由买买提看人间百态

topics

全部话题 - 话题: deepmind
1 2 3 4 5 6 7 8 9 10 下页 末页 (共10页)
c****x
发帖数: 6601
1
【文/观察者网专栏作者 陈经】
早在2016年3月AlphaGo挑战围棋成功之后,就传出Deepmind下一步计划是在星际争霸上
打败人类。
人工智能开发者研究算法很喜欢用计算机游戏。一是研究目标清楚,游戏目标定义得很
完善,科研有时最重要的是提出问题。二是最近流行的深度学习需要极多的训练样本,
人类的线上高水平比赛很多能够提供足够的样本。三是问题足够难,进展如何通过人机
对战、线上测试一清二楚,而不是研究者自说自话。
围棋是“完全信息博弈”(局面摆明,理论上有确定结论)游戏里最复杂的一个,又很
有艺术性。在围棋上战胜人类,就实现了Deepmind负责人哈萨比斯的说法,机器自我对
弈不断自我学习的方法可以解决一切基于推理的棋类游戏。
这个自学习的框架,能否在“非完全信息博弈”上打败人类,令人非常有兴趣,同时又
极有学术价值。星际争霸是一个很合适的测试对象。星际争霸最常见的是两个玩家对战
,各自从一个基地开始发展,没有兵力在附近就看不见对方的动作,对方在干什么自己
不知道,因此是“非完全信息博弈”。
1998年暴雪公司推出的星际争霸,经过数次升级到“母巢之战”版本,终于成为一款平
衡性极... 阅读全帖
c****x
发帖数: 6601
2
【文/观察者网专栏作者 陈经】
陈经
风云学会副会长,《中国的官办经济》
http://www.guancha.cn/chenjing/2017_08_24_424174_s.shtml
早在2016年3月AlphaGo挑战围棋成功之后,就传出Deepmind下一步计划是在星际争霸上
打败人类。
人工智能开发者研究算法很喜欢用计算机游戏。一是研究目标清楚,游戏目标定义得很
完善,科研有时最重要的是提出问题。二是最近流行的深度学习需要极多的训练样本,
人类的线上高水平比赛很多能够提供足够的样本。三是问题足够难,进展如何通过人机
对战、线上测试一清二楚,而不是研究者自说自话。
围棋是“完全信息博弈”(局面摆明,理论上有确定结论)游戏里最复杂的一个,又很
有艺术性。在围棋上战胜人类,就实现了Deepmind负责人哈萨比斯的说法,机器自我对
弈不断自我学习的方法可以解决一切基于推理的棋类游戏。
这个自学习的框架,能否在“非完全信息博弈”上打败人类,令人非常有兴趣,同时又
极有学术价值。星际争霸是一个很合适的测试对象。星际争霸最常见的是两个玩家对战
,各自从一个基地开始发展,没有兵力在附近就看不... 阅读全帖
M********t
发帖数: 5032
3
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
Google人工智能
攻破了围棋,然后呢?
雷锋网
study875
39分钟41秒前
Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或
得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国
际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——
比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google
人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情
况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李
世乭。
今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰
写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序
中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练
AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人
工智能系统无法突破人类的计算。为了获得更好的... 阅读全帖

发帖数: 1
4
DeepMind 可能是全世界最大的专注于科研的 AI 公司,但它正在遭受巨额亏损,过去
三年的亏损超过 10 亿美元,而且未来 12 个月还有超过 10 亿美元的债务需要偿还。
这是否意味着 AI 正在分崩离析呢?
事实并非如此。做研究需要花钱,DeepMind 每年都在做更多的研究。这家公司的确花
了很多钱,而且可能比以往任何 AI 研究公司都要多。但与科学界那些大型项目相比,
DeepMind 花的钱还远远算不上史无前例。例如,大型强子对撞机每年可能要花费 10
亿美元,而发现希格斯玻色子的花费估计超过了 100 亿美元。当然,实现电影里那种
真正的机器智能(即 AGI)要花费的还远不止这些。
尽管如此,DeepMind 的巨额亏损(从 2016 的 1.54 亿美元到 2017 年的 3.41 亿美
元再到 2018 年的 5.72 亿美元)还是值得我们反思。在我看来,这其中有三个核心问
题:
DeepMind 是否选对了方向?
从谷歌母公司 Alphabet 的角度来看,这种规模的投资是否合理?
这种亏损会对 AI 的整体发展产生什么影响?
对于第一个问题,我们有理由持怀疑态... 阅读全帖
L****8
发帖数: 3938
5
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
不就是把棋谱数据库增大了么 然后欺负人的记忆力
算个屁的人工智能

