末期曾打败了国际象棋冠军加里·卡斯帕罗夫(GaryKasporov)。如今,我们到了人工智能的新的转折点,我们有着更加先进、更加匹配的技术。

1997年5月,IBM与世界国际象棋冠军加里·卡斯帕罗夫对决。

2、如何让机器听从人类的命令?

大家可能想问机器是如何听从人类的命令的,其实并不是机器或者算法本身,而是一群聪明的编程者智慧的结晶。他们与每一位国际象棋大师对话,汲取他们的经验,把其转化成代码和规则,组建了人类最强的象棋大师团队。但是这样的系统仅限于象棋,不能用于其他游戏。对于新的游戏,你需要重新开始编程。在某种程度上,这些技术仍然不够完美,并不是传统意义上的完全人工智能,其中所缺失的就是普适性和学习性。我们想通过“增强学习”来解决这一难题。在这里我解释一下增强学习,我相信很多人都了解这个算法。

首先,想像一下有一个主体,在AI领域我们称我们的人工智能系统为主体,它需要了解自己所处的环境,并尽力找出自己要达到的目的。这里的环境可以指真实事件,可以是机器人,也可以是虚拟世界,比如游戏环境;主体通过两种方式与周围环境接触;它先通过观察熟悉环境,我们起初通过视觉,也可以通过听觉、触觉等,我们也在发展多感觉的系统;

第二个任务,就是在此基础上,建模并找出最佳选择。这可能涉及到对未来的预期,想像,以及假设检验。这个主体经常处在真实环境中,当时间节点到了的时候,系统需要输出当前找到的最佳方案。这个方案可能或多或少会改变所处环境,从而进一步驱动观察的结果,并反馈给主体。

简单来说,这就是增强学习的原则,示意图虽然简单,但是其中却涉及了极其复杂的算法和原理。如果我们能够解决大部分问题,我们就能够搭建普适人工智能。这是因为两个主要原因:首先,从数学角度来讲,我的合伙人,一名博士,他搭建了一个系统叫‘AI-XI’,用这个模型,他证明了在计算机硬件条件和时间无限的情况下,搭建一个普适人工智能,需要的信息。另外,从生物角度来讲,动物和人类等,人类的大脑是多巴胺控制的,它在执行增强学习的行为。因此,不论是从数学的角度,还是生物的角度,增强学习是一个有效的解决人工智能问题的工具。

3、为什么围棋是人工智能难解之谜?

接下来,我要主要讲讲我们最近的技术,那就是去年诞生的阿尔法狗;希望在座的大家了解这个游戏,并尝试玩玩,这是个非常棒的游戏。围棋使用方形格状棋盘及黑白二色圆形棋子进行对弈,棋盘上有纵横各19条直线将棋盘分成361个交叉点,棋子走在交叉点上,双方交替行棋,以围地多者为胜。围棋规则没有多复杂,我可以在五分钟之内教给大家。这张图展示的就是一局已结束,整个棋盘基本布满棋子,然后数一下你的棋子圈出的空间以及对方棋子圈出的空间,谁的空间大,谁就获胜。在图示的这场势均力敌的比赛中,白棋一格之差险胜。

白棋以一格之差险胜。

其实,了解这个游戏的最终目的非常难,因为它并不像象棋那样,有着直接明确的目标,在围棋里,完全是凭直觉的,甚至连如何决定游戏结束对于初学者来说,都很难。围棋是个历史悠久的游戏,有着3000多年的历史,起源于中国,在亚洲,围棋有着很深的文化意义。孔子还曾指出,围棋是每一个真正的学者都应该掌握的四大技能之一(琴棋书画),所以在亚洲围棋是种艺术,专家们都会玩。

如今,这个游戏更加流行,有4000万人在玩围棋,超过2000多个顶级专家,如果你在4-5岁的时候就展示了围棋的天赋,这些小孩将会被选中,并进入特殊的专业围棋学校,在那里,学生从6岁起,每天花12个小时学习围棋,一周七天,天天如此。直到你成为这个领域的专家,才可以离开学校毕业。这些专家基本是投入人生全部的精力,去揣摩学习掌握这门技巧,我认为围棋也许是最优雅的一种游戏了。

像我说的那样,这个游戏只有两个非常简单的规则,而其复杂性却是难以想象的,一共有10170(10的170次方)种可能性,这个数字比整个宇宙中的原子数1080(10的80次方)都多的去了,是没有办法穷举出围棋所有的可能结果的。我们需要一种更加聪明的方法。你也许会问为什么计算机进行围棋的游戏会如此困难,1997年,IBM的人工智能DeepBlue(深蓝)打败了当时的象棋世界冠军GarryKasparov,围棋一直是人工智能领域的难解之谜。我们能否做出一个算法来与世界围棋冠军竞争呢?要做到这一点,有两个大的挑战:

一、搜索空间庞大(分支因数就有200),一个很好的例子,就是在围棋中,平均每一个棋子有两百个可能的位置,而象棋仅仅是20。围棋的分支因数远大于象棋。

二、比这个更难的是,几乎没有一个合适的评价函数来定义谁是赢家,赢了多少;这个评价函数对于该系统是至关重要的。而对于象棋来说,写一个评价函数是非常简单的,因为象棋不仅是个相对简单的游戏,而且是实体的,只用数一下双方的棋子,就能轻而易举得出结论了。你也可以通过其他指标来评价象棋,比如棋子移动性等。

