📖 ZKIZ Archives


谷歌AlphaGO挑戰賽——人工智能的邊界在人類

來源: http://www.iheima.com/space/2016/0307/154579.shtml

導讀 : 谷歌AlphaGO之所以引起了全球範圍內的關註,除了谷歌一直以來在資本市場上有著非常卓越的市值管理能力之外,其技術本身的突破也是大家關註的焦點。

最近一段時間谷歌AlphaGO與人類的挑戰賽成為了熱門話題,也就是人工智能與韓國圍棋手李世石之間的挑戰賽。其實從人工智能出現至今,關於人工智能的一切一直以來都是熱門話題,比如機器人,如果機器人沒有人工智能這個關鍵因素,其本身而言只是一種自動化的生產要素,只是一臺“機器”。但由於機器人加入了人工智能這一“大腦”要素,就決定了其從機器本身之外有了“人”的元素,這種元素對於人類而言是極具想象意義的。關於谷歌AlphaGO與人類挑戰賽事件的背景本文就不再闡述了,因為它是媒體近期的熱點,不論是正面的、反面的、中立的,各種觀點都有。其實重要的不是這次比賽輸贏的本身,而是這次事件對人類與人工智能到底會帶來哪些影響。

人類模仿上帝創造行為的產物

在整個西方的世界觀眾,普遍接受與傳承的是“聖經文化“,其中有個非常重要的世界觀就是創造論。也就是說人類的來源借助於上帝的創造,而浩瀚宇宙的運行也是來自於上帝的護理,而其中人類的創造性則是來源於上帝所賦予的一些能力。從這個世界觀的層面來看,以美國為首的西方世界不斷探索人工智能的行為是非常容易理解的。簡單點說就是人類在模仿上帝創造的行為,在人類的認知能力範圍內“創造”類人類的一種行為。

而我之所以將人工智能這一行為定義為類人類的行為,是因為就其本質而言,不論人工智能有多麽強大,它都只是物理層面的行為,而不是生物層面的行為,或者說是生命科學層面的行為。因此,所謂的取代人類、替代人類的這種擔憂也就只是停留在物理層面,在生命科學以及生物層面並不存在可比性。

谷歌AlphaGO之所以引起了全球範圍內的關註,除了谷歌一直以來在資本市場上有著非常卓越的市值管理能力之外,其技術本身的突破也是大家關註的焦點。從技術架構層面來看,最大的特點就是突破了傳統計算機的“固定”程序邏輯,其最大的突破就是融入了自學習,或者說是深度學習的能力,這也就意味著谷歌AlphaGO與傳統意義上的計算機程序有了很大的區別。谷歌AlphaGO的技術架構采用的是模仿人類大腦神經模式,而這種模式的行為可以理解為谷歌依托其強大的科學家團隊,在當前人類對於大腦相關探索的知識範圍內,以計算機的方式將這種知識探索表現到了一個新的高度。

人工智能的邊界在人類

不論人工智能如何發展,其在本質上還是物理程序層面的問題,哪怕其具備“自思考”能力,其思考的邊界也是開發者所賦予、設定的。從這次谷歌AlphaGO產品的本身來看也是如此,它的前置條件是開發者設定了一種相對複雜的自學習模式,而後通過輸入3000多種棋譜數據之後開始各種計算。而這其中決定著谷歌AlphaGO產品“智能”程度的關鍵要素就是開發者,而不在於谷歌AlphaGO的“智能”。也就是說谷歌AlphaGO產品的“聰明”與否的關鍵因素首先是開發者所設定的自學習模式,其次是開發者所輸入的基礎知識的質量。

從開發者所設定的自學習模式層面來看,其結果眾所周知就是從傳統的不可變量程序向可變量程序進行了轉換,讓程序不再局限於固定的程序,多了可變化的可能。而傳統計算機盡管在一些運算能力方面早已遠超人類,但與人類之間有個非常重要的區別就是對事物的邏輯思考與判斷能力。可以說在計算機出現的很長一段時間內,圍繞著摩爾定律都是在計算能力這一垂直能力維度上進行拓展,而谷歌AlphaGO超越了傳統計算機計算能力這一邊界,參考人類的神經網絡模式進行設計,希望以此來構建類人的可思考能力。但它的邊界取決於人類對於大腦神經網絡模式的探索,以及開發者對於這些問題的認知與思考。

從自學習的知識面層面來看,其關鍵也是取決於開發者,以及人類本身所構建的大數據質量。就以這次谷歌AlphaGO來看,盡管開發者輸入了3000種棋譜方式,但這些數據的質量決定了其後續自我學習的基礎,如果輸入的棋譜本身就不是高手級水平,再怎麽自我學習、自我博弈,所建立的結果只能說是在次級層級中的最優級水平。

谷歌AlphaGO未必能贏

那麽,回到這次人工智能對決人類智慧事件,決定谷歌AlphaGO是否能夠勝出的關鍵因素是兩個:一是開發者所建立的自學習架構的“完美性”,不過在這個問題上目前並不樂觀,可以說只是剛剛取得了突破,要想取得連續的穩定性能還需要一些時間;二是基礎數據的來源,盡管此前贏得了歐洲冠軍,但整個歐洲的圍棋冠軍水平與亞洲還是存在著比較明顯的差異,如果谷歌AlphaGO的基礎數據在這次比賽之前沒有獲得有效升級,或者說是自學習的過程中沒有和更高級水平的選手進行博弈、提升,要想獲勝還是存在著一定的困難。

對於韓國棋手李世石而言,最大的挑戰並不是下棋的水平,而是心理與生理層面。在計算分析能力方面,可以說谷歌AlphaGO具有無可挑戰的優勢,但在圍棋過程中除了計算能力之外,人類的那種靈性、直覺至少在現階段而言,人工智能還是無法識別與讀懂的。但計算機不會有情緒波動,不會受外界幹擾,也不會有疲勞感,但人類則不同,我們會有體能、情緒等方面的問題。因此,在我看來這次比賽李世石能否取勝的關鍵在於對自身心理、生理層面的管理。因此與計算機比賽和人類之間的比賽不同,與人類之間進行比賽可以通過一些心理戰術進行博弈,但與計算機比賽這些方式方法基本無效。

如果說李世石能夠管理好自身心理、生理層面的問題,那麽這次的比賽我認為獲勝的可能性非常大,因為谷歌AlphaGO在現階段而言只是人工智能在一個新方向上探索的實驗產品,正如之前的谷歌眼鏡一樣,只是將一個實驗室中的產品帶入到真實的世界中進行測試而已,產品本身並不具備“完美性”。

如果人工智能贏了

不論這次比賽谷歌AlphaGO是否能取得勝利,對於人工智能的發展而言都將是一個最大的歷史性轉折。對於人類當前所處的大數據世界,以及即將到來的物聯網時代,憑借著我們自身的計算機與識別能力已經無法應對所處的數據黑洞世界。人類急切地需要真正意義上能夠懂得用戶心理的人工智能協助處理信息,因此,從我們所處的時代層面來看,我更願意希望看到谷歌AlphaGO能夠贏得這次比賽的勝利,並且能夠讓這款實驗室的產品有更多的實驗空間與場景,正如谷歌眼鏡一樣通過不斷地探索,最終能夠協助人類拓展一些能力。