在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙
特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计
算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法
,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计
算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才
1080。国际象棋最大只有2155种局面,称为香农数,大�: 率�1047。
使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术
的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它
们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉—
—做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起
来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。
这也... 阅读全帖
a*****g
发帖数: 19398
6
2016年1月28日,谷歌AI——Alphago战胜人类围棋冠军的消息让科技圈振奋,让围棋圈
惶恐。Alphago的研发团队是谷歌新近收购的英国人工智能公司Deepmind,关于
Deepmind,国内人工智能圈人士都有所耳闻,但熟悉者恐怕不多。这究竟是一家什么样
的公司?
Nature 杂志的记者进入Deep Mind位于英国伦敦的公司内部进行了采访,视频来自
Nature、后期由黑匣整理:

2011年,杰米斯?哈萨比斯在埃隆?马斯克等人的投资下,成立了一家人工智能初创公司
DeepMind,现在,这家公司已经变成了世界上最有价值的公司之一。2014年6月,哈萨
比斯和DeepMind的另两位联合创始人肖恩?列格、穆斯塔法?苏莱曼达成一致意见,同意
将DeepMind以4亿美元的价格卖给谷歌。昨天,谷歌DeepMind推出的人工智能算法打败
了人类围棋选手,震惊世界。
谷歌为何收购?Deepmind牛逼在哪里?来看看哈萨比斯在接受Backchannel采访时的答
案。
Backchannel:谷歌是一个人工智能公司吗?他们有什么吸引你们的地方呢?
哈萨比斯:是的,人工智能是谷... 阅读全帖
a*****g
发帖数: 19398
7
2016年1月28日,谷歌AI——Alphago战胜人类围棋冠军的消息让科技圈振奋,让围棋圈
惶恐。Alphago的研发团队是谷歌新近收购的英国人工智能公司Deepmind,关于
Deepmind,国内人工智能圈人士都有所耳闻,但熟悉者恐怕不多。这究竟是一家什么样
的公司?
Nature 杂志的记者进入Deep Mind位于英国伦敦的公司内部进行了采访,视频来自
Nature、后期由黑匣整理:

2011年,杰米斯?哈萨比斯在埃隆?马斯克等人的投资下,成立了一家人工智能初创公司
DeepMind,现在,这家公司已经变成了世界上最有价值的公司之一。2014年6月,哈萨
比斯和DeepMind的另两位联合创始人肖恩?列格、穆斯塔法?苏莱曼达成一致意见,同意
将DeepMind以4亿美元的价格卖给谷歌。昨天,谷歌DeepMind推出的人工智能算法打败
了人类围棋选手,震惊世界。
谷歌为何收购?Deepmind牛逼在哪里?来看看哈萨比斯在接受Backchannel采访时的答
案。
Backchannel:谷歌是一个人工智能公司吗?他们有什么吸引你们的地方呢?
哈萨比斯:是的,人工智能是谷... 阅读全帖
a*****g
发帖数: 19398
8
2016年1月28日,谷歌AI——Alphago战胜人类围棋冠军的消息让科技圈振奋,让围棋圈
惶恐。Alphago的研发团队是谷歌新近收购的英国人工智能公司Deepmind,关于
Deepmind,国内人工智能圈人士都有所耳闻,但熟悉者恐怕不多。这究竟是一家什么样
的公司?
Nature 杂志的记者进入Deep Mind位于英国伦敦的公司内部进行了采访,视频来自
Nature、后期由黑匣整理:

2011年,杰米斯?哈萨比斯在埃隆?马斯克等人的投资下,成立了一家人工智能初创公司
DeepMind,现在,这家公司已经变成了世界上最有价值的公司之一。2014年6月,哈萨
比斯和DeepMind的另两位联合创始人肖恩?列格、穆斯塔法?苏莱曼达成一致意见,同意
将DeepMind以4亿美元的价格卖给谷歌。昨天,谷歌DeepMind推出的人工智能算法打败
了人类围棋选手,震惊世界。
谷歌为何收购?Deepmind牛逼在哪里?来看看哈萨比斯在接受Backchannel采访时的答
案。
Backchannel:谷歌是一个人工智能公司吗?他们有什么吸引你们的地方呢?
哈萨比斯:是的,人工智能是谷... 阅读全帖
a*****g
发帖数: 19398
9
2016年1月28日,谷歌AI——Alphago战胜人类围棋冠军的消息让科技圈振奋,让围棋圈
惶恐。Alphago的研发团队是谷歌新近收购的英国人工智能公司Deepmind,关于
Deepmind,国内人工智能圈人士都有所耳闻,但熟悉者恐怕不多。这究竟是一家什么样
的公司?
Nature 杂志的记者进入Deep Mind位于英国伦敦的公司内部进行了采访,视频来自
Nature、后期由黑匣整理:

2011年,杰米斯?哈萨比斯在埃隆?马斯克等人的投资下,成立了一家人工智能初创公司
DeepMind,现在,这家公司已经变成了世界上最有价值的公司之一。2014年6月,哈萨
比斯和DeepMind的另两位联合创始人肖恩?列格、穆斯塔法?苏莱曼达成一致意见,同意
将DeepMind以4亿美元的价格卖给谷歌。昨天,谷歌DeepMind推出的人工智能算法打败
了人类围棋选手,震惊世界。
谷歌为何收购?Deepmind牛逼在哪里?来看看哈萨比斯在接受Backchannel采访时的答
案。
Backchannel:谷歌是一个人工智能公司吗?他们有什么吸引你们的地方呢?
哈萨比斯:是的,人工智能是谷... 阅读全帖
a*****g
发帖数: 19398
10
2016年1月28日,谷歌AI——Alphago战胜人类围棋冠军的消息让科技圈振奋,让围棋圈
惶恐。Alphago的研发团队是谷歌新近收购的英国人工智能公司Deepmind,关于
Deepmind,国内人工智能圈人士都有所耳闻,但熟悉者恐怕不多。这究竟是一家什么样
的公司?
Nature 杂志的记者进入Deep Mind位于英国伦敦的公司内部进行了采访,视频来自
Nature、后期由黑匣整理:

2011年,杰米斯?哈萨比斯在埃隆?马斯克等人的投资下,成立了一家人工智能初创公司
DeepMind,现在,这家公司已经变成了世界上最有价值的公司之一。2014年6月,哈萨
比斯和DeepMind的另两位联合创始人肖恩?列格、穆斯塔法?苏莱曼达成一致意见,同意
将DeepMind以4亿美元的价格卖给谷歌。昨天,谷歌DeepMind推出的人工智能算法打败
了人类围棋选手,震惊世界。
谷歌为何收购?Deepmind牛逼在哪里?来看看哈萨比斯在接受Backchannel采访时的答
案。
Backchannel:谷歌是一个人工智能公司吗?他们有什么吸引你们的地方呢?
哈萨比斯:是的,人工智能是谷... 阅读全帖
a***m
发帖数: 5037
11
「奕城的 deepmind 是我本人(Aja Huang)在用的帳號,並不是 AlphaGo,而且
deepmind 應該是在 14 年底之前、在 AlphaGo 團隊出現之前就創建了。如果我記得沒
錯,我是在 Google 收購 DeepMind 之前就在奕城用 deepmind 下棋了,那時候我打到
奕城 8d。我本人喜歡下圍棋,棋力是台灣業餘六段,去年在德國的比賽我甚至贏過一
位日本職業棋手。但 AlphaGo 肯定是比我強太多了。」
c********s
发帖数: 101
12
https://storage.googleapis.com/deepmind-data/assets/papers/deepmind-
mastering-go.pdf
这个应该是nature文献的简洁大众版了。不是很technical。像我这样既不懂围棋也不
懂AI的人也能读个似懂非懂。
从我有限的理解看,AlphaGo击败樊麾或是李世石,或是任何棋手,已经不是问题的关
键了。击败樊麾是个标志,其他人只是时间问题。这篇文章里提到了对AlphaGo的训练
中没有针对任何特定棋手。相反的,当年深蓝是用了针对特定棋手的评估方式(
handcrafted evaluation function)
它也提到了用“KGS Go Server”(恕我无知,不知道中文,我想应该在棋友中是都知
道的)真人对局数据,不过没提它有没有匿名账户。
大致看来,glc说的“ALPHAGO的厉害之处是左右互搏加吸星大法”是一语中的。
这文章我还要仔细读,很多年没有认真读过好paper了(非灌水,idea有趣,行文合乎
逻辑,有条理),已经快要忘记其中的乐趣了。
Deepmind宣布了会在它的youtube频道直... 阅读全帖
c********s
发帖数: 101
13
google 一下嘛,这AI还没来得及take over the world,您老人家已经连敲一下“
deepmind” 8个字母都懒得动手了。
http://deepmind.com/alpha-go.html
When is the Lee Sedol challenge match being held?
The match will be held in Seoul, South Korea in March. More details will be
confirmed in February so keep checking our website for details!
Will the event be live streamed?
Yes we plan to livestream the event on our DeepMind YouTube channel. Live
stream schedule to be confirmed in February so keep checking our website for
details!
a*****g
发帖数: 19398
14
DeepMind: AlphaGo 携手中国顶尖棋手:共创棋妙未来
发表者:Demis Hassabis,Google DeepMind CEO & 联合创始人
一年之前,我们共同见证了人工智能领域的一个重大里程碑:来自 DeepMind 的
AlphaGo 战胜了传奇围棋选手李世石。但即便在当时,我们也并不清楚这将对围棋,这
一拥有三千年历史的古老游戏以及全球日益壮大的爱好者们产生怎样的影响。
事实上,人工智能的加入并没有像一些人所担心的那样使这项游戏式微,反而让人类棋
手变得更加强大而富有创造力。令人倍感振奋的是,尽管围棋可能是历史上被研究、推
敲得最为透彻的一项游戏,许多职业棋手以及业余爱好者还是通过对 AlphaGo 创新着
法的深入研究,学到了崭新知识和策略。你可以在这篇博文中了解更多关于AlphaGo 的
创造性策略。
“AlphaGo 下棋让人感觉更自由一些,没有什么着法是完全不能下的。现在大家都更多
地在尝试以前没有下过的一些下法。”
——周睿羊九段
显然,通过顶尖人类棋手与极具创造性的人工智能对手之间的合作,人们还能得到更多
新的启示。因此,我们十分高兴地宣布 Alp... 阅读全帖
a*****g
发帖数: 19398
15
DeepMind: AlphaGo 携手中国顶尖棋手:共创棋妙未来
发表者:Demis Hassabis,Google DeepMind CEO & 联合创始人
一年之前,我们共同见证了人工智能领域的一个重大里程碑:来自 DeepMind 的
AlphaGo 战胜了传奇围棋选手李世石。但即便在当时,我们也并不清楚这将对围棋,这
一拥有三千年历史的古老游戏以及全球日益壮大的爱好者们产生怎样的影响。
事实上,人工智能的加入并没有像一些人所担心的那样使这项游戏式微,反而让人类棋
手变得更加强大而富有创造力。令人倍感振奋的是,尽管围棋可能是历史上被研究、推
敲得最为透彻的一项游戏,许多职业棋手以及业余爱好者还是通过对 AlphaGo 创新着
法的深入研究,学到了崭新知识和策略。你可以在这篇博文中了解更多关于AlphaGo 的
创造性策略。
“AlphaGo 下棋让人感觉更自由一些,没有什么着法是完全不能下的。现在大家都更多
地在尝试以前没有下过的一些下法。”
——周睿羊九段
显然,通过顶尖人类棋手与极具创造性的人工智能对手之间的合作,人们还能得到更多
新的启示。因此,我们十分高兴地宣布 Alp... 阅读全帖

发帖数: 1
16
来自主题: Military版 - Google Deepmind算出新冠病毒的机构
https://medium.com/syncedreview/google-deepmind-releases-structure-
predictions-for-coronavirus-linked-proteins-7dfb2fad05b6
In a bid to help the global research community better understand the
coronavirus, DeepMind today released the structure predictions for six
proteins associated with SARS-CoV-2, the virus that causes COVID-19, using
the most up-to-date version of their AlphaFold system.
有懂行的说说,如果AI预测可靠,会不会分子生物结构这块力气活部分就白菜化了?好
比围棋被AI打败后,就国际象棋化了。
s*****r
发帖数: 43070
17
来自主题: Military版 - deepmind的出现,watson就是渣
一群老帮菜,哪懂deepmind
g***n
发帖数: 14250
18
这才是头脑
尼玛本来是该 deepmind 出名的,这下全是狗狗秀了
s*****V
发帖数: 21731
19
来自主题: Military版 - DEEPMIND搞出阿尔法狗
谷歌每年烧1.6亿,DEEPMIND搞出阿尔法狗,DQN打雅达利这样一堆东西。
c****3
发帖数: 10787
20
来自主题: Military版 - DEEPMIND搞出阿尔法狗
如果股市明年崩了,Deepmind就得被卖了,没法盈利
技术方向,和以前IBM的深蓝一样,也没法用在非棋类,主要为了炒作
s*****V
发帖数: 21731
21
来自主题: Military版 - DEEPMIND搞出阿尔法狗
Deepmind也在做非完全信息游戏,比如星际