所有的这些在围棋里都是不可能的,并不是所有的部分都一样,甚至一个小小部分的变动,会完全变化格局,所以每一个小的棋子都对棋局有着至关重要的影响。最难的部分是,我称象棋为毁灭性的游戏,游戏开始的时候,所有的棋子都在棋盘上了,随着游戏的进行,棋子被对方吃掉,棋子数目不断减少,游戏也变得越来越简单。相反,围棋是个建设性的游戏,开始的时候,棋盘是空的,慢慢的下棋双方把棋盘填满。

因此,如果你准备在中场判断一下当前形势,在象棋里,你只需看现在的棋盘,就能告诉你大致情况;在围棋里,你必须评估未来可能会发生什么,才能评估当前局势,所以相比较而言,围棋难得多。也有很多人试着将DeepBlue的技术应用在围棋上,但是结果并不理想,这些技术连一个专业的围棋手都打不赢,更别说世界冠军了。

所以大家就要问了,连电脑操作起来都这么难,人类是怎样解决这个问题的?其实,人类是靠直觉的,而围棋一开始就是一个靠直觉而非计算的游戏。所以,如果你问一个象棋选手,为什么这步这样走,他会告诉你,这样走完之后,下一步和下下一步会怎样走,就可以达到什么样的目的。这样的计划,有时候也许不尽如人意,但是起码选手是有原因的。

然而围棋就不同了,如果你去问世界级的大师,为什么走这一步,他们经常回答你直觉告诉他这么走,这是真的,他们是没法描述其中的原因的。我们通过用加强学习的方式来提高人工神经网络算法,希望能够解决这一问题。我们试图通过深度神经网络模仿人类的这种直觉行为,在这里,需要训练两个神经网络,一种是决策网络,我们从网上下载了成百万的业余围棋游戏,通过监督学习,我们让阿尔法狗模拟人类下围棋的行为;我们从棋盘上任意选择一个落子点,训练系统去预测下一步人类将作出的决定;系统的输入是在那个特殊位置最有可能发生的前五或者前十的位置移动;这样,你只需看那5-10种可能性,而不用分析所有的200种可能性了。

一旦我们有了这个,我们对系统进行几百万次的训练,通过误差加强学习,对于赢了的情况,让系统意识到,下次出现类似的情形时,更有可能做相似的决定。相反,如果系统输了,那么下次再出现类似的情况,就不会选择这种走法。我们建立了自己的游戏数据库,通过百万次的游戏,对系统进行训练,得到第二种神经网络。选择不同的落子点,经过置信区间进行学习,选出能够赢的情况,这个几率介于0-1之间,0是根本不可能赢,1是百分之百赢。

通过把这两个神经网络结合起来(决策网络和数值网络),我们可以大致预估出当前的情况。这两个神经网络树,通过蒙特卡洛算法,把这种本来不能解决的问题,变得可以解决。我们网罗了大部分的围棋下法,然后和欧洲的围棋冠军比赛,结果是阿尔法狗赢了,那是我们的第一次突破,而且相关算法还被发表在《自然》科学杂志。

接下来,我们在韩国设立了100万美元的奖金,并在2016年3月,与世界围棋冠军李世石进行了对决。李世石先生是围棋界的传奇,在过去的10年里都被认为是最顶级的围棋专家。我们与他进行对决,发现他有非常多创新的玩法,有的时候阿尔法狗很难掌控。比赛开始之前,世界上每个人(包括他本人在内)都认为他一定会很轻松就打赢这五场比赛,但实际结果是我们的阿尔法狗以4:1获胜。围棋专家和人工智能领域的专家都称这具有划时代的意义。对于业界人员来说,之前根本没想到。

4、棋局哪个关键区域被人类忽视了?

这对于我们来说也是一生仅有一次的偶然事件。这场比赛,全世界28亿人在关注,35000多篇关于此的报道。整个韩国那一周都在围绕这个话题。真是一件非常美妙的事情。对于我们而言,重要的不是阿尔法狗赢了这个比赛,而是了解分析他是如何赢的,这个系统有多强的创新能力。阿尔法狗不仅仅只是模仿其他人类选手的下法,他在不断创新。在这里举个例子,这是第二局里的一个情况,第37步,这一步是我整个比赛中最喜欢的一步。在这里,黑棋代表阿尔法狗,他将棋子落在了图中三角标出的位置。为什么这步这么关键呢?为什么大家都被震惊到了。

图左:第二局里,第37步,黑棋的落子位置 图右:之前貌似陷入困境的两个棋子。

其实在围棋中有两条至关重要的分界线,从右数第三根线。如果在第三根线上移动棋子,意味着你将占领这个线右边的领域。而如果是在第四根线上落子,意味着你想向棋盘中部进军,潜在的,未来你会占棋盘上其他部分的领域,可能和你在第三根线上得到的领域相当。

所以在过去的3000多年里,人们认为在第三根线上落子和第四根线上落子有着相同的重要性。但是在这场游戏中,大家看到在这第37步中,阿尔法狗落子在了第五条线,进军棋局的中部区域。与第四根线相比,这根线离中部区域更近。这可能意味着,在几千年里,人们低估了棋局中部区域的重要性。

有趣的是,围棋就是一门艺术,是一种客观的艺术。我们坐在这里的每一个人,都可能因为心情好坏产生成千上百种的新想法,但并不意味着每一种想法都是好的。而阿尔法狗却是客观的,他的目标就是赢得游戏。

5、阿尔法狗拿下李世石靠哪几个绝招?

