📖 ZKIZ Archives


谷歌超級電腦AlphaGo震撼 ——人工智慧正顛覆產業進化

2016-04-18  TWM

超級電腦歷經兩階段的進化,從1997年IBM的深藍,到2016年谷歌的AlphaGo, 人工智慧不只挑戰人類極限,更展現解決問題的能量,多元的應用可能讓產業加速進化。

從一九九七年IBM的超級電腦深藍(Deep Blue)到二○一六年谷歌(Google)的AlphaGo,超級電腦歷經了兩階段進化,正在挑戰人類極限,產業顛覆可能因而加速進化,值得論述。

一九九七年IBM的Deep Blue在西洋棋勝出後,人工智慧進入第二階段挑戰,挑戰局數變化超越宇宙粒子總數的圍棋,力拚人腦最後的防線。

二○一六年三月九日谷歌人工智慧AlphaGo戰勝南韓九段圍棋天才棋手李世石,跨越第二階段挑戰,震撼全球。

圍棋棋盤三六一個格線交點裡,匯聚著人腦與超級電腦對決戰火,為時三小時三十分的對弈,璀璨出人工智慧歷經兩階段二十年發展的精華,超級電腦在「運算」基礎上延伸出的「思考」與「學習」能力,展現了其改變人類宿命的能量,產業會有大顛覆。

從軟體出發的超級電腦AlphaGo,採用深度學習方法,以策略、價值網路兩子系統分析盤面勝率,降低搜索深度,谷歌工程部門主管庫爾茨魏爾(一九四八年∼)預言,用超級電腦進化出的人工智慧,其創新運用將首先在醫療與清理環境的潛力上展現威力,而所催化出的人類進化方向,更在谷歌與蘋果市值內容裡看到產業興替。

從二○一二年迄今,蘋果(Apple)與 Alphabet(谷歌母公司)分別漲幅八六.九%、一二七.七%,市值達六一六一億美元、五一九八億美元,扮演市場領頭羊。然而,一六年二月,Alphabet股價在漲抵八一○美元後,整體市值首度超越了蘋果,超級電腦下的內容,正由擅長大數據、互聯網等軟體供應內容的Alphabet引領全球往前進化,蘋果則逐漸弱化中。

蘋果從顛峰市值七一○○億美元衰落,以賈伯斯為首的創新思惟消失,消費型電子逐漸式微,半導體產業一五年僅成長二.二%,自一四年的七.六%大幅衰退;DRAM更因需求不振,一年以來報價跌幅逾二○%;筆電、平板、監視器等均面臨一○%年出貨衰退,這都代表舊硬體世代風華的成熟與凋零。

較AlphaGo強大的全球五百大超級電腦中,有五七%運用於產業界,包括航太、氣象、生物、汽車等領域,排名第一的「天河二號」,速度更達一般家用電腦的一六○○萬倍,龐大的資料運算力,正引領大數據浪潮,改變人類生活。

當下全球超級電腦群在人類生活端的進化內容,確實令人震撼:一、據統計,到了二○年,醫療資訊將以每七十三天就倍數成長,而目前已有八○%資訊無法以現有系統整合。問世多年的「華生」超級電腦,由IBM(市值一四三七億美元)打造,利用強大的運算能力,每十五秒能讀四千萬份檔案,透過雲端邏輯分析,迅速給予醫師統整資訊,這正超越人類處理資訊的極限,產業會有變化。

二、日本「三一一地震與海嘯」造成日本國內經濟損失達十六.九兆日圓、兩萬人死亡,傷害甚巨。「京」超級電腦,由富士通(市值六十八億美元)打造,主要用於預測海嘯對陸上的破壞力及提供位於地震帶的建築物設計數據,成功提高建築物穩定性及牢固性。

三、全球二氧化碳排放,共六四%來自於交通工具,各國政府積極制定法規,減少汽車汙染排放,上月法國更宣布五○年將達零排放,減碳趨勢清晰。「Sierra」超級電腦,由IBM與奇異(GE,市值二八一三億美元)合作打造,主要用於改善汽車燃料噴射器,提高燃油使用效率,減少整體廢氣排放。

超級電腦曾因IC尺寸難再縮小,高昂電力與天價開發成本而陷入進化瓶頸,為改善這樣內容,始結合GPU晶片,利用GPU平行運算能力,解決簡單計算,完成了進化,現居第一、第二的超級電腦各用四八○○○、一八六八八顆GPU,雖用量上升驚人,但順利跨越了進化瓶頸,展現出它可怕的解決問題能量。

超級電腦蓬勃發展,除GPU外,散熱技術、供電系統、光纖連接等,也都將有產業進化與連結,其中可發電燃料電池Bloom Energy公司可望是今、明年觀察重點,將解決用電需求難題。隨運算能力提升,企業邁向人工智慧的速度加快,估計二○年全球人工智慧市場規模將達一五三○億美元,年複合成長高達二五%,其應用多元,各產業皆雨露均霑。

人工智慧並非一蹴可幾,谷歌機器學習研究員科拉多強調,「人腦只需要有限的例子和經驗,就能成功學習;但代表人工智慧的電腦則需要『非常多樣本和案例』來建立認知。」谷歌深知機器廣泛學習的重要性,故於去年將其最新的機器學習技術TensorFlow以開放源碼(Open Source)專案釋出,其衍生的相關應用及硬體需求,正在產業間蛻變崛起,無論企業的經營或投資方向的找尋,這都是絕對關鍵。

撰文 / 呂宗耀

PermaLink: https://articles.zkiz.com/?id=193579

一手對談:13位中國最強AI 達人對話AlphaGo投資人

來源: http://www.iheima.com/zixun/2016/0620/156708.shtml

一手對談:13位中國最強AI 達人對話AlphaGo投資人
峰瑞資本 峰瑞資本

一手對談:13位中國最強AI 達人對話AlphaGo投資人

這是 AI 界最值得期待的腦力風暴之一。

AlphaGo 戰勝李世石掀起了新一輪人工智能(AI)投資狂潮。

我們邀請到 DeepMind 的早期投資人 Jaan Tallinn 與中國 AI 界的最強大腦們進行對話。Tallinn 是最早發現 DeepMind ——2016 年最紅 AI 公司的投資人之一,他見證了 AI 技術的發展,卻致力於研究人工智能帶來的潛在風險。

受邀參與對談的中國 AI 大佬包括:

陳孝良,聲智科技 CEO

丁磊,匯百川征信 CTO,前 Paypal 全球消費者數據科學部負責人

高始興,思必馳 CEO

李誌飛,出門問問 CEO

孟醒,順為資本投資副總裁

吳甘沙,馭勢科技 CEO,前英特爾中國研究院院長

許丞,心橙互聯 CEO,前谷歌工程師、

漆遠,螞蟻金服 CSO

印奇,Face++ CEO

余凱,地平線機器人創始人,前百度深度學習研究院院長

張本宇,CloudBrain CEO

張予彤,金沙江創投合夥人

趙雲峰,新媒體 “機器之心” 創始人

(排名不分先後,按姓氏拼音排序)

這是 AI 界最值得期待的腦力風暴之一。今天推出的是(上)篇,大佬們探討了 AI 技術的商業化、AI 領域被低估的方向、AI 與人類的較量。下周,我們推出的(下)篇中,Talllinn 會為你解讀 AI 投資和創業,並為你解密 DeepMind。

如果是人工智能領域的創業者,歡迎在後臺留言 “AI”,我們將邀請你加入峰瑞資本 AI 交流群。此外,Tallinn 在對談過程中引用了許多對於目前 AI 領域影響深遠的采訪報道。如果你想閱讀這篇訪談的完整版,可以點擊 “閱讀原文” 關註峰瑞資本知乎專欄。

采訪/ 峰瑞資本科技投資團隊

翻譯/  馮琪祺 周小然

余凱(百度深度學習研究院前院長、地平線機器人創始人)

Q: 你投資 Deepmind 時,考慮過它的商業模式嗎?哪方面對你最有吸引力?