发帖数: 1
22
来自主题: Military版 - DEEPMIND搞出阿尔法狗
deepmind应该转型成电脑游戏AI公司,提供电脑游戏AI引擎。它的技术也就适合做这个
,做通用AI,根本看不出有希望,它也没有证明能够。
电脑游戏AI很多是靠作弊,很容易被看出来,特别无聊。比较好的游戏AI,还是有需求
的。

发帖数: 1
23
来自主题: Military版 - DEEPMIND搞出阿尔法狗
Deepmind做免费游戏AI,游戏里可以打谷歌的植入广告,在外星打怪的时候,看到地球
上熟悉的商品,感觉很亲切
这样盈利模式就有了。
l******t
发帖数: 55733
24
螺旋式上升嘛。deepmind已经取得难以置信的成功。这条路就算走死也不过就像恐龙灭
亡一样不会阻挡ai进化的脚步

发帖数: 1
25
来自主题: Military版 - 狗家把deepmind 的co-founder 开了?
借口是deepmind 最近三年都在亏损
好像一开始赚钱似的
G****e
发帖数: 1912
26
来自主题: Military版 - 狗家把deepmind 的co-founder 开了?
他就是金主,第一桶金投资人,其实是被忽悠进来准备做冤大头的。
华裔黄博士和犹太人Shane Legg才是技术核心。
不过,其实DeepMind的核心成就跟他们三个没大关系。
DQN是Hinton的弟子加入后做出的关键突破。Google投钱就是冲Hinton弟子去的。