大家看到在当前的棋局下,左下角那两个用三角标出的棋子看起来好像陷入了困难,而15步之后,这两个棋子的力量扩散到了棋局中心,一直延续到棋盘的右边,使得这第37步恰恰落在这里,成为一个获胜的决定性因素。在这一步上阿尔法狗非常具有创新性。我本人是一个很业余的棋手,让我们看看一位世界级专家MichaelRedmond对这一步的评价。Michael是一位9段选手(围棋最高段),就像是功夫中的黑段一样,他说:“这是非常令人震惊的一步,就像是一个错误的决定。”在实际模拟中,Michael其实一开始把棋子放在了另外一个地方,根本没想到阿尔法狗会走这一步。像这样的创新,在这个比赛中,阿尔法狗还有许多。在这里,我特别感谢李世石先生,其实在我们赢了前三局的时候,他下去了。

2016年3月阿尔法狗大战世界围棋冠军李世石,以4:1的总分战胜了人类。

那是三场非常艰难的比赛,尤其是第一场。因为我们需要不断训练我们的算法,阿尔法狗之前打赢了欧洲冠军,经过这场比赛,我们知道了欧洲冠军和世界冠军的差别。理论上来讲,我们的系统也进步了。但是当你训练这个系统的时候,我们不知道有多少是过度拟合的,因此,在第一局比赛结束之前,系统是不知道自己的统计结果的。所以,其实第一局,我们非常紧张,因为如果第一局输了,很有可能我们的算法存在巨大漏洞,有可能会连输五局。但是如果我们第一局赢了,证明我们的加权系统是对的。

不过,李世石先生在第四场的时候,回来了,也许压力缓解了许多,他做出了一步非常创新性的举动,我认为这是历史上的创新之举。这一步迷惑了阿尔法狗,使他的决策树进行了错误估计,一些中国的专家甚至称之为“黄金之举”。通过这个例子,我们可以看到多少的哲理蕴含于围棋中。这些顶级专家,用尽必生的精力,去找出这种黄金之举。其实,在这步里,阿尔法狗知道这是非常不寻常的一步,他当时估计李世石通过这步赢的可能性是0.007%,阿尔法狗之前没有见过这样的落子方式,在那2分钟里,他需要重新搜索决策计算。我刚刚已经提到过这个游戏的影响:28亿人观看,35000相关文章的媒体报道,在西方网售的围棋被一抢而空,我听说MIT(美国麻省理工学院)还有其他很多高校,许多人新加入了围棋社。

第四局里,李世石第78步的创新之举。

我刚才谈到了直觉和创新,直觉是一种含蓄的表达,它是基于人类的经历和本能的一种思维形式,不需要精确计算。这一决策的准确性可以通过行为进行评判。在围棋里很简单,我们给系统输入棋子的位置,来评估其重要性。阿尔法狗就是在模拟人类这种直觉行为。创新,我认为就是在已有知识和经验的基础上,产生一种原始的,创新的观点。阿尔法狗很明显的示范了这两种能力。

6、神秘棋手Master究竟是不是阿尔法狗?

那么我们今天的主题是“超越人类认知的极限”,下一步应该是什么呢?从去年三月以来,我们一直在不断完善和改进阿尔法狗,大家肯定会问,既然我们已经是世界冠军了,还有什么可完善的?其实,我们认为阿尔法狗还不是完美的,还需要做更多的研究。

首先,我们想要继续研究刚才提到的和李世石的第四局的比赛,来填充知识的空白;这个问题其实已经被解决了,我们建立了一个新的阿尔法狗分系统,不同于主系统,这个分支系统是用来困惑主系统的。我们也优化了系统的行为,以前我们需要花至少3个月来训练系统,现在只需要一周时间。

第二,我们需要理解阿尔法狗所采取的决定,并对其进行解释;阿尔法狗这样做的原因是什么,是否符合人类的想法等等;我们通过对比人类大脑对于不同落子位置的反应以及阿尔法狗对于棋子位置的反应,以期找到一些新的知识;本质上就是想让系统更专业。我们在网络上与世界顶级的专家对决,一开始我们使用了一个假名(Master),在连胜之后被大家猜出是阿尔法狗。这些都是顶级的专家,我们至今已赢了60位大师了。如果你做个简单的贝叶斯分析,你会发现阿尔法狗赢不同对手的难易也不一样。而且,阿尔法狗也在不断自我创新,比如说图中右下角这个棋子(圆圈标处),落在第二根线里,以往我们并不认为这是个有效的位置。实际上,韩国有的团队预约了这些游戏,想研究其中新的意义和信息。

阿尔法狗自我创新,落在第二格线的旗子。

柯洁,既是中国的围棋冠军,也是目前的世界围棋冠军,他才19岁。他也在网上和阿尔法狗对决过,比赛之后他说人类已经研究围棋研究了几千年了,然而人工智能却告诉我们,我们甚至连其表皮都没揭开。他也说人类和人工智能的联合将会开创一个新纪元,将共同发现围棋的真谛。异曲同工,柯洁提到了围棋的真理,我们在这里谈的是科学的真理。

红遍网络的神秘棋手Master2017年1月3日在腾讯围棋对弈平台赢了柯洁。
Master执白中盘胜柯洁,Master就是AlphaGo的升级版。

那么围棋的新纪元是否真的到来了呢?围棋史上这样的划时代事件曾经发生过两次,第一次是发生在1600年左右的日本,20世纪30-40年代的日本,日本一位当时非常杰出的围棋高手吴清源提出了一个全新的关于围棋的理论,将围棋提升到了一个全新的境界。大家说如今,阿尔法狗带来的是围棋界的第三次变革。

7、为什么人工智能“下围棋”强于“下象棋”?