尤其是我們面對即將來臨的智能穿戴時代,當包括人在內的萬物都被數據化,並且借助於數據化實現信息流動、溝通,那麽對於我們人類而言,這種龐大的數據處理本身就已經超越了我們大腦的計算能力。因此,從某種層面來看人工智能只是智能時代發展的一種產物,只是它的名字被稱為人工智能。換句話說,人工智能不能很好地發展並且承擔人類助理的角色,必然會出現其它類似的替代技術。因此,從當前來看,人工智能的發展、成熟、應用越顯重要。

但從現實的情況來看,這還需要很長的一段路要走。尤其對於當前對人工智能的一些擔憂,在我看來還太早。目前最重要的是加速發展人工智能,盡快讓人工智能從當前只有人工沒有智能的層面走出來,盡快進入到智能的層面來協助用戶處理龐大的數據信息。

PermaLink: https://articles.zkiz.com/?id=188120

論藝160311 AlphaGO的技藝

來源: http://www.tangsbookclub.com/2016/03/11/%e8%ab%96%e8%97%9d160311/

論藝160311
AlphaGO的技藝
執筆人:蟬

AlphaGo-Lee-Sedol-Aja-Huang-550x3662016年3月9日和10日,Google Deepmind團隊開發的人工智能圍棋程式「阿花狗AlphaGO」挑戰傳奇韓國職業棋士 李世乭,在不被看好的情況下先勝二局。執筆時五局比賽尚餘三局,鹿死誰手尚未可知,但阿花狗先取兩局實在是人工智能了不起的進步。
早在1997年IBM電腦「深藍DeepBlue」便打敗了國際象棋世界冠軍Kasparov;2006年國際象棋軟件「Deep Fritz」只用一臺普通家用電腦便打敗了世界冠軍Kramnik。但為何電腦要到2016年才能成功挑戰頂級圍棋手呢?又,阿花狗的勝利與深藍有何分別?
(不說不知,比賽中阿花狗的操作者正是團隊其中一位主要開發員 黃士傑Aja Huang,他是臺灣業餘6段圍棋愛好者。)

即使不會下圍棋和國際象棋,只要了解遊戲規則,便很容易知道圍棋的複雜度遠比國際象棋高,棋盤較大加上規則較少,令圍棋的廣度(即每步棋的可能性)和深度(遊戲的長度)遠比國際象棋高(總可能棋路為250^150對35^80)。這個複雜性的差距,即使電腦的計算能力在過去二十年進步神速,也不是單憑大眾想象的「暴力試錯策略」可以輕易填平得了。***
固然電腦的記憶力和線性運算能力遠比人類選手占優,但若非人工智能技術和發展方法的突破,李世乭是不會輸的。(李世乭賽前表示有信心5:0完勝,但其實他也認為AlphaGO會在兩年後戰勝他。)

〈真‧人工智能〉
到底阿花狗是怎樣學習和下棋的呢?我們不妨先從牠如何“觀看”棋盤開始。
要將盤面的資訊轉化為數據,最直觀的方法是將整個棋盤看成一個「座標系統」,只要將棋子的位置座標化,棋譜便可以由一連串座標資料組成。這種簡潔和完整的資料轉換體系看似完美,但卻不是阿花狗的世界觀。
阿花狗看棋盤的方法比較像人看臉孔,即從不同的層次和區域去看:從全盤到局部,從實質到抽象,層次之間有互相覆蓋的地方。*** 這種名叫「深度卷積神經網絡Deep Convolutional Neural Network ( DCNN)」的“認知”方法經常應用在圖象和語言處理等方面。

透過卷積神經網絡,阿花狗看到的更接近人類棋手眼中的棋盤,除了能供稍後演算時將棋盤分解成局部,以便作出更快捷的分析,還讓牠更有“大局觀”,因為這網絡能夠“感受”到棋盤不同部分的情況,和部分與部分之間的關係。***

阿花狗與其他圍棋電腦程式最關鍵的差別在於它的行棋策略Policy Network。說得簡單一點,它先從KGS GO伺服器找來3千萬局高段棋手的棋譜,以這些資料去訓練阿花狗模仿高手***,此即「Supervised Learning (SL) Network Policy」。
然而下得像高手不一定會贏,且SL Network Policy往往太費時和單調,於是DeepMind在SL Network的基礎上面,再加上以贏棋為目標,發展出強化訓練策略「Reinforcement Learning (RL) Network Policy」。

DeepMind發現使用行棋策略雖然能找出“最好”的一步,但由於運算需求太高,要完全以這個方法來下棋是不現實的,所以發展了「快速下子Fast Roll-out」程式。
「快速下子」沒有像Policy Network那樣經過“審慎”細算,它依賴比較舊的區部特徵匹配local pattern matching加上綫性回歸logistic regression的方法,以比行棋策略快上1000倍(2微秒 vs 3毫秒),在1/4的機率下達到高手下棋的水平。用圍棋術語來形容,「快速下子」是依賴 “棋感”的策略,而行棋策略則是深度的細算。***

除了策略,阿花狗還擁有「估值網絡Value Network」,它基於盤面資料去評估優劣狀況,是一個補充性網絡,用以估算當前盤面優勢誰屬。根據阿花狗的對手「Facebook DarkForest」的發開人員田淵棟指出,估值網絡同樣是暴力地以3千萬局行棋資料訓練出來的,沒有對局部死活/對殺分析作出優化,其效果卻甚為理想,足以證明DCNN有將問題原子化的能力。***

在第二局開局的時候,Redmond九段 詢問DeepMind的開發人員,與李世乭比賽的阿花狗與去年10月跟歐洲冠軍 樊麾二段的有何差別?開發人員答道:雖然過去數月不斷作出改良,但對於阿花狗在比賽時會如果行棋及以何種策略應對,卻完全無法預料,工作人員也是在阿花狗下子後才知道它怎麼下。
開發過程中只給予系統修正遊戲目的和提供優化行棋策略的對局資料,對於它從“經驗”中掌握了甚麼知識卻是毫不知情。 就好像家長只能為子女提供教育,但對他們實際如何做人處世卻無法預測一樣道理。

阿花狗第二局第37手賽後被評為甚具創造性的一手,職業棋士 李喆甚至表示:「對於黑棋這步棋,作為棋手,我的震撼比看到外星人還要大。」可見阿花狗接下來可能還會有不少令人驚喜/訝的演出。
592f9dff353ac29140ffffcf5fa4d947_rP.S.筆者雖然努力嘗試閱讀相關技術文章,但由於學藝不精,難免有誤解之處,如有錯失,煩請指正。

參考:
《Mastering the Game of Go with Deep Neural Networks and Tree Search》from Nature issue 529 (Jan 2016)
《AlphaGO的分析》田淵棟 http://zhuanlan.zhihu.com/yuandong/20607684
《Neural Networks and Deep Learning》Michael Nielsen http://neuralnetworksanddeeplearning.com/