A: 我投資 DeepMind 並不是為了賺錢。因此它商業模式不是我的優先考慮。對我而言這是一個策略性投資:我想加入一個未來有潛力成為 AI 研究領軍者的團隊,成為其中的一分子,也希望確保他們對 AI 的風險有清晰的認識

2011 年我投資 AlphaGo 前,就非常看好他們的創始人,當時他們已經已經取得了不小的進展(包括來自 Peter Thiel 創辦的 Founders Fund 的投資),我認為他們一定會大有作為。

Q: 在深度學習的革命中,下一個偉大的目標是什麽?

A: 也許你比我更有資格回答這個問題。對於深度學習的發展,我關註得沒有這麽及時。我目前了解的大概關於 AI 的前沿發展有這些:

更好的無監督學習(unsupervised learning):比如說尋找數據中的結構;或者在不借助標記數據(labeled data)的情況下,建立預測模型;

遷移學習(transfer learning):將特定領域學習建立的模型,應用到其他領域。就像人類學習下國際像棋,也可以幫助提升在其他棋類運動中的水平;

更好的數據泛化(generalization):和人類比起來,機器學習對於數據是非常 “饑渴” 的。只有接收、處理大量的訓練數據(training data),才能形成可用的模型。但對於少數模型而言,研究人員並沒有足夠的數據來訓練機器(我的朋友曾嘲笑深度神經網絡只是被美化的查找表格)。這一點需要通過更好的數據泛化來加以改進。

印奇(Face++創始人)

Q: 人工智能很熱,很多分析機構也預測人工智能會成為未來技術的水電煤——基礎技術。這個過程如果到最終成真,是否也會有一個從量變到質變的過程,互聯網改造商業也是從信息共享、購買商品這些量變一步步開始的,那麽人工智能改變商業最初的幾個量變領域最有可能是哪些?

A: 對我而言,這個預測並沒有那麽準確。要讓 AI 成為一種類似於水電的工具服務,需要滿足兩個條件:

這項技術變得更為通用和能幹。在很多場合下,你可以像租用計算能力這樣,租 10 分鐘的 AI 服務。

即便 GAI(General Artificial Intelligence,通用人工智能)在經濟中發揮重要作用,經濟體中的其他因素仍然能發揮特定作用。

這兩個觀點實際上是直接矛盾的:要是 AI 變得更加強大和普及,經濟體中的其他因素就會被削弱。最終,這樣想吧:經濟是人類制度,要是 AI 比人類能幹,可能就不需要人類經濟了,就像人類不需要螞蟻經濟

用 Eliezer Yudkowsky(MIRI,Machine Intelligence Research Institute 的創辦人之一)的話來說,擁有超級智慧的 AI,可以自由重組宇宙里的任意原子。它們甚至不需要賺錢來養活自己。 一旦擁有重組原子結構的能力,它們可以制造出任何它們想要的東西。

但也有人和我持不同的觀點。有些人認為:即便 AI 擁有超群的智力和通用性,現有的經濟體系也能維持下去。我的朋友 Robin Hanson, 一位約翰梅森大學的經濟學教授,就認為超高智慧的 AI 將出現在現有的經濟體系,並受其約束,而不是將它顛覆並且毀滅。

張本宇(CloudBrain 創始人)

Q: 你認為有什麽比較重要的方向被低估了,且沒有得到足夠的投資?”

A: 我覺得是 “價值觀對接研究”(value-alignment research)。這個概念第一次由斯圖爾特·J·拉塞爾(Stuart J. Russell,世界首屈一指的計算機科學家)在《人工智能:現代方法總論》(Artificial Intelligence: a Modern Approach)中提出。他認為:我們需要重新定義 AI 研究的目標。不停留於單純的智能開發上,而是開發能充分對接人類價值觀的超級智慧。但從世界範圍內 AI 的發展來看,這一領域在目前的研究中被極大地忽視了。

這固然是一項非常艱巨的挑戰,誠如慈善評估機構 Givewell 在一份有關 AI 風險的報告中提到的:知識是可以被驗證的,但價值觀卻不能。如果 AI 學習了錯誤的數據,做了錯誤的預估,人們會很快發現並加以糾正。但對於錯誤的價值觀,我們是很難察覺並且糾正的

我們沒有選擇,必須面對這個挑戰。如果我們想要給子孫後代留一個未來,就必須盡快解決 AI 價值觀對接的問題。當然,我不是說對於 AI 其他風險的研究就不重要了。

Q: 對於 AI 在 3-5 年後的研究和開發,你認為瓶頸將會是什麽呢?比如說:計算機能力?或者是先前沿用馮·諾伊曼(計算機之父)理論本身的問題?人類目前有限的知識?政府的管制?或者說是因為容易賺錢的方式越來越多,導致研究人員的不足?

A: 長期以來,AI 領域缺乏富有洞見的人才,和強大的計算能力(這將極大地提升神經網絡技術)。短時間內,這兩個瓶頸仍然難以突破。

一個有意思的話題是 “快錢” 如何影響人才。一方面來說,高漲的需求勢必會刺激供給。但另一方面,它給行業帶來不少噪音,讓人才難以專心研究。

從基礎理論上來說,目前的 AI 技術更多采用 GPU(圖像處理單元),而不是 CPU(計算處理單元)。所以在很大程度上,這個行業已經拋棄了諾伊曼的理論

吳甘沙(前英特爾中國研究院院長、馭勢科技 CEO)

Q: 你是 Deepmind 的早期投資者,推動 AI 對人類智能的趕超,同時又是劍橋 “存在風險研究中心” 和 MIT “生命未來研究所”的創始人,後者致力於探討 AI 對人類產生存在性風險的可能性和解決方案。這兩者之間存在一定的沖突。你如何在倫理和社會影響方面給 Deepmind 反饋和指導?