我想解释一下,为什么人工智能在围棋界所作出的贡献,要远大于象棋界。如果我们看看当今的世界国际象棋冠军芒努斯·卡尔森,他其实和之前的世界冠军没什么大的区别,他们都很优秀,都很聪明。但为什么当人工智能出现的时候,他们可以远远超越人类?我认为其中的原因是,国际象棋更注重战术,而阿尔法狗更注重战略。如今世界顶级的国际象棋程序再不会犯技术性的错误,而在人类身上,不可能不犯错。

第二,国际象棋有着巨大的数据库,如果棋盘上少于9个棋子的时候,通过数学算法就可以计算出谁胜谁败了。计算机通过成千上万的迭代算法,就可以计算出来了。因此,当棋盘上少于九个棋子的时候,下象棋时人类是没有办法获胜的。

因此,国际象棋的算法已经近乎极致,我们没有办法再去提高它。然而围棋里的阿尔法狗,在不断创造新的想法,这些全新的想法,在和真人对决的时候,顶级的棋手也可以把其纳入到考虑的范畴,不断提高自己。

就如欧洲围棋冠军樊麾(第一位与阿尔法狗对阵的人类职业棋手)所说的那样,在和阿尔法狗对决的过程中,机器人不断创新的下法,也让人类不断跳出自己的思维局限,不断提高自己。大家都知道,经过专业围棋学校里30多年的磨练,他们的很多思维已经固化,机器人的创新想法能为其带来意想不到的灵感。我真的相信如果人类和机器人结合在一起,能创造出许多不可思议的事情。我们的天性和真正的潜力会被真正释放出来。

8、阿尔法狗不为了赢取比赛又是为了什么?

就像是天文学家利用哈勃望远镜观察宇宙一样,利用阿尔法狗,围棋专家可以去探索他们的未知世界,探索围棋世界的奥秘。我们发明阿尔法狗,并不是为了赢取围棋比赛,我们是想为测试我们自己的人工智能算法搭建一个有效的平台,我们的最终目的是把这些算法应用到真实的世界中,为社会所服务。

当今世界面临的一个巨大挑战就是过量的信息和复杂的系统,我们怎么才能找到其中的规律和结构,从疾病到气候,我们需要解决不同领域的问题。这些领域十分复杂,对于这些问题,即使是最聪明的人类也无法解决的。

我认为人工智能是解决这些问题的一个潜在方式。在如今这个充斥着各种新技术的时代,人工智能必须在人类道德基准范围内被开发和利用。本来,技术是中性的,但是我们使用它的目的和使用它的范围,大大决定了其功能和性质,这必须是一个让人人受益的技术才行。

我自己的理想是通过自己的努力,让人工智能科学家或者人工智能助理和医药助理成为可能,通过该技术,我们可以真正加速技术的更新和进步。

(本文作者系英国剑桥大学神经学博士生,AlphaGo之父哈萨比斯在剑桥大学的校友,文章小标题系编者所注)




7
 楼主| hkhtg090201 发表于 2017-5-9 14:21 | 只看该作者
贝索斯:AI正处于黄金时代,将让科幻小说成真
人工智能腾讯科技锐志2017-05-09
   
【AI世代编者按】本周一,亚马逊CEO贝索斯对AI也下了自己的论断,他表示这项技术的发展正迎来“不可思议的复兴”,同时AI也开始解决一些原来存在于科幻小说中的重大问题。

如今,科技巨头如亚马逊、谷歌(微博)和Facebook都在大力推进机器学习、机器视觉和自然语言处理等技术的应用,在美国大卖的亚马逊Echo音箱就依赖于自然语言处理技术,有了这项技术,Alexa才能理解主人到底说了什么。

这些AI领域的进步得到了贝索斯的盛赞。“说它是文艺复兴都不过分,AI正处于自己的黄金时期。”贝索斯在上周举办的互联网协会年会上说道。

“如今,我们正在用机器学习和人工智能解决过去几十年科幻小说提出的问题,同时自然语言理解和机器视觉等技术也取得了重大突破,这绝对是一场伟大的复兴。”贝索斯说道。

同时,贝索斯还将AI称之为“赋能层”,它将“提升所有业务”。

在亚马逊,AI也起到了巨大作用,Alexa和Prime Air无人机递送等“炫酷”产品都用到了大量AI技术,同时机器学习也正在全公司普及。

“我想说,我们从机器学习身上获得的价值都是潜移默化的。举例来说,改善搜索结果,提升产品推荐准确度和库存管理预测等数百项进步都是悄无声息完成的。”贝索斯说道。

此外,贝索斯还表示公司的AI技术正在通过自家云服务AWS提供给企业级用户。

贝索斯在讨论AI话题时并没有像其他业内大牛一样提到AI给人类带来的危险,看来他对AI的未来还是相当积极的。(编译/锐志)