PermaLink: https://articles.zkiz.com/?id=188765

李世石戰勝AlphaGo 下出“神之一手”

來源: http://www.yicai.com/news/2016/03/4761069.html

李世石戰勝AlphaGo 下出“神之一手”

一財網 劉佳 實習記者高歌 2016-03-13 17:15:00

整盤棋最關鍵的轉折點發生在下午約2點42分左右,李世石第78手下出妙招。這被在騰訊直播間解說的古力九段稱作“神之一手”。

3月13日,丟掉了總比分包袱的李世石,為“人類智慧的最後一塊高地”挽回尊嚴。

在經過了4個多小時對弈,李世石最終贏得了比賽。整盤棋最關鍵的轉折點發生在下午約2點42分左右,李世石第78手下出妙招。這被在騰訊直播間解說的古力九段稱作“神之一手”。

“這步棋頂出了AlphaGo接下來的很多損招,李世石九段真正的勝負實力也完全體現出來了。”古力評價。

古力同時稱,通過這盤棋可以發現AlphaGo的弱點在於“虛的地方的判斷”,也許是因為在虛的地方電腦也無法窮盡所有變化,所以會出現一些失誤。

而在北郵教授劉知青則評價:“任何棋類的邏輯性都很強,蒙特卡羅樹搜索存在隨機性的時候無法找到真正的必然性。如果是連環劫,機器在現有方法里還是很難達到人類水平,目前還沒有出現連環劫的局面。”

接下來,李世石將首次以勝利者的姿態出現在賽後的新聞發布會上。

事實上,就在前一天的第三場比賽輸給AlphaGo後,李世石曾在發布會上表示,第1局非常難,因為他對AlphaGo沒有任何了解。第2局也有些機會錯過。對於第3局,李世石表示,雖然他有很多大賽經驗,但從來沒有感到這麽緊張。

“真正能評判我與AlphaGo的實力,還是要看第4、5局的內容。”李世石總結道。

而在被問到是否覺得AlphaGo在圍棋造詣已經遠超人類時,李世石並不這麽認為:“AlphaGo很強,但它並不是完美的,不能說他完全超出了人類棋手的能力。擊敗了李世石並不能說它擊敗了整個人類。”

而對AlphaGo背後Deepmind團隊來說,攻克圍棋僅僅是第一步。Deepmind創始人Demis Hassabis在此前接受The Verge采訪時透露, AlphaGo僅僅是谷歌人工智能項目的一個分支。在未來,Deepmind主要目的是“用人工智能解決一切問題”,並將進一步探索人工智能在醫療、機器人以及手機等多個領域的應用。

編輯:陳姍姍

更多精彩內容
請關註第一財經網、第一財經日報微信號

PermaLink: https://articles.zkiz.com/?id=188836

除了AlphaGo,谷歌還有哪些牛逼哄哄的黑科技

來源: http://www.iheima.com/news/2016/0313/154668.shtml

導讀 : 谷歌的利潤年增速一直在10%-20%之間,這一增速並不出彩,但是谷歌的估值卻從04年上市以來上漲14倍。

昨天下午

人類代表李世石總比分0-3輸給了阿爾法狗

“人機世紀大戰”以人類完敗而告終



 

昨天也是世石歐巴結婚十周年紀念日

讓這場失敗更顯悲壯

鏟叔也很受傷

(這三天白特麽懷挺了)

 

 

媒體給這次人機大戰一個特別燃的口號

“方寸之間,世紀之戰”

其實回顧人機之間的“恩怨”

真的可以推到上個世紀



 

19年前,來自IBM的“深藍”計算機在國際象棋場上

首次擊敗人類

這成為AI戰勝人類的第一個標誌性事件

但是賽後,IBM宣布“深藍”退役

而今天,來自谷歌的的“阿爾法狗”

再次在圍棋場上戰勝人類

無疑將成為又一個標誌事件

 

 

相隔19年,從象棋到圍棋

“阿爾法狗”要比“深藍”牛多少?

來看一張圖

 

象棋和圍棋的分析對比圖

 

圍棋以變化繁複著稱

棋盤上的可能局面數量達3的361次方

每一個落子後大約有200種可能的走法

而國際象棋只有20種

因此圍棋所有的可能性相加起來

比宇宙中的原子數還要多

 




而能在圍棋場上大展身手

“阿爾法狗”的開發難度不難想見

但如此高難度的黑科技

只是谷歌眾多黑科技中的一小部分

今天鏟叔就帶大家來看看

你谷那些牛逼哄哄的黑科技

 

 一、可以“重新站起來”的機器人


Atlas(阿特拉斯)機器人來自Google 旗下

一個軍用機器人公司波士頓動力(Boston Dynamics)

今年2月底新機器人發布

一些更牛的技能上線:

抗打擊、做家務、金雞獨立



 

這些他被虐的圖片

來自他的發明者——BD項目組的科學家

平衡感驚人的Atlas

必將開啟機器人的一個新時代


 

 

 


二、可以讓“全世界”連網的熱氣球

Project Loon氣球項目

來自Google最神秘的部門Google X

該項目在2013年推出

谷歌希望通過熱它讓網絡覆蓋到任何地方

而其最具價值的應用場景是

天災過後為災民提供網絡支持


三、可以“獨自上路”的無人駕駛汽車

Teller算得上是Google X實驗室最知名的作品

在2012年,開發者便宣布該項目成功

因為那時的“小汽車”已在路上獨自行駛上百萬公里

沒有發生一起事故



 

但是就在2月14日

無人駕駛汽車在加州山與一輛公交車發生碰擦

谷歌公開表示

這次事故無人駕駛汽車需要承擔一定的責任




這是谷歌無人駕駛汽車

首次發生需要擔責的事故

而這次事故可能給無人駕駛技術帶來負面影響

四、可以“自己送貨”的無人駕駛飛機

Project Wing的開發目的是

通過無人駕駛飛機取代人工郵差

谷歌已經在2014年遞交的專利申請

根據專利中的描述

這個無人駕駛飛機等的工作方式如下:

無人機用絞盤將包裹傳遞至地面中的微型機器人

這些機器人再將包裹運送到一個安全的目的地

五、可以實現空氣打字的

 近日一位工程師亞歷克斯•布拉沃(Alex Bravo)

公布了一段視頻

演示了利用Project Soli傳感技術

在手機上實現空氣打字

視頻中可以看到他在空中揮動手指

便可以實現快速的字符輸入

而整個過程並不需要接觸屏幕

他將這種利用Project Soli原型設備稱為“Twiddle”



 

谷歌的Project Soli是其正在研發中的

用於可穿戴設備的手勢操作感應技術

自去年Google I/O 2015現場公布了Project Soli

我們第一次真切的看到技術原型機


-----------我是阿爾法狗雇來的分割線-----------


其實我們並不懼怕贏了人類的“阿爾法狗”

我們應該恐懼的是AI機器人背後

孜孜不倦追求高科技的谷歌


有人說

谷歌是一家只有10%的人在賺錢

其余90%的人都在“胡思亂想”的公司




谷歌的利潤年增速一直在10%-20%之間

這一增速並不出彩

但是谷歌的估值卻從04年上市以來

上漲14倍

美國人從不吝嗇給谷歌高估值

因為全世界都知道

谷歌的“異想天開”

在推動人類的進步




前幾天

有人在微博上開玩笑

“谷歌搞了個AI,百度搞了外賣

笑過之後

我們應該陷入反思

何為偉大公司的意義?