A: 在 Deepmind 任職期間,我們舉辦過一些相關的討論會。為了 AI 未來發展的安全,Deepmind 專門招聘了研究人員,並開始與牛津大學的 Future of Humanity Institute 合作,還和 Google 創立了 “倫理與安全” 委員會。當然,作為一家資金與人員都十分有限的創業公司,DeepMind 對這一領域的貢獻仍然非常有限。但我相信他們會持續投入精力做“價值觀對接”的研究。

總的來說,我很高興自己能幫助 AI 研究和 “價值觀對接” 的研究搭建橋梁。此外,Deepmind 現在能專註於 “價值觀對接” 的研究上,我還是有一點點的小功勞的(笑)。

趙雲峰(新媒體 “機器之心” 創始人)

Q: 繼 Elon Musk,Stephen Hawking 之後,近日 Michio Kaku(加來道雄,美籍日裔理論物理學家)也表示我們應該擔憂人工智能,很多人工智能產業之外的名人和大眾也比較關註這個話題。但是,人工智能領域的從業者往往是從解決具體問題出發,對這個問題好像不是特別在意,或者只是提出一些較為宏觀的解決方案,比如說 DeepMind 的道德委員會,你認為對於防範人工智能風險,我們應該采取哪些具體的、馬上可以開始行動的方案嗎?

A: 有趣的問題。加來道雄真的認為我們應該對此感到焦慮嗎?他之前是不相信 AI 風險的(至少我是這麽認為的)。如果他的態度發生轉變,這是一個好消息(越來越多人開始正視問題存在了)。

關於研發者的態度,我覺得你是對的。他們的確沒有動力去考慮系統的風險(更準確的說,是關於價值觀對接的問題),但他們有動力去提高系統的性能。就如 Holden Karnofsky 所說:“目前從文化和機構層面來看,研發者沒有多大的動力去關心這些問題。但即使如此,還是有小部分有關人士開始關心這些潛在問題。所以我相信,未來會有更多的人加入這一思考。”

(這里有一篇非常棒的文章,列舉了許多優秀的 AI 研發者對於風險的思考  http://slatestarcodex.com/2015/05/22/ai-researchers-on-ai-risk/)

目前如何預防這種風險?當 “價值觀對接” 領域缺乏資金的問題得到緩解後,緊接著的瓶頸是缺乏這方面的人才(素質要求與 AI 研發的其它領域不同)。我們需要更多的人和機構,來解決各種研究上的問題——從運算理論上升到哲學思想

就像我前面提到的,解決 AI “價值觀對接” 的問題不僅非常重要,而且是有趣的!

陳孝良(聲智科技CEO)

Q: 機器學習理論與神經科學、人類行為學都有著密切的聯系。因此,Deepmind 使用的“深度強化學習算法”需要海量的案例去訓練 AI。但如我們所知,我們人類往往可以通過單一案例舉一反三,從而學習一個概念,還能通過比機器算法更豐富的方式學習。為了解決這個問題,科學家正嘗試利用貝葉斯推論法讓 AI 通過簡單案例學習。你怎麽看貝葉斯推論和深度學習的未來?下一步 AI 又要如何模仿接近人類的想象力和推理能力?

A: 嗯...…據我所知,神經網絡大體建立在函數逼近上,與神經生理學只有一些偶然的聯系。

我對貝葉斯學習法了解不算深入,我認為雖然它是理論上最優的,但是特別消耗計算資源。此外,最近還有一個很有趣的所謂 “終極” 貝葉斯 AI 產品 AIXI。

的確,從通用的角度,目前的方法都還不夠好。我的朋友 Gary Marcus 已多次重申這個觀點。他自己也創立了一家公司來探索能夠通用化的技術:Geometric Intelligence(我投資的項目!)。

高始興(思必馳創始人)

Q: 你覺得未來人們有沒有可能有自己個人的大數據?

A: 從某種程度上來說,有可能。我投資了兩個創業項目,都與 “私有雲” 有關:Sandstorm(http://sandstorm.io/ )和 Urbit (http://urbit.org/)。

但這樣說吧,公共數據(public data)的規模和價值都會更 “大”。隨著傳感器的廣泛應用,數據量會呈幾何倍增長。此外,越來越先進的分析技術能利用部分數據和歷史數據來推斷出更多信息。

劉維(聯想之星合夥人)

Q: 非結構化的數據的未來發展該會是怎樣?如何才能充分使用它們?我們有沒有必要結合框條化的學習與深度學習呢?此外,大量數據就能解決一切問題嗎?如果,在一些條件下,失敗的代價很大,並且很難去窮盡它的邊界條件(比如說:自動駕駛)?”

A: 從根本上來說,我認為非結構化的數據最終能滿足需要。就像小孩子就可以從非結構化的感觀信息開始學習,我並不認為人腦里有什麽 “神奇” 的東西。

最近,我的一個朋友在聽了許多關於自然語言處理(NLP,Natural Language Processing)的演講後,發現一個有趣的現象:許多研究者都在吹噓他們對語言學的認知有多 “少”,由此來暗示,他們的系統已經聰明到可以在沒有預設知識的前提下學習

我同意你關於非結構化學習的觀點。這種學習很可能導致 “黑箱” 系統,最後在極端情況下產生嚴重的後果。當系統變得更自治,能操控的資源也更多時,我們需要讓 AI 變得更為可預測。一種方式是引入更多的結構和限制到系統中。

我們肯定不想把這個星球的未來,交給一個由一堆非結構化的浪漫小說訓練出來的 “黑盒”(black boxes)神經網絡吧?

Q: 你是否認為通用人工智能(GAI)是從一些列垂直領域的 AI 中衍生出來的?長期而言,對機器學習算法的依賴將會在哪些方面造成風險?你認為 2150 年最常見的職業是什麽?

A: 我不認為聰明地整合各種垂直領域的 AI 就能生成 GAI 。Deepmind 的做法就很有前景:它開發出一套比較通用的算法,然後把它用於垂直領域的學習中,以達到超過人類的表現。

有關風險:把 AI 用到 AI 領域的發展本身將會帶來極高的風險,因為在這個過程中沒有了人的參與,讓 AI 來控制發展進程,結果可能是失控的。關於其他的風險,可以參見這一份報告:http://www.openphilanthropy.org/blog/potential-risks- advanced-artificial-intelligence-philanthropic-opportunity. 

有關職業:我覺得到 2150 年職業(和整個經濟)可能已經完全不存在了!經濟分工是一個人類社會中的概念。它存在的語境是——這個世界上有很多人,他們能力相近,但因為優勢各異,所以他們之間的交易能有所得。而當我們有一個超級智能的 AI,它的能力超過所有人類,經濟分工存在的基礎就沒有了,就如同我們人類不與螞蟻做貿易。

當然,有可能到了 2150 年,還沒等我們早出超級智能 AI,人類文明就因為其他原因不存在了 :(

AlphaGo AI
贊(...)
文章評論
匿名用戶
發布
PermaLink: https://articles.zkiz.com/?id=201187

雖然不是AlphaGo 看看這些機器人能和人類一戰嗎?