发帖数: 1
27
来自主题: Military版 - 狗家把deepmind 的co-founder 开了?
deepmind 和IBM 的AI在医疗领域的诊断率都远高于医生
但是医院是不会让医生这块肥肉让AI代替的
AI治不死人,开不了假药怎么赚钱
lol
c****3
发帖数: 10787
28
来自主题: Military版 - 狗家把deepmind 的co-founder 开了?
AI这次本来就是吹,只有眼光差的人才看不出
IBM的沃森癌症诊断是垃圾
Deepmind根本看不到前途
a*****g
发帖数: 19398
29
来自主题: Boston版 - Deepmind,蜘蛛坦克,小笼包(zz)
http://weibo.com/p/230418713863a50102w408
Deepmind,蜘蛛坦克,小笼包
2016年1月28日 14:39 阅读 97 新浪博客
总觉得要写点什么。
今天的流程是这样的,正常上班,9点一个哈欠坐在电脑前面,发现昨天回家前多删了
一个括号,晚上的script跑错了,修掉一个bug。Reorg在即,无心做新feature。于是
刷手机。这时候微信群黑白子有人说平下赢职业,没链接,光文字,这是出来的第一个
消息,当时大约9点半。不是太相信,马上拿了keywords放狗搜,找到blog,和油管上
Unlisted video,这是第一个链接,放在微信群“计算机围棋”里,炸了。想圈人(主
要是FB的Tian)起床看新闻,感觉不好意思。刘知青老师马上不睡觉看完video,这个
时候有其他中文媒体新闻流出,李喆一转就被删。我去FB发第一篇消息,标题是“WTF
”。然后拉video到末尾看到nature番号,但是nature官网遍寻不到。Video越看越真,
说用了两个DNN,一个做policy,一个做evaluation。Fan Hui的名字出现了。问黑... 阅读全帖
a*****g
发帖数: 19398
30
http://weibo.com/p/230418713863a50102w408
Deepmind,蜘蛛坦克,小笼包
2016年1月28日 14:39 阅读 97 新浪博客
总觉得要写点什么。
今天的流程是这样的,正常上班,9点一个哈欠坐在电脑前面,发现昨天回家前多删了
一个括号,晚上的script跑错了,修掉一个bug。Reorg在即,无心做新feature。于是
刷手机。这时候微信群黑白子有人说平下赢职业,没链接,光文字,这是出来的第一个
消息,当时大约9点半。不是太相信,马上拿了keywords放狗搜,找到blog,和油管上
Unlisted video,这是第一个链接,放在微信群“计算机围棋”里,炸了。想圈人(主
要是FB的Tian)起床看新闻,感觉不好意思。刘知青老师马上不睡觉看完video,这个
时候有其他中文媒体新闻流出,李喆一转就被删。我去FB发第一篇消息,标题是“WTF
”。然后拉video到末尾看到nature番号,但是nature官网遍寻不到。Video越看越真,
说用了两个DNN,一个做policy,一个做evaluation。Fan Hui的名字出现了。问黑... 阅读全帖
D*******r
发帖数: 2323
31
可以肯定的是,Aja Huang一定是用这个号做了相当一部分的阿尔法狗的测试。有以下
几个原因:
1. 有相当一部分要么连胜,要么连败,貌似在调整参数测试不同情况下的棋力。
2. 有相当一部分手数很短,50-60手就中盘负,但是看棋局完全不到认负的局面,甚至
还有优势认负的,感觉就是为了测试布局阶段的应手,达到目的就认负走人。并不在乎
输赢。
3. 有相当一部分超时负,因为是人手动输入计算机的应手,一不小心慢了。
4. 有很多时候一天下7-8盘,甚至10多盘,又不是周末,在deepmind工作没那么闲吧?
弈城对局棋谱库有一个缺陷,那就是看不见对局时的时间设定信息,所以根据这些棋谱
,还是没法比较准确估计阿尔法狗的棋力。不过可以肯定的是,Aja Huang平时测试不
可能开动分布式系统,估计最多也就是个配置好点的单机。所以分布式系统上非快棋的
阿尔法狗有专业棋手以上的实力是无疑的了,但是对顶尖棋手胜率如何,还是个谜。
w**a
发帖数: 3510
32
Deepmind到底是aja Huang还是电脑啊?
D*******r
发帖数: 2323
33
最近20局,deepmind 17胜3败。升九段后13局,11胜2败。
b***k
发帖数: 622
34
刚才在弈城上面堵到deepmind了,设置的时间是10秒一步的,对手是Taiwan的中9实力
,从头看到尾,感觉应该是人在下,不是机器在下。这么看来Aja Huang自己就有弈城
9D的实力。
D*******r
发帖数: 2323
35
关于让白渡过后的形势判断就不多说了,一言两语说不完。
需要指出的是,如果aja Huang确实是在拿deepmind的号让阿法狗练棋的话,这个平时
训练的系统只会是个单机系统而不是分布式系统。另外,他们在弈城下的是20秒快棋,
因为弈城没有开放API来挂机器人对弈,所以机器的应手是人手工输入,那么机器的用
时也就是10-15秒一步。
单机快棋主要是训练和调整它的“棋感”,分布式加慢棋在搜索计算上才能发威力。所
以平时训练狗狗是拿计算机的短板跟人对练。
单机10-15秒一手,和2000多CPU的分布式系统一分钟一步,之间的差别估计得有3-4子。

发帖数: 1
36
就棋论棋,这盘白棋就是面九的水平,最后捡了另一个面九的勺子赢了,没有什么深不
可测的地方。前面没有必然性的下法不论,后面黑棋把下面做活,白棋要赢得把左上左
下右下全部撑住。输的虽然也不算特别多,但要赢的话。。。黑棋飞进角的时候,让白
棋开挂在左上左下同时下一手可能差不多。。。
deepmind未必是AlphaGo,虽然这盘棋有一点和樊麾第五局的影子。推测就不说了,但
愿3月份下出精彩的比赛吧。

子。
g*******u
发帖数: 3948
37
deepmind 现在就是高达上的代名词啊
D*******r
发帖数: 2323
38
在弈城上都是下的10-20秒快棋,再加上手工输入时间,即使deepmind的号是阿法狗在
下棋,也只是在traing和调整它的神经网络的参数,几乎完全没有使用搜索计算部分。
D*******r
发帖数: 2323
39
来自主题: Go版 - deepmind 昨天又登录弈城了
算的深度不一样,甚至混合了哪些算法都有可能不一样,风格就会大不一样。反正我看
deepmind在弈城的棋,基本上没有那种把先手不保留全部走净的棋。
t******l
发帖数: 10908
40
来自主题: Go版 - deepmind 昨天又登录弈城了
难道是传说中的。。。
。。。
。。。
。。。
九浅一深?