鏟叔想說

偉大的公司應該長這樣!

 

PermaLink: https://articles.zkiz.com/?id=189053

擊敗棋王的AlphaGo之父

2016-03-21  TCW

韓國「棋王」李世與人工智慧AlphaGo對弈,該系統創造者哈沙比斯(Demis Hassabis)也在現場觀戰。這位AlphaGo之父曾被《衛報》譽為「當代最聰明的人」,他的經歷完全無愧這個稱號。

如今已不惑之年的哈沙比斯出生在倫敦,他的東方臉孔來自母親─她是中國與新加坡混血。哈沙比斯四歲就開始下國際象棋,十三歲就拿下大師頭銜,兩年以全A成績完成中學學業。不過他真正興趣是人工智慧,八歲時他用象棋比賽獲勝獎金買了一台電腦後,就對其著迷。後來他在英國劍橋大學讀電腦科學,以雙料第一級榮譽畢業。之後轉向認知科學,在倫敦大學學院(UCL)讀博士時,他發表論文證明「想像來自經驗」,二○○七年《科學》期刊將其選為年度十大科學突破。

後來哈沙比斯成立一家「深心」(DeepMind)公司,被Google以四億英鎊收購,這是Google史上在歐洲最大筆收購。雖然他開發人工智慧,其本意卻是要提升人腦效率。就如車子讓我們跑更快,「電腦能讓人腦更有效的運轉。」

電腦打敗棋王早有先例,一九九七年IBM開發的「深藍」(Deep Bue),就打敗當時棋王卡斯帕洛夫(Garry Kasparov),但哈沙比斯稱程式早巳預先設定「深藍」的行為。他理想中的人工智慧,要比人腦更快從過去經驗學習,這可應用在氣候變遷、金融市場分析,這些現象的局限條件太多又變化太快,超過人腦極限,人工智慧就可填補此空缺。

在哈沙比斯看來,凡是無助提升人腦效率的活動,都是浪費。他和《金融時報》記者去米其林餐廳吃飯,當場用手抓起豬肋排嚼,並稱天天吃飯「還不如做其他更有效率的事。」他說自己沒耐心只做一件事,「若我是運動員,我會選十項全能。」他每晚十一點開始他的「第二天」:用Skype和美國同事對話到凌晨一點,再沉思到三、四點。

「我連耶誕節都在工作。」他辦公室房間也全以柏拉圖、亞里斯多德、費曼等智者命名。

十九世紀著名小說《科學怪人》,哈沙比斯讀過好幾遍,他自稱是該書作者粉絲,一些人因此諷刺他像書中的瘋狂科學家。雖然哈沙比斯曾稱他的系統絕不會用於軍事——這也是當初他賣給Google的條件。不過著名的物理學家霍金曾擔心,人工智慧最後將毀滅人類自己。

如中國經濟學家胡釋之所說,李世頁和AlphaGo。對戰,李世頁知道自己為什麼比賽,AlphaGo不知道,「沒有自己的目的,終究還是人的工具。」哪天哈沙比斯的人工智慧若有自己的目的,控制它的人想贏,它卻自作主張要輸,這才是人類的末日。

撰文者楊少強

PermaLink: https://articles.zkiz.com/?id=190166

AlphaGo的哲學啟示

2016-03-21  TWM

科技取代人,已進入倒數階段;好在除了智能,人還有善與美的成分;而科技已經落後,還不斷戕害自己良知與美感的社會,又該何去何從?

圍棋程式AlphaGo擊敗曾獲十餘次世界冠軍、韓國職業九段棋手李世石,將「科技終將取代人」的恐懼往前推進了一大步。科技比人強,已非新鮮事,從斧頭、弓箭發明之際就開始了。今天,汽車比人快,大家認為理所當然;但當某天整個國家的交通都由無人車取代時,人們則將陷入「被外勞入侵」的恐懼。

Google說,若窮盡圍棋步法的可能排列組合,數字會大於今天人類所了解的宇宙中的原子總數,因此窮盡法不是競爭的選項。AlphaGo的每一步,因而採用戰術和戰略不斷交互衡量的決策過程,前者稱之為「策網」(Policy Network),判斷眼前的利害,後者稱之為「略網」(或價值網,Value Network),判斷因落子點而影響的局面利害。

Google沒說的是,它的勝利基於一個假設:對手是「人」。換句話說,如果讓AlphaGo 1和AlphaGo 2對決,就更有可觀之處了。中國是圍棋大國,各方提出極為犀利的評論。某圍棋高手認為,第一局中,直到第九十二手,AlphaGo的表現只能說是中規中矩;但作為「人」的李世石,開始用其天下無敵的「殭屍流」技法:「既然雙方都無法窮盡變化,我就用自己的錯誤來逼對方也犯錯,只要逼對方犯下比我更大的錯誤,最終我就會贏」,這是用自己精心算計的小瘋狂激出對方大瘋狂的詭道。但這次對手不是人,而是沒被植入瘋狂基因的機器,李世石終石在一百八十六手棄子投降。

Google已經暗示,AlphaGo的底層哲學,將為接下來的無人車交通系統、基因生技、物聯網等種種智能產業打下基礎,想像空間極其巨大。

科技取代人,已經進入倒數階段;人口、教育,甚至創新力的競爭,也將由人對人、人對科技,進入到科技對科技的階段。

好在人這種動物,除了智能,還有善與美的成分,由此可以推斷,一旦某個社會不管因為什麼原因,人們的良知與美感下降到臨界點,即使科技水平當時不輸別人,這個社會在未來的地球上就算是出局了。何況一個科技已經輸別人,還不斷戕害自己的善良心與美感的社會?