由人力資源和社會保障部舉辦的2016年中國技能大賽——第44屆世界技能大賽全國選拔賽8月13日上午在滬開幕。世界技能大賽是一項世界級的重要賽事,被譽為“世界技能奧林匹克”,涉及建築與結構技術、藝術與創意、信息與通訊、制造與工程技術、個人與社會服務和交通與物流等6大領域共45個項目。

這次在上海舉辦的世界技能大賽全國選拔賽,不僅僅向我們描繪了人類在自己專業領域孜孜不倦的專業精神和技能水平,也向我們展示了在通往工業4.0道路上的那些“主力軍”——人工智能的風采。

現在讓我們去看一看,在上述專業領域中,人與機器人誰更強?

車身安拆修理用的保時捷

工人和機器合作處理車身

剛被美的收購的kuka機器人

排列整齊的機器“儀仗隊”,可以隨著音樂和人一起“翩翩起舞”

機器手臂可以精確地“打”網球

焊接機器人,能否在未來代替人類完成這項“危險”的工作

用巧克力做的模型,如此精巧的制作恐怕機器人很難完成

精巧的電子技術

參賽選手正在認真的制作木制模型

小女孩正在展示互動區與最新的科技“互動”

PermaLink: https://articles.zkiz.com/?id=210172

棋士柯潔:我的目標都是大目標!人類沒差到AlphaGO讓兩子

8月30日,第3屆百靈杯世界圍棋公開賽半決賽三番棋決勝局,柯潔執黑第191手中盤戰勝元晟溱,以2比1的比分打入了9月20日於雲南普洱進行的決賽五番棋。

賽後,柯潔接受記者們的關於自己的小目標的采訪時表示,“我所有的目標都是大目標,我是要多拿幾個世界冠軍。”

同時他對“人工智能讓人類頂尖高手兩子的時代很快就會到來”的提問表達看法稱,“有可能吧。不過讓兩子的差距,我是不敢相信。也就是再大的差距,也不可能差到兩子。也就是和頂尖的業余棋手下,也不可能讓得動兩子。人類不可能差到這個地步。”

而此前, 7月18日,世界職業圍棋排名網站GoRatings公布最新世界排名,谷旗下DeepMind的人工智能系統AlphaGo以3612分,超越3608分的柯潔成為新的世界第一,連續24個月霸占榜首的柯潔暫時退居世界第二的位置。

PermaLink: https://articles.zkiz.com/?id=212535

柯潔衛冕三星杯冠軍,但坦言目前無法打敗AlphaGO

2016年三星杯世界圍棋大賽決賽三番棋最後一局8日在韓國高陽市戰罷,中國棋手柯潔193手以兩目半優勢戰勝柁嘉熹,總比分2:1逆轉衛冕。賽後柯潔表示自己目前無法打敗谷歌的圍棋人工智能“阿爾法狗(AlphaGO)”。

據新華社報道,談及頗受關註的“人機大戰”時,柯潔說:“目前棋手之間的比賽眾多,我放棄了與(日本人工智能圍棋軟件)DeepZenGo的對局。我覺得,我現在的狀態還不能打敗‘阿爾法狗’,今後需要更加努力。”

2016年“阿爾法狗”是圍棋界當之無愧的明星,這個由谷歌DeepMind公司研發的圍棋AI棋力驚人,去年10月5:0完勝樊麾二段,今年初消息傳出後一時引發震動。畢竟,圍棋被認為是電腦AI短期內無法超越人類智力的“最後堡壘”,在此之前即使是最強AI面對職業棋手也難以一戰。

今年3月,“阿爾法狗”和韓國天王李世石的“人機大戰”引起了全世界的廣泛關註,最終“阿爾法狗”4:1獲勝更令很多職業高手和圍棋愛好者吃驚。同時,很多人對“阿爾法狗”是否會繼續挑戰目前排名世界第一的中國棋手柯潔頗為期待。

PermaLink: https://articles.zkiz.com/?id=226816

AlphaGo來了 管理基金比人更靠譜?

繼AlphaGo“阿爾法狗”征服一眾圍棋世界頂尖選手後,不少基金經理對此憂心忡忡擔憂:其被“替代”的日子是不是也不太遠了?

事實上,去年市場整體震蕩下行,公募量化基金的整體表現較傳統主動管理型基金優勢明顯,一些基金的超額收益也非常顯著。

Wind統計顯示,可統計的483只偏股型基金去年全年有9只收益超過10%,其中有2只是量化基金產品,在41只可統計的量化基金中,有18只在2016年錄得正收益。進一步統計2015-2016年兩年的數據可發現,全部量化基金產品均取得正收益,且排名前三產品的收益都在90%以上,最多的一只收益高達103.4%。

“大數據投資最明顯的一個優勢是少犯錯。看上去投資策略不是特別花哨,都是很簡單的策略。這個策略理論上如果能掙100塊錢,我們盡可能把這個策略做深入一點,把100塊錢里的80塊錢掙出來。”北京一位公募量化基金經理表示。

量化大敗主動管理

2016年市場風格大變,不少前一年表現突出的基金經理因為沒能及時調整策略適應市場而慘遭滑鐵盧。反之很多主動量化產品的業績十分搶眼,在業績排名前十的基金中便有主動量化的身影,且一些專戶亦然。事實上,不只在2016年,在過往的很長時間內量化基金產品都有不錯的表現。

“比如說有的基金經理特別精通小票,這些人可能在主旋律是大藍籌的那段時間就非常郁悶,去年便是如此。量化往往會有很多的策略,這樣就規避了單一投資的風險。這個策略在當下表現不是太好,但是有別的策略表現得好,業績凈值就不會出現大幅的波動。”前述北京公募量化投資經理對記者表示。

目前我國的量化產品主要是主動量化產品和指數增強產品,後者要求策略組合不能偏離標的指數太多,在此基礎上追求收益的最大化。還有一種是對沖型量化基金,其引入通過使用衍生品或融券等做空手段對沖持有的股票多頭頭寸的風險暴露,達到降低投資組合市場風險。

本報了解到,因子選股是國內公募量化產品的主流策略,即通過選股因子來預測未來一段時間內的股票收益,按照組合的目標風險收益要求,選出相應的股票。這些能持續產生正收益的因子包括估值、成長、盈利質量、動量、流動性、市場情緒、波動率、市場敏感度等。

市場上的多因子模型一般在20-30個因子,一些基金公司則有50個甚至更多,因子的選取越精細模型的準確度就越高。

近日,有傳言稱受限一年半的股指期貨將松綁,並已經得到監管部門的初步同意,措施包括把交易保證金標準下調一半,並把單個合約的每日交易量上限提高一倍。

另一位公募基金經理便表示,為了獲取一定的超額收益,量化基金的一個做法是通過股指期貨對沖的方式將市場漲跌的風險剝離掉。

分析人士也指出,量化基金另一優勢在於其嚴格的紀律性。一般,量化產品會采用既定的較為成熟的投資策略,在投資過程中無論市場怎樣波動,基金均嚴格執行之前設定的投資紀律。這也有助於在類似於去年的行情中杜絕主動投資可能出現的非理性行為。

另外,一般而言基金經理能夠深度調研並主動投資管理組合個股數量在50只以下,隨著新股發行提速上市公司數量越發龐大,主動選股難度大大增加。而量化的方法可以監控所有股票的財務指標與市場面的變化。同時量化基金並不押註於某幾個板塊或少數上市公司,分散風險的作用明顯。