:算的深度不一样,甚至混合了哪些算法都有可能不一样,风格就会大不一样。反正我
看deepmind在弈城的棋,基本上没有那种把先手不保留全部走净的棋。
r******i
发帖数: 1445
41
来自主题: Go版 - DeepMind又出新paper
没有提到deepmind呀

发帖数: 1
42
对狗狗获胜表示吃惊,那纯粹是人家的客套话。DeepMind内部数据在赛前就强烈显示狗
狗的胜率无限接近百分百。去年十月的小狗5比0胜樊麾,今年三月的大狗百分百胜小狗
。大狗对小狗,一百万盘全胜是神马概念哪?!和狗狗下就是慢慢的被折磨,最微小的
失误都被一步一步的放大,直到崩溃。对李世石不幸做挡箭牌深表同情,希望不要留下
后遗症。
a*****g
发帖数: 19398
43
来自主题: Programming版 - Deepmind,蜘蛛坦克,小笼包(zz)
http://weibo.com/p/230418713863a50102w408
Deepmind,蜘蛛坦克,小笼包
2016年1月28日 14:39 阅读 97 新浪博客
总觉得要写点什么。
今天的流程是这样的,正常上班,9点一个哈欠坐在电脑前面,发现昨天回家前多删了
一个括号,晚上的script跑错了,修掉一个bug。Reorg在即,无心做新feature。于是
刷手机。这时候微信群黑白子有人说平下赢职业,没链接,光文字,这是出来的第一个
消息,当时大约9点半。不是太相信,马上拿了keywords放狗搜,找到blog,和油管上
Unlisted video,这是第一个链接,放在微信群“计算机围棋”里,炸了。想圈人(主
要是FB的Tian)起床看新闻,感觉不好意思。刘知青老师马上不睡觉看完video,这个
时候有其他中文媒体新闻流出,李喆一转就被删。我去FB发第一篇消息,标题是“WTF
”。然后拉video到末尾看到nature番号,但是nature官网遍寻不到。Video越看越真,
说用了两个DNN,一个做policy,一个做evaluation。Fan Hui的名字出现了。问黑... 阅读全帖
s*****V
发帖数: 21731
44
来自主题: Programming版 - Deepmind 的星际二挑战
周末没事瞄了一眼Deepmind论文,主要的是跟暴雪合作搭建了一个新的机器学习平台,
和 MINST和imageNet一样。强化学习结果不理想,只有一些MINI游戏有一些收获。后面
DM尝试跟AlphaGo一样的思路,想从BattleNet的Replay里面学习出来局面评估网络跟策
略网络,值网络gle frame prediction 准确率可以到60-70%, 下一步策略预测TOP1很
低 30%多,TOP 5可以到88%,但是空间准确率很低22%。 目前这个结果肯定是不理想,
就等各方高手跟进吧。
n*****3
发帖数: 1584
45
来自主题: Programming版 - Deepmind 的星际二挑战
I think 星际 is not that well defined like GO.
and deepmind is London based
l******t
发帖数: 55733
46
这个有意思。马上去看看
弈城惊现疑似谷歌团队ID 金灿佑:棋谱似人工智能
发布于2016-1-29 19:45:41
分享到:
微信
更多
9

弈城围棋讯 1月28日,一条“由谷歌公司Deep Mind团队研发的谷歌围棋人工智能
AlphaGo以5比0击败欧洲冠军樊麾”的消息迅速惊爆围棋圈,人们除了对这款人工智能
的棋力、与樊麾五盘棋的棋谱、3月份挑战李世石的胜负等热议之外,对其背后的研发
团队Deep Mind也深感兴趣。
巧合的是,弈城工作人员在弈城网的众多高手ID中,发现了一个注册为“英国”的
、名为“deepmind”的账号,这个账号曾在弈城9D上站了4个多月,于上周日被打回了
8D。当然,目前并不能确定这个“deepmind”就是谷歌研发团队Deep Mind的测试账号
,但仔细分析一下这个账号在弈城的对弈记录,也令人颇感兴趣。
360截图20160129195115145.jpg
注册为“deepmind”的英国账号
deepmind目前在弈城的总战绩为465战276胜186负3和。deepmind的第一盘对局是
2014年4月2日,当时他注册的段位是5D,此后在... 阅读全帖