撰文 / 范 疇

PermaLink: https://articles.zkiz.com/?id=190196

AlphaGo學習人類策略:人工智能下一步是理解人類

來源: http://www.iheima.com/space/2016/0324/154843.shtml

導讀 : 理解人類,這對於巨頭們的想象空間在於,基於用戶需求的商業決策會因此更加精準。

谷歌人工智能AlphaGo早在今年1月28日,以5-0的成績擊敗歐洲冠軍職業圍棋二段選手樊麾,人工智能將取代人類大腦的爭論又一次成為人們熱議的話題。時隔2個月,谷歌AlphaGo再戰韓國九段圍棋高手李世石,引發眾多輿論波蕩。截止目前為止, AlphaGo已連贏兩局,不僅讓李世石毫無掌控棋局之力,也將人類大腦逐漸逼上絕路。

AlphaGo勝在大數據與深度學習的技術優勢:沒有人性的弱點

關於李世石為什麽會輸,業界存在諸多看法。其中一種看法是認為人類相對於機器,更容易受到情緒的幹擾而導致犯錯,而機器卻沒有情緒波動。然而,事實上,AlphaGo勝出源於做到了“知己知彼”,谷歌利用大數據與深度學習的技術優勢為AlphaGo構建了一套策略網絡,機器通過深度學習能力,模擬人腦的機制來學習、判斷、決策。即AlphaGo可以從大量的棋譜和對局中學習策略,形成一套落子決策判斷與數據解讀的能力體系,讓其在沖殺狀態下懂得一套試探與引導的能力,最終成功擊敗人類棋手李世石。

巨頭正在試圖通過人工智能攻克最後一座堡壘:理解人類和語言

從AlphaGo連贏人類九段棋手李世石中,我們可以看到,人工智能神經網絡的前景在於它在不斷縮小機器和人類之間的差距,而且隨著技術開發者的跟進,人工智能將會對理解人類語言,揣摩人類情感。比如我們看到的,紮克伯格曾定下2016年的個人目標,即創建一個類似《鋼鐵俠》中的人工智能助手。“我開始準備了解現有的技術,並將教會人工智能助手理解我的語音,讓它學會控制家中的一切,比如音樂、燈光、溫度等。我還計劃教會助手識別朋友們的面孔,當朋友們按門鈴時,它會讓他們進入。”紮克伯格在其Facebook個人主頁中寫道。

理解人類,這對於巨頭們的想象空間在於,基於用戶需求的商業決策會因此更加精準。人機對戰讓我們看到,推理、判斷、分析問題等功能處理之外,識別人的情感與情緒與對人的語言理解力將是未來發展的高地。圍棋大戰,只能體現出,在封閉規則的計算領域,機器比人類聰明得多,因為我們的心算能力本身與計算器相差甚遠;但是思維、對話、情感等都是不確定的。而前面說到,機器沒有情緒,只有它懂得了人類的語言,逐漸了解人類表達的意思甚至是情緒,才意味著人工智能達到了更高的領地。

而語音搜索,則是打開人工智能進階大門的鑰匙。百度的語音搜索,就是多種人工智能技術整合起來的典型應用,包括語音識別、自然語言處理,因為它比下圍棋這種單一任務、封閉規則的任務要複雜得多。語音搜索借助核心的自然語言處理技術(NLP),通過典型的多輪對話交互模式,逐步理解人類語言和意圖,並提供需要的信息。

語音搜索的結果不僅能提供聚合的數據,還會通過語音播報,將用戶從輸入文字的桎梏中解放出來,為中老年用戶提供方便。從上面的例子看出,搜索引擎能夠通過多輪對話的方式,聯系用戶的上下文,準確地通過用戶的語言,理解真實的搜索需求,一步步給出相應的反饋。除此以外,搜索結果是基於對數據的挖掘和聚合呈現,通過數據為用戶決策提供依據。說白了,就是機器將可以通過語音“理解”人類的真實意圖,在大數據基礎上提供智能的交付,滿足需求。而且,通過背後的機器學習技術搜索引擎還具備像人類神經網絡一樣的深度神經網絡,吸取人類語料數據,就是具有學習進化的能力。

談到語音技術,除了谷歌在該技術上地不斷優化,使用上下文、物理定位及其他方式對談話者的真正含義進行預測之外,百度度秘則更是基於二者技術的人工智能產物,並寄托了連接人與服務的生態構想。度秘可以在廣泛索引真實世界的服務和信息的基礎上,依托搜索及智能交互技術,不斷學習和替代人的行為,為用戶提供多樣化服務。例如:可以實現“幫我訂一張適合小孩看的電影票”、“餐廳附近有沒有寵物美容店”等一系列的多輪對話、預定等任務。百度此前認為,與同為支持語音、文字交互的微軟小冰、蘋果 Siri 相比,度秘有著更為突出的特性,包括語音識別技術與更為核心的自然語言處理技術(NLP),當機器獲得人說的話之後就需要進行理解,而自然語言處理(NLP)技術是不斷去分析用戶搜索意圖,通過反複學習與大數據分析,更為高效地幫助用戶做出決策。

BAT人工智能的“軍備競賽”:百度技術帝國初具模型

在全世界範圍內人工智能的“軍備競賽”對抗中,在國內,以BAT為代表的互聯網巨頭已在人工智能領域不斷的嘗試,而在BAT三家中,探索人工智能發展方面,百度更為積極,這與其主營的搜索業務與技術基因相關。移動搜索時代,百度更需要大規模機器學習和深度學習為基礎的人工智能在搜索引擎中的應用,優化搜索業務來推動各項業務的協同發展。

所以,百度也一直在政策層面推進人工智能技術。梳理最近幾年的兩會提案就會發現,李彥宏在去年的兩會中提出的“中國大腦”以及今年提到的為無人車立法提案。百度積極推動無人車政策落地,也基於通過無人駕駛項目推動自身搜索業務有更多想象空間,資料顯示,百度無人駕駛車項目於2013年起步,由百度研究院主導研發,其技術核心是“百度汽車大腦”,包括高精度地圖、定位、感知、智能決策與控制四大模塊。

之所以國內唯有百度在無人車領域展開了布局,緣於其支撐圖像識別技術與語音等技術的融合推進,百度研發出了基於多層單向LSTM(長短時記憶模型)的漢語聲韻母整體建模技術,該技術能夠使機器的語音識別相對錯誤率降低15%,普通話語音識別的準確率接近97%。圖像技術的積累可以輔助無人車更為精細的判斷交通路況,利用無人車這個入口,在萬物物聯與共享經濟之外,關鍵在於解放了人的雙手,進一步可以實現諸如語音搜索音樂、閱讀、視頻,以及O2O的訂位、餐館預訂等功能。可以看出,百度更加註重將技術融於產品中,快速實現商業化。

這里看出,百度與谷歌的探索不同,谷歌的探索帶動研發成本無止境的提升,但許多黑科技項目卻又看不到盈利來源,比如Google去年在研發方面的投入更飆升了38%,遠超過了谷歌19%的收入增長率。同時隨著Google Glass等項目的受挫,Google的投資者開始要求更快的投資回報率,谷歌的廣告營收壓力增長。相對於谷歌的探索,國內以百度為首的人工智能的布局與探索則聚焦於連接人與服務的戰略方向,或更具備商業化落地的示範效應。比如說,人工智能早已成為百度未來營收增長頗有想象空間的一部分。

人工智能的背後是規模化的硬件支撐:創業者慎入 巨頭需加碼

盡管人工智能是未來互聯網的發展方向,但人工智能的推動背後是一套人工智能算法,需要規模化的雲計算中心、IDC、等硬件支持。這很顯然並不是創業者短時間能力所能及的事,以百度目前正在推進一個名為“百度大腦”的項目為例,這是一個利用計算機深度學習模擬人腦的項目,但在這背後,需要十幾座雲計算中心、規模化ARM服務器、並行GPU等支持生成、配合針對不同應用和場景的網絡結構,從而為人工智能提供有力的硬件支持。有業界人士指出:”依賴於雲端大規模計算資源的人工智能算法限制著人工智能在消費者場景的應用 “因此,人工智能在國內推進與發展的重任很顯然還是落在BAT等互聯網巨頭身上。