離不開主觀判斷

與傳統主動管理型基金相比,大數據產品利用現代數學、統計學的方法,尋找能夠帶來較穩定超額收益的投資策略,並且能夠廣泛覆蓋A股全市場的股票,再從中優選出能夠“大概率”跑贏市場的股票構建投資組合。

在量化投資中,數據模型是核心。在對比傳統的主動投資和量化投資時有比喻稱,這兩者之間的差異如同中醫和西醫的差異:傳統投資像中醫,更多地依靠經驗和感覺;量化投資則像是西醫,依托於醫學儀器,得出結論、對癥下藥。

“人的話更有主觀能動性,更靈活,當一個新的局面或者新的主題或者新的邏輯出來的時候,人能夠馬上跟住,機器就沒有那麽快。”上述北京量化投資經理對第一財經表示。

“有些特定時點上的事情,比如‘股災’那段時間的一些事情,其實是人為扭曲到證券市場本身的運行規律,如果是規律被扭曲了,也就意味著之前很多東西用起來得謹慎的,像那種時候,特殊情況下,你必須去做一些主觀的判斷。”他也進一步表示。

東方證券金融工程分析師朱劍濤認為,主動管理往往是基於對上市公司盈利能力、財務狀況、估值水平等基本面信息的主觀把握,而量化則是基於股價影響因素的統計分析,認為歷史規律會在未來一段時間內持續。

“主動管理的邏輯明確,對政策、主題、市場情緒把握能力強;但缺點是股票覆蓋面窄,大資金運作難度大;量化投資的缺點是,對市場突發情況的應變能力差,同質性現象嚴重。” 朱劍濤分析稱。

“智能投顧為什麽現在還沒有說哪個公司說是老大,整個行業的積累其實還不夠。目前行業的聚焦還是在資產配置模型是否一致,做出來的東西做出來差別也沒有那麽多,差別更多是在產品層面而不是配置層面。今後如果能把對數據的分析植入到系統模型之後,最後還是看模型,這里面是強大的數學計算能力。”某金融技術公司的財富管理部老總向第一財經日報表示,他所在的公司便在試水智能投顧,“我們在這個領域也在摸索”。

PermaLink: https://articles.zkiz.com/?id=231620

【CFV•2016年度金融風雲人物】德米斯•哈薩比斯:AlphaGo背後的AI超級英雄

2016年春天,AlphaGo與世界圍棋選手李世石的一場世紀人機大戰,標誌著人工智能取得了歷史性的突破,更引發了一波人工智能創業熱。而站在AlphaGo身後,DeepMind創始人德米斯·哈薩比斯( Demis Hassabis)也成為世界人工智能領域最令人矚目的“明星”。

這個曾被互聯網發明者Tim BernersLee稱作“地球上最聰明的人之一”的人在一次接受采訪時坦言,自己的大腦已經完全被人工智能占據。不過,在德米斯·哈薩比斯眼里,如果僅僅把AlphaGo當作一個機器人“圍棋小子”,就太小看它了。

當湖十局,不止求勝,在棋局之外,他稱,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。

從神童到AlphaGo

德米斯·哈薩比斯稱得上是“少年天才”。他喜歡各類智力遊戲,從4歲開始下國際象棋,13歲時就獲得了國際象棋大師稱號,至今仍然保持著5次獲得“智力奧運會”精英賽冠軍的世界紀錄。

不過,哈薩比斯並沒有走上職業棋手的道路,而是對計算機產生濃厚的興趣。16歲的他就加入Bullfrog Productions遊戲開發公司,負責遊戲《SyndiCATe》的關卡設計;17 歲作為聯合設計者開發出包含人工智能的電子遊戲《主題公園》;並在22歲成立了遊戲公司仙丹工作室。

但此後,德米斯.哈薩比斯選擇回歸學術在倫敦大學學院攻讀神經科學博士學位,並在2010年與人工智能專家同事ShaneLegg、連續創業者Mustafa Suleyman一起創立DeepMind團隊。

2014年,谷歌以4億英鎊的價格收購DeepMind,這是當時谷歌在歐洲進行的最大手筆收購案,而那時的DeepMind還沒公開發布過任何產品,只有20個技術人員。在一次TED大會上,谷歌CEO LarryPage一直對Demis Hassabis滔滔不絕,並把DeepMind稱為是“很長一段時間以來我見到過的最令人興奮的東西之一。”

有了谷歌的“加持”,DeepMind加速對 AlphaGo的研發。AlphaGo的電腦程序最初是從學習通用模板開始的,讓計算機不斷從過去重複的比賽中學習。當學會基本技能後,它開始通過看專業級的比賽來掌握合理的規則和標準套路。然後開始自己下棋,進行“強化學習”,這個階段可以視作千千萬萬次不斷試錯的過程。

德米斯·哈薩比斯說:“它通過和無數個版本的自己下棋,不斷糾正錯誤,每一次水平都有非常輕微然而螺旋式的提升。這也意味著機器在不斷戰勝自我。”直到今年3月,AlphaGo以4:1的成績戰勝了曾經排名世界第一的圍棋選手李世石,被視作是人工智能發展史上的歷史性突破。

在學術領域,DeepMind也證明了它的價值:2015年2月,DeepMind在科學雜誌《自然》上發表論文,介紹了能夠通過學習成為雅達利(現代遊戲機始祖)遊戲高手的人工主體。今年1月,DeepMind再次發表論文,稱他們的新算法AlphaGo在圍棋上取得巨大突破。而哈薩比斯在管理DeepMind之余,還同時在世界頂級科學大會上發表了4篇論文。

AlphaGo

國際象棋一直被認為是“代表著智力挑戰的最高水平。哈薩比斯把它稱作“人類迄今發明出來的最優雅的比賽”。“它規則簡單,卻又無盡複雜,AlphaGo的走法要比宇宙中原子的個數還要多。”

他曾在首爾接受媒體專訪時表示:“我個人認為這次的發明絕對是具有跨時代和突破性影響力的,但它是否會掀起一場革命,還要留給歷史來評判。許多人都預測,我們至少還需要十年才能夠達到現在的狀態,所以對於現在所取得的成就,大家都感到欣喜若狂。”

不過,對於哈薩比斯來說,他的雄心遠不止圍棋。他在此前接受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。

例如,在戰勝李世石後不久,DeepMind已經開始了和英國國家醫療服務體系的合作。哈薩比斯認為,癌癥篩查更像是一個專家系統,是另一種形式的人工智能,這類人工智能所能做到的是進行圖像方面的醫學診斷,自我量化然後進行重要特征的橫向比對以及大量的篩查,從而指導人們擁有更健康的生活方式,“我認為把增強學習技術用於這個領域較為適宜。”

今年夏天,谷歌還把DeepMind人工智能接入谷歌數據中心,來幫助這家巨無霸公司節省能源開支,並將節省下來的開支作為2014年收購DeepMind的部分支付款項。