推荐:人工智能汹涌而来,未来已变!关注“AI世代”微信号(tencentAI),关注未来。
8
 楼主| hkhtg090201 发表于 2017-5-25 17:26 | 只看该作者
科技: 乌镇人机大战第二局,AlphaGo 再次战胜柯洁
  2017年05月25日
     柯洁结束了与 Google DeepMind 围棋人工智能 AlphaGo 的三场比赛的第二场,持白子的柯洁在155 手时认输。DeepMind 创始人 Demis Hassabis 过谦的说,“Ke Jie pushed AlphaGo right to the limit”。这场比赛仍然在 YouTube 上进行直播,中国大陆的直播情况依旧。明天,中国五大围棋冠军将联手挑战 AlphaGo,古力与连笑将分别与 AlphaGo 配对,进行一场联棋大战。后天,柯洁将与 AlphaGo 进行最后一局的较量。


9
 楼主| hkhtg090201 发表于 2017-5-30 20:50 | 只看该作者
李嘉诚请阿尔法狗之父给自己“上课”,听得很激动数度站起来   2017-05-30   73评论
   



89岁的李嘉诚对当前最热门的人工智能前沿技术乐此不疲。

据李嘉诚基金会官方微博5月28日消息,李嘉诚5月26日在香港会见了DeepMind创始人、阿尔法狗(AlphaGo)之父Demis和Mustafa。

上述微博还提供了李嘉诚守在电视机前观看“阿尔法狗”与柯洁比赛的图片。

5月26日,李嘉诚一早就准备好“纸笔墨”,上述微博称,“因为DeepMind两创办人Demis和Mustafa到香港为他‘上课’,讲解人工智能研究方向与各种应用的阶段成果,李先生要摘录笔记。”

李嘉诚与Demis合影。

会见中,Demis还对政府政策如何支持和平衡人工智能的发展发表了看法,他表示对人工智能用于国防和武器发展不无顾虑。

“李先生听课很激动,数度站起来,害得两创办人也连忙礼貌地陪站。”上述微博写道。

李嘉诚表示,能参与DeepMind 早期投资是可贵的缘份。李嘉诚旗下维港投资2012年已是Deepmind的投资人,于2014年将股权转手卖给谷歌(微博),并获得数倍回报。

去年11月,李嘉诚旗下维港投资还曾领头了智能情绪响应虚拟化身开发商Soul Machines的A轮融资。返回腾讯网首页>>




10
 楼主| hkhtg090201 发表于 2017-5-31 14:09 | 只看该作者
专家:“阿尔法围棋”飞速进步奥秘何在
2017年05月30日  新华网
  
新华社北京5月29日电(记者胡丹丹 杨骏)人工智能已经发展到什么程度,到底会走向何处?该领域的专家表示,日前3:0击败柯洁的“阿尔法围棋”就是人工智能深度学习飞速进步的一个例子,秘密在于启发式学习和深度学习相结合,这将有助于人工智能最大化实现人类的意愿。

在全球人工智能产业信息服务平台“机器之心”主办的全球机器智能峰会上,《人工智能:一种现代方法》的作者之一、美国加州大学伯克利分校人工智能专家斯图尔特·拉塞尔举例说,“阿尔法围棋”是人工智能深度学习飞速进步的一个例子,输给“阿尔法围棋”后柯洁说,去年好像还是在跟人下棋,而今年他觉得好像是在跟“神”下棋一样。

加拿大阿尔伯塔大学教授、计算机围棋专家马丁·米勒介绍说,“阿尔法围棋”的成功源于启发式学习与深度学习相结合。有了新算法与硬件,启发式学习有望让计算机系统学会真正的人工智能,“能让我们的搜索变得更加有效,能让计算机帮助我们做出越来越好的决策。”

攻克游戏和棋类人工智能,是要为真实世界的应用铺平道路。搜狗首席执行官王小川说,识别、决策、生成是人工智能的核心应用。例如,在决策方面,人工智能可以帮助提高决策效率,提升商业效率。

“我们已经在金融、医疗和教育等方面看到这些应用。在识别和生成领域,人工智能的进展已使人机交互越来越自然,这也是我们感兴趣的领域。从历史趋势上看,机器在逐渐适应人,并已为人类分担了许多具体工作,”王小川说。

但他同时指出,目前人工智能还局限在特定的封闭领域,比如“阿尔法围棋”和搜狗的问答机器人“汪仔”在围棋和语音识别输入竞赛中分别战胜了人类,但它们只擅长各自的技能,且只能在封闭场景里通过数据学习、计算或搜索提高效率,并不能发挥创造性。今天的机器智能还需要依赖于来自人的数据。机器并不具备人工通用智能能力和解决开放型问题的能力。

香港科技大学计算机科学与工程学系系主任杨强说,从机器学习的角度看,“阿尔法围棋”尚不具备迁移学习的能力,即把已经训练好的模型参数迁移到新的模型上来帮助新模型训练数据集。王小川则认为,目前来看,迁移学习等理论离实际应用并产生效益还很远。