在目前國內巨頭投資布局圖譜中,我們看到除百度之外,更多巨頭的布局僅在於針對競爭對手進行卡位與產業鏈布防,合眾連橫擴張版圖爭奪現有市場,巨頭們也是時候開始轉變下主力布局方向,重度思考人工智能未來的發展了。

前瞻性科技優勢往往可摧毀陳舊的商業模式

而關於AlphaGo戰勝李世石引發了業界恐慌,人工智能是否如科幻電影一樣不受控而威脅人類成為多數人的憂慮點,也就是說,人工智能若能通過“給自己編程序”來進化將很可怕,不過這從計算機編程的原理上來看,還不可能。人類能夠設計出出打敗自己的機器,我想這歸根結底是人類的智慧。

總的來說,圍棋人機大戰,機器獲勝,這意味著人工智能技術在快速發展,或能引領未來新一輪產業創新與變革。科技大勢總是在往前推進,對於互聯網公司而言,與其探討人工智能是否會威脅人類,是否應該切入這一領域,不如先擔憂誰已經在前瞻性科技上的商業化落地與場景應用中已經越走越深。要知道,居高臨下的前瞻性科技優勢往往可摧毀陳舊的商業模式。而在人工智能方面,以百度為首的互聯網巨頭正在深度落子布局或將引導國內人工智能技術發展的方向,驅動更多的科技巨頭開始註重在前瞻性科技領域布局卡位,未來國內巨頭與矽谷在人工智能方面將如何展開軍備競賽,可能成為人們關心的話題,而企業的戰略和人的眼界一樣,能看多高,能走多遠,眼界決定未來的路。

PermaLink: https://articles.zkiz.com/?id=190317

AlphaGo確認將挑戰星際2 谷歌與暴雪溝通中

來源: http://www.yicai.com/news/2016/03/4767219.html

AlphaGo確認將挑戰星際2 谷歌與暴雪溝通中

新浪體育 2016-03-28 08:49:00

據遊戲媒體報道,日前,暴雪娛樂制作總監Tim Morten在WCS中國站決賽上表示,AlphaGo確認將挑戰《星際爭霸2》,但谷歌目前正在和暴雪溝通,具體細節還沒有確定。

據遊戲媒體報道,日前,暴雪娛樂制作總監Tim Morten在WCS中國站決賽上表示,AlphaGo確認將挑戰《星際爭霸2》,但谷歌目前正在和暴雪溝通,具體細節還沒有確定。

“AlphaGo”日前可是吸引了全世界網友的關註,甚至有不少遊戲粉絲表示戰勝圍棋不算什麽,他們希望這款人工智能下一個對手是《星際爭霸2》,畢竟這款RTS的上手難度相當困難,想要戰勝談何容易。

對此前AlphaGo將挑戰《星際爭霸2》人機大戰的傳聞,Tim做出了肯定的答複。確實有這樣的事情。谷歌和暴雪還在溝通。具體細節還沒有確定。至於哪個玩家能代表人類出戰AlphaGo,Tim表示具體人選還不確定。但我們希望是一個能代表《星際2》最高水平的冠軍選手來接受這次挑戰。

問:阿爾法狗會挑戰《星際2》是真的嗎?如果是真,您覺得哪邊會贏?

答:是真的!谷歌很有興趣下個挑戰《星際2》項目。《星際2》的特點是你無法提前看到下一步,所以我覺得人類會有優勢。

問:阿爾法狗細節有定嗎?有時間計劃了嗎?誰會代表人類出戰

答:谷歌還沒有確定但是在和暴雪保持聯絡。後續細節還都沒有確定。至於哪個玩家能代表但他希望是一個能代表星最高水平的冠軍。

《星際爭霸》(StarCraftⅡ)是由暴雪娛樂在2010年7月27日推出的一款即時戰略遊戲,是《星際爭霸》系列的第二部作品。遊戲以三部曲的形式推出,即《星際爭霸Ⅱ:自由之翼》(Wings of Liberty)、《星際爭霸Ⅱ:蟲群之心》(Heart of the Swarm)和《星際爭霸Ⅱ:虛空之遺》(Legacy of the Void)。

遊戲結構類似於《星際爭霸》,主要的遊戲技巧著重在資源上,玩家用采集的資源建造不同的建築、軍隊並進行升級。

編輯:姚逸霄

更多精彩內容
請關註第一財經網、第一財經日報微信號

PermaLink: https://articles.zkiz.com/?id=190640

李開複看AlphaGo:兩年看保守,十年樂觀

來源: http://www.yicai.com/news/2016/03/4766968.html

李開複看AlphaGo:兩年看保守,十年樂觀

一財網 王思琪 2016-03-27 15:35:00

AlphaGo會否帶領新一波人工智能投資浪潮,李開複認為AI的價值在長期,短期內不會有太大爆發:“我對十年特別樂觀,大部分工作會被AI取代,但是從兩年維度來看傾向保守,技術積累以及平臺形成需要時間。”

AlphaGo在圍棋上擊敗人類選手,令AI人工智能再次成為人們關註重點。為此,著名投資人李開複也拜訪老東家谷歌詢問AlphaGo背後的技術基礎。

AI領域在這幾年經歷跌宕起伏,其技術原理就是利用特殊的神經網絡系統。通過該系統,AlphaGo擁有大數據學習能力以及自我學習能力。也就是,機器能夠通過大數據搜尋“掌握”認知學習能力,同時,從棋譜中,訓練圍棋的線路對戰能力。

“這里面的基礎技術十年前就有。”在李開複看來,AlphaGo之所以有突破性在於三點,:“第一,自我叠代的巨大數據量;第二,巨大的計算量,AlphaGo的計算技術比世界上其他的技術具有更大價值、深度學習。”李開複表示,AlphaGo智能學習系統是谷歌聘請15個世界頂尖深度學習專家花費兩年時間完成。“具有這種能力在任何可理解領域里都能做出巨大貢獻。”而如今的人工智能只要具備這三點就能夠解決日常問題並且具有商業價值。

至於AlphaGo會否帶領新一波人工智能投資浪潮,李開複認為AI的價值在長期,短期內不會有太大爆發:“我對十年特別樂觀,大部分工作會被AI取代,但是從兩年維度來看傾向保守,技術積累以及平臺形成需要時間。”

 

編輯:劉佳

更多精彩內容
請關註第一財經網、第一財經日報微信號

PermaLink: https://articles.zkiz.com/?id=190664

比AlphaGo更聰明 人工智慧全面進化 最新趨勢》它幫你理財、教你行銷 還有想像力

2016-04-11  TWM

當機器可以做出接近人類的判斷,將出現許多大商機:即使只投資一百元,也有理專為你服務;人工智慧能看懂你的照片,猜出你的需求;機器人盤點庫存,不只比人工便宜,還將成為最強的庫存管理系統。