而哈薩比斯和他的DeepMind 團隊最新的一項重磅研究是:推出了可微分神經計算機的神經網絡模型(Differentiable Neural Computer,簡稱DNC),這或許意味著,人們離美劇《西部世界》中自我覺醒的機器人更近一步。

對人類、機器人和人工智能在未來的交互,Hassabis的期望是:“我自己對機器人沒多少思考。我自己對人工智能的使用感到興奮的領域是科學,能夠推動它更快地發展。我想看到人工智能未來能夠輔助科學,如果有一個人工智能研究助手,它可以做很多乏味的工作,閱讀有趣的論文,從海量的數據中找到結構,並把它們呈現到人類專家和科學家面前,以實現更快的技術突破。我幾個月前在歐洲核子研究中心做演講,很顯然它們創造出比地球上任何地方都多的數據,我們都知道在它們海量的硬盤中,可能會有某個新的粒子發現,但沒有人能抽出時間做這件事情,因為這里的數據量的確太過龐大。所以我覺得,如果有一天人工智能參與尋找到一個新的粒子,那麽是一件非常酷的事。”

PermaLink: https://articles.zkiz.com/?id=234500

AlphaGo將與柯潔大戰,德撲AI戰勝人類牌手,但是So What?

來源: http://www.iheima.com/zixun/2017/0410/162493.shtml

AlphaGo將與柯潔大戰,德撲AI戰勝人類牌手,但是So What?
黑智 黑智

AlphaGo將與柯潔大戰,德撲AI戰勝人類牌手,但是So What?

兩場人類的反攻戰。一場已經以人類的再次失敗宣告結束,另一場即將開始!

本文系i黑馬原創 首發黑智(VR-2014)

圍棋和德撲,兩次人類組織的對機器的反攻,在今天都有新的消息發布。

就在剛剛,谷歌在位於北京的中國棋院就“中國烏鎮·圍棋峰會”召開了新聞發布會。據發布會宣布,此次圍棋峰會將於5月22-27日在中國桐鄉烏鎮舉行,在開賽的前三天中,AlphaGo與柯潔之間將進行三番棋對弈。

從4月6日持續到10日的“冷撲大師V.S.中國龍之隊-人機撲克巔峰表演賽”在今天中午正式落幕。經過了5天的征程,這場比賽,最終以人類的落敗而告終,德撲AI程序“冷撲大師”最後以792,327總記分牌的戰績獲勝,同時,200萬元的獎金,也歸屬冷撲大師所有。

兩場人類的反攻戰。一場已經以人類的再次失敗宣告結束,另一場即將開始,勝算還很難預測,但是至今為止,不看好人類棋手的預測居多。

圍棋和德撲,人類已經接連失守。這是一個值得人類反攻的戰場嗎?它又值得我們緊張,會給我們帶來“末日危機”嗎?

對戰人工智能,人類的絕望?

1

柯潔(最右)與聶衛平(柯潔旁邊)去年在北京聶衛平圍棋道場,憑記憶複盤 AlphaGo 與李世石第一局的開局,並向 Google CEO Sundar Pichai 展現棋局的精妙之處

谷歌表示,之後的烏鎮圍棋峰會特別設計了 AlphaGo 與中國頂尖棋手的多種比賽形式,包括:

人機配對賽:中國職業棋手將與另一名職業棋手對弈——只不過每一方棋手都將有AlphaGo作為自己的隊友與他們交替落子,真正體現共同學習的真諦。

團隊賽:由五位中國頂尖棋手組隊與 AlphaGo 進行對弈,共同測試 AlphaGo 在面對組合風格時所展現的創造力和適應性。

柯潔對陣 AlphaGo:AlphaGo 與世界排名第一的棋手柯潔進行的三番棋對弈將會成為萬眾所矚目的焦點。柯潔會將 AlphaGo 的能力推向甚至超越極限。

據報道,此次參戰的 AlphaGo 2.0 可能采用了全新的算法模型,即未先學習人類棋譜的經驗,而是直接通過對戰來獲得認知和能力。

AlphaGo的做法是使用了蒙特卡洛樹搜索與評估網絡(Value Network)和走棋網絡(Policy Network)兩個深度神經網絡相結合的方法,其中一個是以估值網絡來評估大量的選點,而以走棋網絡來選擇落子。在這種設計下,電腦可以結合樹狀圖的長遠推斷,又可像人類的大腦一樣自發學習進行直覺訓練,以提高下棋實力。

訓練一個沒有學習過人類棋譜的人工智能。不再受到人類棋譜的局限,走出真正的“人工智能”棋路。現在的AlphaGo,比起去年的AlphaGo1.0,無疑有了更加巨大的飛躍。

而在AlphaGo上,還有一個強大的武器。前不久,谷歌公布了TPU的細節,它在神經網絡層面的操作上,處理速度比當下GPU和CPU快15到30倍;在能效比方面,比GPU和CPU高30到80倍;在代碼上也更加簡單,100到1500行代碼即可以驅動神經網絡。

2

就在今天,德撲人機大賽中,亞洲人類牌手精英們,剛剛敗北。五天對戰下來,德撲AI冷撲大師累計贏得792,327記分牌數,平均22.0每百手損失大盲。200萬獎金,被機器獲得。撲克在幾十年來一直是人工智能和博弈論中的一個具有高挑戰性的問題。作為帶著隱藏底牌的“不完美信息”遊戲,撲克對AI來說,具有國際象棋和圍棋遊戲中未曾出現的信息障礙。冷撲大師相對於AlphaGo更高明之處在於冷撲大師不需要提前背會大量棋譜,也不局限於在公開的完美信息場景中進行運算,而是從零開始,基於撲克遊戲規則針對遊戲中對手劣勢進行自我學習,並通過博弈論來衡量和選取最優策略。

人機撲克大戰巔峰表演賽的發起人、創新工場CEO李開複更是明確表示:“通過冷撲大師和龍之隊表演賽的對戰結果,人機對戰基本沒有懸念了。據聞AlphaGo近期即將來華和柯潔對戰,其實已經不再具有科學意義了。”

AlphaGo和柯潔的對戰結果,在李開複這里,已經提前被判了人類的“末日”。

過去的那些人機對戰

3

迄今為止,已經有多少次人機對戰了?

