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。

谷歌 AlphaGO 挑戰賽 挑戰 人工 智能 邊界 人類
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/

分享文章

論藝 160311 AlphaGO 技藝
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

李世石 戰勝 AlphaGo 下出 之一
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!

 

除了 AlphaGo 谷歌 還有 哪些 牛逼 哄哄 的黑 科技
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

擊敗 棋王 AlphaGo 之父
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

AlphaGo 哲學 啟示
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。

AlphaGo 學習 人類 策略 人工 智能 下一 一步 步是 理解
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

AlphaGo 確認 挑戰 星際 谷歌 歌與 暴雪 溝通
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

李開 開複 複看 AlphaGo 兩年 年看 保守 十年 樂觀
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

AlphaGo 聰明 人工 智慧 全面 進化 最新 趨勢 它幫 幫你 理財 、教 教你 行銷 還有 想像力 想像
PermaLink: https://articles.zkiz.com/?id=192464

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

谷歌 超級 電腦 AlphaGo 震撼 人工 智慧 顛覆 產業 進化
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
一手 對談 13 中國 最強 AI 達人 對話 AlphaGo 投資人 投資
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”

雖然 不是 AlphaGo 看看 這些 機器人 機器 能和 人類 一戰
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。

棋士 柯潔 我的 目標 都是 是大 人類 沒差 差到 AlphaGO 讓兩 兩子
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。

柯潔 衛冕 三星 冠軍 坦言 目前 無法 打敗 AlphaGO
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”。

AlphaGo 來了 管理 基金 比人 更靠 靠譜
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。”

CFV 2016 年度 金融 風雲 人物 德米斯 德米 哈薩 比斯 AlphaGo 背後 AI 超級 英雄
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
AlphaGo 將與 與柯 柯潔 大戰 德撲 AI 戰勝 人類 牌手 但是 So What
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。”

人機 大戰 2.0 上演 首局 局柯 柯潔 執黑 小負 AlphaGo
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
柯潔 明日 首戰 AlphaGo 爭奪 150 美元 獎金 你想 知道 的都 都在 在這
PermaLink: https://articles.zkiz.com/?id=250414

股票掌故 | 香港股票資訊 | 神州股票資訊 | 台股資訊 | 博客好文 | 文庫舊文 | 香港股票資訊 | 第一財經 | 微信公眾號 | Webb哥點將錄 | 港股專區 | 股海挪亞方舟 | 動漫遊戲音樂 | 好歌 | 動漫綜合 | RealBlog | 測試 | 強國 | 潮流潮物 [Fashion board] | 龍鳳大茶樓 | 文章保管庫 | 財經人物 | 智慧 | 世界之大,無奇不有 | 創業 | 股壇維基研發區 | 英文 | 財經書籍 | 期權期指輪天地 | 郊遊遠足 | 站務 | 飲食 | 國際經濟 | 上市公司新聞 | 美股專區 | 書藉及文章分享區 | 娛樂廣場 | 波馬風雲 | 政治民生區 | 財經專業機構 | 識飲色食 | 即市討論區 | 股票專業討論區 | 全球政治經濟社會區 | 建築 | I.T. | 馬後砲膠區之圖表 | 打工仔 | 蘋果專欄 | 雨傘革命 | Louis 先生投資時事分享區 | 地產 |
ZKIZ Archives @ 2019