Betterment 讓小錢也能有效投資機器人理專代勞 讓你躺著多賺4.3%

想像一個畫面,全美國業績成長最快的理專排排站,拿到第一名的,竟是機器人。

這個機器人雖然不會跟你握手寒暄,卻從不休息。它不但比當前網路銀行基金投資服務聰明,也比理專收費低廉。美國媒體把這種網路理財建議服務,稱為機器人理專。

美國投資部落客馬斯特克,把十萬美元交給機器人理專,今年前兩個月,機器人理專就替他省下七千美元的所得稅。「當你在忙其他事的時候,電腦隨時在替你觀察市場動態。」他對這樣的服務表示滿意。

過去一年,機器人理專在美國快速成長,貝萊德、高盛、嘉信(Charles Schwab)等大公司,都跳進了這個市場。「這是現在最熱門的Fintech(金融科技)服務。」《財星》(Fortune)雜誌如此形容。

Betterment是目前機器人理專公司當中,成長最快的領頭羊。三月二十九日,這家公司剛完成新一輪融資,整家公司的市值達到七億美元,比去年成長四成;過去一年,這家公司的客戶人數從五萬人增加為十五萬人;過去兩年,他們管理的資產總額成長七五○%,同一時期,美國的資產管理市場,是以每年八%的速度成長;這家公司的營收,已達九百萬美元。

它,怎麼幫你管錢?

「每個帳戶後面都有數百個程式隨時在運作。」Betterment公關總監齊默(Joe Ziemer)說。他舉例,當你把錢放進Betterment帳戶,程式會自動幫你檢查稅務狀況,給投資建議時,主動尋找對你稅務負擔較輕的投資方式。

「我們會檢查你的投資組合裡,即將領到的股利。」他說,入帳後,系統會自動按照你原本設下的投資原則,買進股票或債券,讓錢滾錢。他說,Betterment還會用程式,預測每家公司的未來獲利狀況,如果機器人理專發現你投資的公司獲利大幅下滑,會自動幫你搶先把股票賣出。

沒有金額限制 手續費又低

這家公司的出現,來自創辦人史坦(Jon Stein)在哈佛大學上經濟學時,教授的一句話:「最理想的投資組合之一,就是接近市場指數的投資組合(Market Portfolio)。」史坦說。

即使上過哈佛經濟學課程,史坦的第一檔投資卻是慘賠,「作為新手投資人,我以為我可以表現得比大盤更好。」他用自己課堂所學,尋找投資標的,選上安隆,沒想到安隆後來爆發財務醜聞,二○○一年,這家公司宣告破產,他的投資也付諸東流。

這次投資經驗讓他發現,人性是不理性的,以為自己有能力打敗大盤;事實上,更多的人往往連研究投資標的的時間都沒有。他認為,投資者應該少花點時間選股,這些事讓電腦來做,他因此成立Betterment。

Betterment的服務很容易上手,只要上網填幾個問題,讓網站了解你的年齡、計畫何時退休,和風險承受能力之後,就會由雲端服務接手,自動幫你配置投資股票和債券的比例;同時也提供手機和網站服務,投資人可隨時確認自己的投資和儲蓄狀況。

Betterment的服務門檻低,是機器人理專能夠很快廣被接受的主要原因。以前,投資人起碼要有三萬,甚至十萬美元,才有機會得到理專的投資建議;但Betterment的機器人理專顧問服務,沒有任何金額限制,即使只有新台幣一百元,也能開戶。

傳統理專服務要收約一%的服務費,但Betterment卻規定,一萬美元以內只收○.三五%的費用,是傳統理專的三分之一。金額愈高,手續費愈低。

《華爾街日報》採訪二十九歲軟體工程師Ed Lee,他把六萬美元交給機器人理專投資,還計畫從薪水中定期定額扣款投資,機器人理專就會按照預設的原則投資。「這個服務最好的地方,就是你投資之後,很多瑣碎的細節就不用再操心了。」Ed Lee說。

原本,因為他所投資的錢不多,很難找到投資顧問提供諮詢服務;過去,他得自己追蹤資產狀況,自己判斷風險;若想時時按照獲利狀況、稅務規定調整投資結構,所有工作都得自己來。現在,這些原本他自己該做的事,都交給機器人理專!

有了雲端服務,投資人大可放心實行懶人投資法,這正是Betterment這家公司的最大商機。史坦向投資人喊話,有錢別放在銀行帳戶裡,「那是增加你的財務風險」。Betterment追蹤比較,發現投資人使用他們的投資服務,與自己操作的績效相比,同一筆錢的投資報酬會增加四.三%。

這背後有精明的商業算盤,當機器人理專讓投資成本大幅下降後,能讓原本因為金額太小、無法投資的資金進入投資市場。花旗銀行曾在數位理財顧問報告中估計,這個市場規模將達五兆美元,但即使是Betterment公司,現在管理的資產規模也只有四十億美元。這是一塊全新的大商機,也可能是傳統理專轉型的序曲。

Vicarious 讓電腦學會探索世界它要複製人腦 馬斯克罵得凶

投資更凶「我們在召喚惡魔。」一四年,特斯拉創辦人馬斯克(Elon Musk)在麻省理工學院演講中說,人工智慧技術將是全人類面對的最大威脅。

諷刺的是,馬斯克也是全球頂尖人工智慧公司的主要投資者。他投資的兩家公司,一家是DeepMind,後來被Google購併,DeepMind所開發的人工智慧系統AlphaGo,最近才因打敗圍棋九段高手而聲名大噪;另一家則是DeepMind最主要的競爭對手Vicarious。

Vicarious的企圖心比DeepMind還要大,Vicarious,這個字的中文意思是替身。「他們的目標,是複製人類的大腦。」《華爾街日報》 專欄作家艾伯戈提(Reed Albergotti)觀察。現在,其他人工智慧公司一次只能針對一種功能,設計人工智慧功能,下圍棋用的人工智慧軟體,不見得能用來辨識照片;但Vicarious卻希望設計出能像人腦一樣,解決所有問題的人工智慧軟體。「你只要能解決這個問題,就等於解決了所有問題。」Vicarious公司創辦人菲尼克斯(Scott Phoenix)說。

這家公司的投資者名單,全是美國高科技產業的巨星,包括臉書創辦人祖克柏、亞馬遜創辦人貝佐斯、Paypal創辦人泰爾(Peter Thiel),以及韓國的三星電子。一五年,世界經濟論壇把這家公司選為當年的科技先鋒企業。

Vicarious的首席科學家李飛飛,是史丹佛大學人工智慧實驗室與視覺實驗室的負責人,她解釋,現在的世界,雖然到處都有攝影機,電腦卻無法分辨圖片的意義,但這些,一個三歲的小孩,都能輕易做到。