一次是全球矚目的AlphaGo對戰李世乭。它完全可以稱作一次“巔峰對決”,它掀起的是體育和科技界共同的高潮,吸引了全世界的關註,在首輪對決中,根據某門戶的數據,就有全球1億人次觀看了直播,其中中國就有6000萬人。而它的結果也可謂成功,那就是,人工智能、深度學習,這些原本是高在雲端的名詞,瞬間被大眾所接受,帶來前所未有的AI熱潮,人工智能相關的創新技術和公司,紛紛走向前臺。

Master在去年年末掀起了第二波熱潮。以此為註明網名的“棋手”,在圍棋網站弈城和野狐上,一路過關斬將,擊敗了常昊、時越、古力等眾多圍棋好手,“韓國第一人”樸廷桓、“日本第一人”井山裕太,以及世界排名居首的柯潔,也對戰落敗。60連勝後,Master被證實是AlphaGo。

今年1月,在美國賓夕法尼亞,卡內基梅隆大學開發的德撲AI程序Libratus擊敗了四名頂尖人類高手,一舉獲得了20萬美元將近和177萬美元籌碼的德州撲克人工智能系統。這也是人工智能第一次在德撲比賽中獲勝。

在今年3月19日結束的第10屆UEC杯世界圍棋“機機大戰”中,來自中國的騰訊圍棋人工智能程序“絕藝”,戰勝衛冕冠軍日本圍棋人工智能程序“DeepZenGo”奪冠。UEC杯是世界權威的計算機圍棋大賽,由日本電氣通信大學於2007年創辦,承載了計算機攻克圍棋項目的使命。在取“絕藝”這個名字之前,它以weigo為名,以“虎虎有生氣”的ID於2016年8月首次在野狐平臺(騰訊旗下圍棋對弈平臺)下棋,8月23日首次戰勝職業棋手;9月4日,weigo以“野狐掃地僧”ID連贏 ID為tby的網友8局;11月1日,weigo正式以“絕藝”ID亮相野狐,並沿用到了現在,多次戰勝中日韓三國一眾頂尖棋手,成為野狐首個晉級“十段”的棋手。

更遑論,今年還有百度的小度,在最強大腦的節目舞臺上大“秀”頭腦,用自己的圖像識別等技術,挑戰人類智商。

每一次的人機對決,人類都毫無懸念,毫無勝算。

無法戰勝AI,人類會被機器取代嗎?

4

如果人工智能不能比人類更強,被創造出來,又有什麽樣的意義呢?

機器戰勝人類,並不是初次。汽車和飛機被創造出來,跑得更快,飛的很高。那麽為什麽我們會對人工智能產生“擔憂”的情緒?大約是,人類最恐慌的,就是有朝一日,被機器所取代。

就像AlphaGo剛剛戰勝人類棋手時,外界討論更多的是:它會像人類一樣思考嗎?

在前不久的IT領袖峰會上,李彥宏說:“強人工智能時代,也許永遠不會到來。”

人工智能能否擁有人類一樣的智商、情感,或擁有自主意識?回答這個問題之前,人類需要先搞明白人類自身的大腦。

在博鰲論壇上,魯白也作出了同樣的回答:“絕對不會。”他解釋,人腦有五個方面的功能:第一是感覺,第二是運動,第三是記憶,第四是情感與情緒,第五是認知。“怎麽樣跟人工智能或者電腦產生感情,論題中包括兩個方面:一個就是情感的產生與情感的交流,延展一下就是社會性;一個方面是認知。認知又分兩個部分,一個是一般的認知,連動物都有,我覺得人工智能可以有這個方面的認知功能,包括邏輯思維分析,以及決策之類。人還有另外的一個方面的認知叫做高級認知功能,里面包括語言包括自我的意識,包括想象力、創造力最後還有人所特有的一種目的性的行為,而我認為,人類是在這方面,是不能被機器代替的。”

借助強大的數據處理能力和深度學習,機器已經在很多領域超越人類。但是,它不能做到的,是如何模擬人類大腦的運行,擁有自主意識和情感。

那麽,機器將在哪些領域代替人類?李開複的答案是,人工智能在符合以下三個前提的領域里,將全面戰勝人類:

第一,有海量的數據;

第二,數據有標準;

第三,單一領域。

在前不久,黑智也在采訪中,總結了機器逐漸取代人力的領域。比如鑒黃師。企業只要用互聯網音視頻有害信息監測系統,就可以自動識別網絡上傳播的涉恐、涉暴、涉黃信息。

通過音、視頻雙通道進行有害信息檢測,語言類內容為主的音視頻,采用語音識別、關鍵詞檢索技術檢測;圖像類內容為主的,就通過定時采集關鍵幀圖像,進行圖像識別,判斷是否為色情、性感、正常。

“我們的系統對直播平臺涉黃圖像檢測的準確率高達99%以上,誤報率低於1%,需要客戶進行人工複核的比例不超過3%。人工複核後的數據會被收集起來進行叠代訓練,不斷提升識別的準確率。”極限元聯合創始人馬驥說。

比如客服和呼叫中心。大型呼叫中心的坐席,也在比以往有了縮減的幾率。以前,人工客服超過50%的時間,都在處理用戶咨詢的大量重複性問題。現在,用AI機器人客服屏蔽掉這些重複問題,就減輕了人工的工作量,並且以客服助手的形式提高人工客服的工作效率,也給企業降低了成本。

智能客服公司智齒科技CTO吳立楠以樂視為例,解釋了實際的應用場景:“在樂視,智齒科技機器人解答環節可以擋住60%的用戶。也就是說,100個咨詢者只有40個會轉到人工,另外60個都被機器人服務了。原來一個客服只能同時服務5個用戶,有了機器人的輔助,現在可以同時服務15個。如果最多只有100個用戶咨詢,原來一共需要20個客服,現在只要3個就夠了,節省了85%的人工成本,並且機器人的準確率達到97%。”

這種模型廣泛應用於各種自然語言處理問題,如語音識別、機器翻譯、分詞、詞性標註等。

什麽職業將被機器改變?和黑智談過的眾多業內人士也總結,勞動並無高低之分。那些和數據相關,重複性較強、邊界清晰的工作,容易被機器所取代。

另外,人工智能聯盟已經組建,目的就是為了防止人工智能危害人類。

當然,我們還會拭目以待,下一次機器與人類的對陣。就像馬雲在IT領袖峰會上的發言那樣:“AlphaGo 贏了李世石,so what?下圍棋本來的樂趣就是對方下一把臭棋,結果機器不會下臭棋,那還有什麽事情呢?”

或許,我們可以期待烏鎮,AlphaGo會不會特意,下一次臭棋給我們看。

640.webp

AlphaGO
贊(...)
文章評論
匿名用戶
發布
PermaLink: https://articles.zkiz.com/?id=244821

人機大戰2.0上演 首局柯潔執黑小負AlphaGo

5月23日上午,世界排名第一的柯潔九段與圍棋人工智能AlphaGo正式展開三番對弈,打響了“人機大戰”第二季。柯潔執黑先行,經過約四個半小時的對弈,柯潔以四分之一子即半目的劣勢不敵AlphaGo。目前比分0-1。另外兩場比賽將於5月25日和27日進行。

雖然多數人並不看好柯潔,但柯潔還是用放松的心態應對大賽。據報道,21日淩晨,柯潔在微博上曬出了一家同遊烏鎮景區的照片,以及一張自己拿著自拍桿的圖。

作為人工智能一方的“阿爾法狗”,已經超越了圍棋界和科技界的範疇,成為家喻戶曉的“大明星”。除了他們之間的世紀對戰之外,此次圍棋峰會上,還安排了人機配對賽和一場團隊人機賽,分別在5月24日和26日進行。人機配對賽將由連笑和古力與AlphaGo組隊,配合比賽。團隊人機賽由羋昱廷、時越、唐韋星、周睿羊、陳耀燁五位棋手組隊,一起挑戰AlphaGo。

DeepMind創始人哈薩比斯在賽前的發布會上表態:“這場比賽不會是人和電腦系統的對戰,而是人使用電腦發現新的知識,我們探索的新的知識,圍棋的知識,就像發現天文望遠鏡探索新的宇宙。把不斷學習的人工智能運用到更廣闊的領域。這場對決,無論是人類獲勝還是阿法狗贏,最終的勝利者都是人類。”

PermaLink: https://articles.zkiz.com/?id=250262

柯潔明日首戰AlphaGo,爭奪150萬美元獎金,你想知道的都在這里了

來源: http://www.iheima.com/zixun/2017/0522/163242.shtml

柯潔明日首戰AlphaGo,爭奪150萬美元獎金,你想知道的都在這里了
黑智 黑智

柯潔明日首戰AlphaGo,爭奪150萬美元獎金,你想知道的都在這里了

柯潔這次,還信心依舊麽?