拉塞尔说,人工智能并不是一个新学科,20世纪40年代人们就在思考如何使用一些新工具;1950年,著名的图灵测试诞生,按照其定义,如果一台机器能通过电传设备与人类展开对话而不被辨别出机器身份,则称这台机器具有智能。

但直到2010年后,许多初创公司开始重新专注于人工智能发展,谷歌、国际商用机器公司(IBM)等大企业也投入到该领域研究中,此后人们看到了神经学的进步以及计算机资源和大数据的发展。

拉塞尔说,目前人工智能的发展“让人欣慰”,但要将其内容落地,变成能带来高产值的应用至少还要十年。人们要审慎考虑,不要因为期待过高而觉得失望。发展机器人的唯一目的是最大化实现人类的意愿,“人工智能需要对人类有贡献,要做到这点是一个技术性的问题,我相信人类能够解决这个问题。”
  

11
 楼主| hkhtg090201 发表于 2017-6-2 17:27 | 只看该作者
人脑水平的 AI 何时到来
2017年06月01日


     人脑水平的 AI 何时会到来?IEEE Spectrum 采访了业内专家,专家们众说纷纭,并无一致答案。一些人认为这一天将会很快来临,另一些人则认为需要几百年。Ray Kurzweil 给出了一个具体的年份——2029 年;Robin Hanson 认为如果我们能实现人脑模拟,那么人脑水平的 AI 将在一个世纪内到来,否则需要两到四百年;Martine Rothblatt 认为是在本世纪内;IBM Watson 的首席架构师 Ruchir Puri 没有给出具体答案,理由是人脑与 AI 存在本质性差异,人脑包含了关心、同情、分享、创造力和创新等特征,这些特征在很长时间内机器可能难以理解;加州理工的 Carver Mead 教授说,每当技术取得一些进步人们就会预言我们所熟悉的社会将会终结,但这从来没有真正发生过,今天的世界对每个人来说比一百年前要好得多;Nick Bostrom 认为是几十年内;Rodney Brooks 认为在我们的一生中以及在 Ray Kurzweil 的一生中都不可能实现;纽约大学的 Gary Marcus 认为是 20 到 50 年内;Jürgen Schmidhuber 认为很快。
12
 楼主| hkhtg090201 发表于 2017-6-2 18:06 | 只看该作者
当人工智能敲响了门 我们将迎来怎样的世界?
2017年06月02日 13:33 经济日报

上图 5月18日发布的Google Lens将应用于谷歌助手以及谷歌照片,它可帮助用户自动删掉不需要的照片。(资料图片)  中图 柯洁九段在备受瞩目的人机大战中。(资料图片)
  下图 IBM预计人工智能Watson每年将赚100亿美元。(资料图片)
  “人机大战2.0版”,第三局第125手,替AlphaGo执子的黄士杰博士落下一枚黑子,棋盘对面年轻的“世界围棋第一人”柯洁在巨大压力下离开了座位,观战记者随后听到十几米外传来压抑但清晰的哭声。
  和0∶3的比分相比,这个充满戏剧化的场景似乎更是对人工智能强大能力的某种写照,AlphaGo超越了千百年来人类以智慧和经验主义对围棋的认识。而在几年前,程序员们还因为人工智能能够在一堆图片里认出猫来就欢欣鼓舞。
  人工智能正在飞速成长,《全球人工智能发展报告2017》显示,2012年后成立的人工智能企业,在数量上超过了之前20年所有人工智能企业数量的两倍。目前,美国人工智能企业已超过3000家,中国则超过了1500家。在资本市场,人工智能获得的风险投资也从2012年的5.89亿美元猛增至2016年的50多亿美元。市场研究机构麦肯锡预计,到2025年,人工智能应用市场总值将达到1270亿美元。

  “60多年前,计算机科学的奠基人图灵在‘计算机与智能’一文的结尾写下这样的话:我们只能看清前方很近的距离,但我们能看到那里有太多的事需要去完成。这句话也适合用来描述今天的人工智能。”IBM大中华区首席技术官沈晓卫颇为感慨。

  当人工智能敲响了门,我们将迎来怎样的世界?
  “三管齐下”跑步前进
  “幸福人生的逼迫,这就是人类生活的意义。”这句几乎可以从乐观主义维度形容人工智能影响的诗句,并非出自人类之手,而来自于微软的人工智能应用“小冰”,由它创作的一本名叫《阳光失了玻璃窗》的诗集,登上了书店诗歌新作的排行榜。
  从AlphaGo到微软“小冰”,人工智能为何能变得更聪明?科学家们将其拆解为“强芯片+大数据+优算法”,人工智能快速成长,正来自于这“三管齐下”的跑步前进。
  芯片像是人工智能的身体。Alphabet执行董事长施密特坦言,20年前他之所以放弃人工智能研究,觉得AI没什么前途,重要原因就是,“和那时比,现在机器计算能力增强了,才能支持现在的算法,让人工智能的智商得以提升”。

  科技巨头们纷纷投入重金,特别设计专门用于人工智能的芯片。AlphaGo依靠的正是在云上运行的4个用于神经网络计算的TPU芯片。第二代TPU芯片每秒能提供180万亿次浮点运算,有64G的超高带宽存储器。强大的计算力也带来了计算成本的下降,AlphaGo开发团队表示,随着TPU的应用,它节约的成本可以打造另外15个数据中心。沈晓卫表示,IBM开发出了类脑芯片,用54亿个晶体管模拟100万个神经元。采取异步电路的设计,芯片能耗仅为70毫瓦。有消息显示,苹果也正在研发一款被称为“苹果神经引擎”的人工智能芯片,用来改进苹果设备在处理人脸识别、语音识别等人工智能任务时的表现。