她以貓的照片舉例,要教電腦認得一隻貓,以前的方法是要畫出貓的模型,當電腦發現照片裡的動物形狀和預設的模型類似時,才能認得畫裡有貓。萬一,貓只露出兩隻耳朵,電腦就認不出來。

她再拿出自己兒子的照片解釋,這張照片拍下她五歲的兒子看到桌上蛋糕興奮的表情,就算電腦認得照片中有個男孩,桌上有個蛋糕,也無法分辨這是義大利人復活節才會做的蛋糕,更沒辦法分辨小男孩臉上露出看到蛋糕的興奮表情。

她發現,電腦缺的其實是記憶。從○七年開始,她啟動ImageNet計畫,把網路上數以億計的照片全倒入人工智慧系統裡,像教一個剛出生的嬰兒一樣,教它看各式各樣的照片。○九年,這個系統裡,光是貓的照片就有六萬二千多張。

現在,電腦不只能認得照片裡的主角,甚至還能開口解釋照片裡的主題;如果想愚弄人工智慧系統,丟一張鱷魚頭鴨子身的動物照片,這個系統還會謹慎地回答,「照片裡有隻動物」。

看起來,與DeepMind訓練電腦下棋的邏輯差不多,但這幾年,這家公司開始挑戰比DeepMind更難的項目:給電腦想像力。

解讀照片內容 送上精準廣告一四年,Vicarious向《華爾街日報》展示他們新開發出的功能,讓電腦看一系列牛的照片後,再讓電腦創造出一連串牛在奔跑的圖片;電腦不只模仿人類給的經驗,還能推斷牛怎麼奔跑,畫出全新的圖像。一三年,這家公司就宣布,破解網路上用來辨識人工智慧的驗證系統,「破解成功率高達九成」。

臉書計畫用Vicarious這套人工智慧,大幅改造社群網站的服務。

當電腦能看懂照片的內容,甚至解讀照片代表的喜、怒、哀、樂,臉書的人工智慧就能從使用者張貼的照片,知道你沒說出口的需求,例如最近是不是剛剛愛上露營,還是家裡多了一個小孩,藉此送上更精準的廣告。

臉書甚至可以推出比Siri(蘋果手機語音助理)更好的人工智慧助理服務,當你想尋找朋友去年生日宴會的照片,你可以開口要臉書的人工智慧助理代勞;甚至還能問臉書,幫你找出她笑得最開心那一張照片,或是找出她最愛穿的衣服是哪一件。

Vicarious曾公開表示,他們的人工智慧技術能創造「進階版的Siri」,不但能幫你訂機票,也能運用這套辨識技術,來看護病人、預測病人是否會發生突發狀況,甚至協助在救災現場尋找生還者。「這是歷史上第一次,人類,不再是唯一能探索世界的物種。」李飛飛說,數以萬計不睡覺的攝影機,將會具備判斷意義的能力。

人工智慧會影響人類嗎?Vicarious已經公開表態,「人工智慧技術不能用在戰爭上。」但美國媒體報導,美國政府早已啟動類似的人工智慧計畫,讓機器自動判讀網路上每一張照片的意義,蒐集情報。

人工智慧現在或許還在發展初期,但這些公司每進一步,機器的判斷能力就會增加一點。你不能輕忽這些公司的動向,他們的發展將可能改變這個世界。

Simbe 讓賣場不再為庫存煩惱機器人不但會點貨 還能教你怎麼賣

準備好與機器人當同事了嗎?

三月二十二日,我們在舊金山的Simbe Robotics公司裡,見到了全世界第一台超市機器人Tally。

這台機器人能取代超市盤點人員的工作,自動在賣場裡盤點貨架上的商品,哪些已經賣光,或只剩一包,哪些則有大批庫存還沒賣完。甚至,連產品放錯貨架,Tally都能發現。

生產Tally的Simbe Robotics公司執行長布格利(Brad Bogolea)說,去年十一月開始,已有「名列北美前二十五大零售商的公司」,開始採用這台機器人。目前有五十家門市開始讓Tally負責盤點工作,這只是開始,「明年會開始大規模部署」。

他不願直接揭露哪些公司已經引進這個機器人服務, 但他分析,每一家美國中小型的零售店內,平均有一萬到一萬五千項商品在銷售,平均每個星期店員要花二十五小時盤點,但Tally只要二十五分鐘。

大一點賣場如沃爾瑪(Walmart),每周平均要花一五○到三百小時的人力盤點商品,他分析,以最低工資每小時十五美元時薪計算,這些賣場每周就要花掉四千五百美元盤點成本。目前,他的機器人只租不賣,基本收費不到人力盤點成本的一半,而且準確度更高。

「人工盤點的正確性,約只有六成。」布格利說,「這台機器人辨識正確率,達到九五%。」當你把這台機器人放進賣場,它會先四處走動,繪製出標示賣場裡每個貨架、物品位置的完整地圖,「誤差只有兩公分」。

賣場採用機器人 業績成長四%接著,機器人會啟動攝影鏡頭,拍照上傳雲端,讓雲端的人工智慧自動判斷每一張照片裡,貨架上的產品是多還是少。透過人工智慧辨識,當機器人繞完一圈賣場後,貨架上的貨品狀況就會變成報表,即時傳到店經理的電腦。

「我們公司的核心能力,其實是軟體和資料分析服務。」布格利說,他的企圖心是要改變整個零售業管理庫存的方式。

他分析,現在零售業大多還停留在用氣溫作為管控進貨的指標,天氣熱就多進冰棒、啤酒,但用這種方式預測如何進貨已經落伍了。比較精準的方法是,用機器人盤點庫存後,店家可以設計不同的行銷方案,同時陳列,測試消費者反應,再讓機器人隨時盤點架上庫存,了解當下消費者對哪一種行銷方式較有感。他指出,部分採用盤點機器人的店面,營收出現三%到四%成長。

更厲害的是,當機器人隨時把店內的庫存狀況上傳雲端後,就能分析一家店的銷售模式,這些資料也會變成供應商急著想知道的關鍵訊息。在掌握大量銷售資料後,還能預測這個地區,哪些東西好賣,哪些產品滯銷。這些資訊,對實體店面與電子商務網站,都是極為有價值的資訊。

商機有多大?根據美國零售聯盟的報告,光是全球零售業因為庫存作業錯誤、員工或顧客偷竊,供應商作業疏失造成的損失,一年就高達四四○億美元,相當於聯發科六年的營收。一旦機器人能在賣場取代人力,不但有機會解決零售業庫存問題,也將衝擊人力市場;別處不說,光在美國,零售業從業人員人數就高達四八五萬人。

已走進美國超市的Tally,明年還將走出美國。「明年下半年,我們會進軍亞洲、歐洲。」布格利說,「我們已經募到數百萬美元。」這台機器人將在中國廣東深圳生產,很快地,只要市場成熟,電影《星際大戰》裡機器人大軍的場景,就會出現在你我平日採買生活用品的超市裡。

撰文 / 林宏達

PermaLink: https://articles.zkiz.com/?id=192464

Next Page

ZKIZ Archives @ 2019