发帖数: 1
47
2016 年,Google 旗下 DeepMind 公司开发的 AlphaGo 击败了韩国职业九段棋士李世
石。今年 5 月,AlphaGo 以三战全胜的纪录赢了名列世界第一的棋王柯洁。隔了五个
月后,DeepMind 公布了 AlphaGo Zero,它再度让人类感到震撼。
「我没有想过一个名词能获得所有人的认同,从政治人物、科学家、企业家、到学生甚
至是小孩,都觉得这件事明天会发生,这场完美风暴的引爆点是 AlphaGo,黄士杰可能
自己都没想过,他那隻帮机器下棋的手,改变这个世界:让大家相信或者忧虑机器会超
越人类」,Google 台湾董事总经理简立峰说。
人工智慧,是简立峰口中的完美风暴,AlphaGo 则是这一波 AI 风潮的最佳代言人,那
麽,黄士杰呢?相信 DeepTech 的读者们已经对这个名字并不陌生,他是 DeepMind 资
深研究员,是与人类顶尖棋手对弈时代 AlphaGo 执棋的「人肉臂」,更重要的是,他
还是开发这个神秘大脑的关键人物之一。
11 月 10 日,黄士杰应台湾人工智慧年会之邀来台演讲,演讲主题是「AlphaGo——
深度学习与强化学习的胜利」,... 阅读全帖
n********g
发帖数: 6504
48
来自主题: Military版 - 捆仙绳 你在做这个吗?
Demis Hassabis 从小就是神童。他 4 岁开始下国际象棋,8 岁开始思考 2 个问题:1
)大脑是如何学习掌握复杂任务的;2)计算机能不能效仿?
现在他 38 岁了。今年早些时候,在演示了超越人类水平的自学玩游戏能力之后,这位
曾被 Mind Sports Olympiad 称为“史上最好的国际象棋选手”与人联合创办的人工智
能初创企业 DeepMind 被搜索巨头 Google 以 6.28 亿(原来报道为4亿)美元收走了。
在今年温哥华举行的 TED 大会上,Google CEO Larry Page 一直对 Hassabis 滔滔不
绝,并把他那家公司的技术称为是“很长一段时间以来我见到过的最令人兴奋的东西之
一。”
研究人员已经开始研究如何利用 DeepMind 的技术改进 Google 的现有产品,如搜索等
。但是 Hassabis 却有更大的期望。他希望 DeepMind 能开发出从小就想要的那种人工
智能软件,那种面对几乎任何问题都能学习的智能,果真如此的话,它有可能改变计算
机在许多领域扮演的角色。
文艺复兴人
Hassabis 探求理解和创造智能之路让他经... 阅读全帖
Q******g
发帖数: 607
49
据钛媒体报道。
钛媒体注:“谷李”世纪大战硝烟散尽,由此引发的机器学习与人工智能的热潮不
减反增。日 前,AlphaGo (中文俗称“阿尔法狗”)项目负责人,有着阿尔法狗之父
之称的大卫·席尔瓦(David Silver)回到英国伦敦,在母校伦敦大学学院(
UniversityCollege London,UCL)一场私密会上复盘了人工智能围棋系统AlphaGo与李
世石的5番棋大战,在场的听众被禁止拍照。这也是赛后,阿尔法狗团队的首次 半公开
复盘。
UCL计算机系是全英计算机排名第一的学院。在UCL计算机系攻读博士学位的中国留
学生张伟楠全程参与了这次分享会,并且在会后与席尔瓦进行了面对面的交流。钛媒体
独家约稿张伟楠,根据席尔瓦的分享及会后与席尔瓦的交流,写作此文,席尔瓦也透露
了AlphaGo的下一步可能动向以及应用前景。席尔瓦透露,AlphaGo的最新版本自我估分
在4500左右,远远超出积分3625的柯洁,实力水平大约在13段左右,人类选手中已然无
敌。
张伟楠与阿尔法狗之父席尔瓦在交流张伟楠与阿尔法狗之父席尔瓦在交流
两周前的那场人机大战,AlphaGo出人意料地获得了压... 阅读全帖
S*****e
发帖数: 6676
50
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
这个不能叫做攻破了围棋,LOL。。。二十年前Deep Blue那个时候赢得可是卡斯帕罗夫
,不过你知道是怎么赢得么,还有后来又咋地拉?啥时候要是笔记本上装个软件能把世
界冠军赢了说不定真算赢了。。。
1 2 3 4 5 6 7 8 9 10 下页 末页 (共10页)