  算法则像是人工智能的大脑。AlphaGo技术负责人大卫·席尔瓦表示,新版AlphaGo能让去年与李世石对战的版本三子(这相当于职业九段与业余5段之间的水平差异),但能耗和计算力的耗费仅相当于旧版的十分之一。这样的“多快好省”正来自于基础算法,包括用来选点的策略网络和用来判断胜率的价值网络的大幅度优化。更重要的是,增强学习在新版的AlphaGo的算法权重中更高,这就意味着相比学习人类顶尖职业棋手的棋谱,AlphaGo更多依靠自我对弈来学习,通过自我对弈,它甚至形成了类似于人类棋手在形势判断上的“直觉”,学会了以类似于人类棋手“复盘”的形式检讨此前的棋招得失。

  有了强壮的身体和聪明的大脑,人工智能还需要“吃好喝好”,用丰富的数据资源形成“智慧”。北京邮电大学计算机围棋研究所所长刘知青坦言,通过人类的几十万张棋谱和自我对弈产生的新棋谱,丰富的数据成为AlphaGo实力提升的关键。而对于普通人来讲,移动互联网的快速普及和与诸多生活场景的打通,也在不断产生着海量数据。如今,全球每月活跃的安卓设备超过20亿部,苹果则生产了超过10亿部手机,谷歌CEO桑达尔·皮查伊表示,目前谷歌已有多个产品和服务的用户数量突破10亿,它们是Google地图、YouTube(视频服务)、Chrome(浏览器)、Gmail(电子邮件)、搜索和Google Play(在线应用程序商店)。“通过采集海量用户数据,进行机器的深度学习,我们可以更科学更智能地解决问题。”猎豹移动CEO傅盛同样表示,旗下的Live.me作为美国最大的第三方直播平台,每天产生上千万张标准人脸。“这些数据让猎豹移动开发出了新的人脸识别技术,在儿童识别等领域大量使用。”

  从“效率”到“效能”遍地开花
  去年8月,IBM的人工智能应用Watson分析了数千个基因突变,最终确诊一位60岁的日本女性患有一种罕见的白血病。Watson的整个诊断过程不到10分钟,如果换做人类医生,这一诊断需要耗时数周才能做到。通过公司的人脸识别技术,旷视科技副总裁谢忆楠在比对了180万张照片后,帮助公安部门成功找到了犯罪嫌疑人。如果以人力,这个工作几乎无法完成。通过对海量数据的识别和分析,人工智能可以获得极高的效率。
  人工智能除了将人类能做的事做得更好,还在改变人们对世界的认识,体现出巨大的效能。拿AlphaGo来说,无论是让“棋圣”聂卫平脱帽致敬的五路肩冲,开始被职业棋手们广泛借鉴的“点三三”和“二间高跳”,还是体现出的对厚势和中腹的重视,都让围棋理论发生着变化。职业棋手古力表示:“过去被禁锢的想法很多,通过学习AlphaGo,现在棋的自由度变得太大了。”

  在搜狗CEO王小川看来,人工智能应用在效能上的提升尤其珍贵。“在金融领域,现在已经在用AI进行征信,对于是否放贷,机器在几秒钟之内就能做出决策。由于人工智能的出现,征信的维度也发生了变化:手机是否经常没电、通话记录是单方的还是双方的,这些都能够成为衡量一个人还贷能力的评判依据。在教育行业,未来机器能够通过对人的分析实现因材施教,进行有针对性的命题,提高教育的效率。”王小川说。

  纵观未来,人工智能还将进一步改变人与机器交互的方式。“从五笔到拼音再到语音,从键盘到鼠标再到触屏,人与机器的交互的方式越来越‘人性化’,未来人工智能还会使得人和机器的地位发生变化:以前是人适应机器,现在变为机器来适应人。”皮查伊同样表示:“接下来的交互变化,会从触摸到语音和图像识别,更关键的是,识别之后的语言理解以及理解之后能提供的智能服务。”在今年的开发者大会上,谷歌发布了智能语音助理,它不仅是搜索方式的创新,更是人工智能形态的落地,能够理解自然语言,并执行翻译、叫外卖等指令。比如在了解你的行程后,它会根据实时交通状况,主动提醒你是否要提前出门。比如当你问一道菜是什么样子的时候,它会搜索出图片推送到你的手机上,接入第三方服务后,还可以直接语音点餐,完全不需要任何文字输入。

  随着一款款功能“破冰”和应用落地,随着人工智能在认知和决策层面能力的不断提升,最终,人工智能产品将形成一套集成解决方案。来自麦肯锡的研究报告显示,当人工智能与其他互补性技术(如机器人)结合时,可生成多种集成解决方案,如自动驾驶、机器人手术,以及能够对刺激做出响应的家用机器人等。

  热情之外“冷思考”
  “AlphaGo之父”哈萨比斯表示:“我提醒诸位,必须正确地使用人工智能。”在回答经济日报·中国经济网记者何为“正确”时,哈萨比斯表示,他的两个原则是:人工智能必须用来造福全人类,而不能用于非法用途;同时,人工智能技术不能仅为少数公司和少数人所使用,必须共享。