2016年,AlphaGo和李世乭的對弈,以機器的勝利、人類的敗局而告終。

明天,5月23日,在烏鎮,同樣的大戰,在圍棋世界冠軍柯潔和AlphaGo之間,將再次上演。世界頂尖棋手,和最新概念的圍棋AI的對抗,又將告訴我們些什麽?對於明天的人機大戰,我們將關註什麽,又應該知道什麽?看看黑君為你整理的這幾項備忘錄吧。

時間和地點

5月23日-27日,在世界互聯網大會永久會址——浙江桐鄉烏鎮,中國圍棋協會和浙江省體育局將攜手谷歌共同舉辦“中國烏鎮圍棋峰會”。

賽程安排

5月23日 10:30-17:30

柯潔 VS AlphaGo

三番棋賽制,無論輸贏雙方必須要下滿三局,每方將有3小時時間,用時結束後將有5次1分鐘讀秒。

5月25日 10:30-17:30

柯潔 VS AlphaGo

5月26日 8:30-12:30

配對賽

2位中國棋手將分別與AlphaGo組隊,每方1小時,用時結束後將有1次1分鐘讀秒。

古力(九段)+AlphaGo

VS

連笑(八段)+AlphaGo

5月26日 13:30-18:30

團隊賽

五位中國棋手將組成團隊,對決AlphaGo,每方2.5小時。用時結束後將有3次1分鐘讀秒。

陳耀燁(九段)+周睿羊(九段)+羋昱廷(九段)

+時越(九段)+唐韋星(九段)

VS

AlphaGo

5月27日 10:30-17:30

柯潔 VS AlphaGo

獎金是多少?

去年AlphaGo對戰韓國棋手李世乭時,谷歌提供了100萬美元的誘人獎金,但是今年更多,達到了150萬美元(約合1033萬人民幣)。據爆料,柯潔的出場費為30萬美元。

雙方看點

AlphaGo 2.0 :一個沒有學習過人類棋譜的人工智能

據報道,此次參戰的 AlphaGo 2.0 可能采用了全新的算法模型,即未先學習人類棋譜的經驗,而是直接通過對戰來獲得認知和能力。

AlphaGo的做法是使用了蒙特卡洛樹搜索與評估網絡(Value Network)和走棋網絡(Policy Network)兩個深度神經網絡相結合的方法,其中一個是以估值網絡來評估大量的選點,而以走棋網絡來選擇落子。在這種設計下,電腦可以結合樹狀圖的長遠推斷,又可像人類的大腦一樣自發學習進行直覺訓練,以提高下棋實力。

訓練一個沒有學習過人類棋譜的人工智能。不再受到人類棋譜的局限,走出真正的“人工智能”棋路。現在的AlphaGo,比起去年的AlphaGo1.0,無疑有了更加巨大的飛躍。

柯潔:抱必死的決心

在4月10日的發布會上,柯潔表示:這次能代表人類出戰是我的榮幸,我將盡全力去爭勝,一決勝負,抱有—— 必勝的信念和必死的決心,不輕易言敗! 。DeepMind創造的人工智能能給我們帶來更加美好的未來,未來會因他們改變。我是站在歷史的節點上,非常榮幸。

歷史上有幾次人機大戰?

而在AlphaGo上,還有一個強大的武器。前不久,谷歌公布了TPU的細節,它在神經網絡層面的操作上,處理速度比當下GPU和CPU快15到30倍;在能效比方面,比GPU和CPU高30到80倍;在代碼上也更加簡單,100到1500行代碼即可以驅動神經網絡。

一次是全球矚目的AlphaGo對戰李世乭。它完全可以稱作一次“巔峰對決”,它掀起的是體育和科技界共同的高潮,吸引了全世界的關註,在首輪對決中,根據某門戶的數據,就有全球1億人次觀看了直播,其中中國就有6000萬人。而它的結果也可謂成功,那就是,人工智能、深度學習,這些原本是高在雲端的名詞,瞬間被大眾所接受,帶來前所未有的AI熱潮,人工智能相關的創新技術和公司,紛紛走向前臺。

Master在去年年末掀起了第二波熱潮。以此為註明網名的“棋手”,在圍棋網站弈城和野狐上,一路過關斬將,擊敗了常昊、時越、古力等眾多圍棋好手,“韓國第一人”樸廷桓、“日本第一人”井山裕太,以及世界排名居首的柯潔,也對戰落敗。60連勝後,Master被證實是AlphaGo。

今年1月,在美國賓夕法尼亞,卡內基梅隆大學開發的德撲AI程序Libratus擊敗了四名頂尖人類高手,一舉獲得了20萬美元將近和177萬美元籌碼的德州撲克人工智能系統。這也是人工智能第一次在德撲比賽中獲勝。

在今年3月19日結束的第10屆UEC杯世界圍棋“機機大戰”中,來自中國的騰訊圍棋人工智能程序“絕藝”,戰勝衛冕冠軍日本圍棋人工智能程序“DeepZenGo”奪冠。UEC杯是世界權威的計算機圍棋大賽,由日本電氣通信大學於2007年創辦,承載了計算機攻克圍棋項目的使命。在取“絕藝”這個名字之前,它以weigo為名,以“虎虎有生氣”的ID於2016年8月首次在野狐平臺(騰訊旗下圍棋對弈平臺)下棋,8月23日首次戰勝職業棋手;9月4日,weigo以“野狐掃地僧”ID連贏 ID為tby的網友8局;11月1日,weigo正式以“絕藝”ID亮相野狐,並沿用到了現在,多次戰勝中日韓三國一眾頂尖棋手,成為野狐首個晉級“十段”的棋手。

更遑論,今年還有百度的小度,在最強大腦的節目舞臺上大“秀”頭腦,用自己的圖像識別等技術,挑戰人類智商。

每一次的人機對決,人類都毫無懸念,毫無勝算。

那麽,柯潔這次,還信心依舊麽?

黑智二維碼

歡迎關註黑智

柯潔 AlphaGo
贊(...)
文章評論
匿名用戶
發布
PermaLink: https://articles.zkiz.com/?id=250414

Next Page

ZKIZ Archives @ 2019