|
乌镇人工智能峰会进入第二天，哈萨比斯、David Silver和Jeff Dean等谷歌高管纷纷发表演讲，他们对AlphaGo 2.0的新技术进行了详细解读。谷歌人工智能的“进化速度”异常惊人，在未来几十年，谷歌将陆续推出各种涉及人工智能的共享服务，包括芯片，云计算等，在这张宏伟蓝图中，刻画的也许就是人类的未来！ 胡祥杰：AlphaGoMaster最新架构和算法，谷歌云与TPU拆解 AlphaGo使用两种不同的深度神经网络，第一种是策略网络，目标是选择在哪里落子。第二种则是价值网络，价值网络的作用是衡量走这一步对最终输赢的影响：棋盘的局部（patches）经过很多层很多层的表征处理，最终得出一个数字，这个数字就是代表这步棋会赢的概率，概率越大（接近1），那么AlphaGo获胜的概率就越大。 AlphaGo训练的过程，实际上结合了两种机器学习，首先是监督学习，其中人类棋谱被用作训练数据，然后结合强化学习，在强化学习过程中，系统通过试错不断提升自己，弄清哪种策略最好。这张图显示了AlphaGo的训练过程，先从大量的人类专家下棋的训练数据集开始，我们让策略网络所做的，就是学习人类专家的走法，不断调整参数，最终在每个位置走出跟人类专家一样的走法。 李千里：Google也许找到了云计算切入点，会不会由此颠覆Amazon？ 皮查伊说：“我一直觉得，开发一个产品或者平台，尤其是平台，只要你把它做好，就会带来大量的收入。如果你经营的云规模够大，就越有可能推动数据平台去改变很多的行业。这不就是一个商机吗？我认为这个商机很大。” 谷歌今天最大的一块收入依然是在线广告，但谷歌相信，有一天云计算将会带来更大的收入。事实上，Forrester的报告称，云计算市场到2020年将达到1910亿美元。麻烦的是，在这个迅速增长的市场上，在经过了多年的犹豫不决之后，谷歌的云业务依然落后于亚马逊和微软。皮查伊希望，谷歌在AI领域的领先优势能够给公司带来光明的未来。 博客科技：AlphaGo之父详解“围棋上帝”炼成记 为了应对围棋的巨大复杂性，AlphaGo采用了一种新颖的机器学习技术，结合了监督学习和强化学习的优势。具体而言，首先是通过训练形成一个策略网络（policynetwork），将棋盘上的局势作为输入信息，并对所有可行的落子位置生成一个概率分布。 然后，训练出一个价值网络（valuenetwork）对自我对弈进行预测，以-1（对手的绝对胜利）到1（AlphaGo的绝对胜利）的标准，预测所有可行落子位置的结果。这两个网络自身都十分强大，而AlphaGo将这两种网络整合进基于概率的蒙特卡罗树搜索（MCTS）中，实现了它真正的优势。最后，新版的AlphaGo产生大量自我对弈棋局，为下一代版本提供了训练数据，此过程循环往复。 达人：隐藏在AlphaGo背后的男人 在智能手机方面，Demis Hassabis认为在未来两到三年会看到改编，给市场带来显著差异。“根据AlphaGo 的算法，我们打算在未来几个月尝试的是，摆脱监督式学习的出发点，让它完全自我发挥，从一无所有的状态开始。它会需要更长的时间，因为当你采用随机方法的时候，其中的审查和错误会需要更多的时间训练，也许是几个月。但是，我们认为有这个可能性，让它从纯粹的学习中起步。” 而针对机器人领域，并不是Demis Hassabis最为关注和兴奋的方面，对于他来说，机器人更多的还是应用层面，而并不具有真正的“智能”，但是针对一些社会问题，机器人则是比较合理的解决方案，比如日本的老龄化带来的各种问题，机器人可以作为一种补充，提供切实的服务。 张田勘：全面迎接和牢牢掌控人工智能 除了围观和好奇外，人类骨子里不服输的心理和想要看看人工智能到底有多厉害促成了这一挑战。面对人类棋手注定要完败于人工智能的结局，人类其实要做好的准备是，全面迎接人工智能而非拒绝；努力去掌控人工智能而非臣服于人工智能。 全面接纳人工智能当然是今天社会发展、经济增长、人类演化的一种必然，更是人们实际生活的现实需求，简单地说，人人每天离不开的智能手机其实就是低端人工智能的应用。更应当看到的一个残酷现实是，人工智能的发展极具竞争性，未来谁在人工智能的研发和应用中落后于人，谁就会毫不留情地被淘汰。 王吉伟：AlphaGo战败柯洁后，人机大战再无意义 现在AlphaGo的迭代周期只需一周，对阵李世石时的版本号是V18，在对战柯洁之前，它的版本已经升级到了V60，在逻辑上和棋局策略上已是今非昔比。估计这次对阵柯洁又会是之前的情况，AlphaGo很有可能获取65连胜，基本上已没有太大的悬念。 谷歌对于人机大战乐此不疲，不断的用机器挑战人类的极限。然而，谷歌却忽视了人类是有血有肉的存在，会累，需要休息需要进食，各种环境也会影响其发挥。但是机器是不受这些因素影响的，它们可以经久不息的计算，这一点上，人类是无法预知相比的。 |
|
|