  新技术总带来新的担忧和挑战。一份由第三方机构发布的《人工智能影响力报告》显示,目前用户最为关注的3个与人工智能有关的话题分别是:自己的工作是否会被取代,AI发展带来的危害,以及AI发展带来的法律、道德问题,几乎都有负面倾向。这些担忧并非“空穴来风”,人工智能在技术上快速成长,但真正与人类社会良性互动,还要解决诸如规范、监管、安全、伦理等诸多问题。

  首当其冲的是“正确”的算法。腾讯研究院研究员曹建峰表示,如果算法本身有问题,一些推荐算法决策可能是无伤大雅的。但如果将算法应用在犯罪评估、信用贷款、雇佣评估等关切人身利益的场合,因为它是规模化运作的,并不是仅仅针对某一个人,可能影响具有类似情况的一群人或者种族的利益,所以规模性是很大的。“比如,美国一些法院使用的一个犯罪风险评估算法COMPAS被证明对黑人造成了系统性歧视。”


  算法产生的“歧视”来自于训练算法的数据本身是否正确、完整。同时,如果只考虑大多数情况,则很难兼顾少数人群的利益。一旦想要全面、大量的数据,人工智能又不得不面对隐私问题。“数据已经成了AI时代的新石油,但AI对数据包括敏感数据的大规模收集、使用,可能威胁隐私。此外,考虑到各种服务之间大量交易数据,数据流动不断频繁,数据成为新的流通物,可能削弱个人对自身数据的控制和管理。在人工智能发展过程中如何保护个人隐私,仍是需要解决的问题。”曹建峰表示。

  此外,还有人工智能本身的安全问题。互联网安全厂商360副总裁颜水成表示,如果移动机器人进入家庭,“由此可能产生的不安全行为肯定需要警惕,在特定情况下,机器人仍可能会发生难以把控的情况。”另一方面,全智能体的信息安全问题依然可能存在,“黑客可以通过网络或某种连接控制这个智能体,进而对人身财产、安全造成伤害”。

  人工智能正在为我们带来一个新的时代。这个时代的标志不仅是一个算法的改进、一种服务的出现,抑或一场比赛的胜利,而是人工智能作为新的引擎推动行业创新,改变我们的生活。当人工智能开始重新定义我们生活的世界时,人们不得不开始考虑,人与人工智能如何才能始终坐在棋盘的同一边。


13
 楼主| hkhtg090201 发表于 2017-6-2 18:14 | 只看该作者
topzdx 发表于 2017-4-9 14:55
据说除了柯洁个人外,还有中国围棋队群殴阿法狗的比赛,不知是否是真的

依据惯性分析, 估计这个群殴,要不 不了了之,要不密不透风进行, .
14
 楼主| hkhtg090201 发表于 2017-6-7 16:11 | 只看该作者
马斯克:2030年AI就能在一切领域击败人类   人工智能   腾讯科技    陈桦   2017-06-07

  



【AI世代编者按】与许多人工智能专家不同,特斯拉CEO伊隆·马斯克(Elon Musk)认为,人工智能将于2030年在所有一切领域击败人类。他提出的神经织网概念正是为了帮助人类与人工智能共同生存和进步,而不会被人工智能所取代。


6月5日,马斯克回复了来自《新科学家》杂志的一条Twitter消息。这条消息分享了一篇文章,其中做出了令人担忧的预测:专家认为,人工智能将在2060年击败人类。不过,马斯克的预测还要更加激进。

他在Twitter消息中表示:“更接近的时间或许是2030年至2040年。2060年这个结果可能来自线性推断,但实际的发展是指数式的。”

毫无疑问,马斯克认为,真正的人工智能即将到来,并且时间会很快,而人类需要为此做好准备。《新科学家》杂志的文章来自近期对350多名人工智能研究员的调查。调查认为,在未来45年内,有50%的可能性人工智能将在所有任务中胜过人类。马斯克对于这个时间点提出异议,他认为这样的预测假设了技术发展是线性的。

他并不是持这种观点的唯一一人。如果按地区对这些人工智能研究员进行分类,那么可以看到亚洲研究员平均认为,只要30年人工智能就可以赶超人类,而北美研究员认为需要74年。尽管存在地区差异,但如果这样来看,那么马斯克的预言也不算太过激进。

对于即将迎来的问题,马斯克提出的解决方案是神经织网。简而言之,这种技术用可以方便注入人体的电极去形成织网,织网可以读取大脑电信号,并对大脑进行刺激,最终与器官本身进行融合。近期,“经颅直流电刺激(tDCS)”技术的最新发展正帮助神经科学家提出一种全新的、更有效地治疗神经疾病的方法,并且很可能将帮助神经织网的下一步发展。

与此同时,马斯克很可能将继续向世界讲述他关于人工智能的想法和预测。(编译/陈桦)



您需要登录后才可以回帖 登录 | 注册会员

本版积分规则

QQ|申请友链|旗下论坛|小黑屋|手机版|航空航天港 ( 豫ICP备12024513号 )

GMT+8, 2017-11-18 16:22 , Processed in 0.361735 second(s), 18 queries , Gzip On.

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表