全球移动互联网大会开幕 人工智能&虚拟现实13只概念股价值解析
来源:华讯财经 作者:佚名 2016-04-29 08:34:44
中金在线微博
关注
人工智能进入“深度学习”阶段
谷歌超级人工智能系统AlphaGo在与顶尖围棋高手李世石的较量中取得胜利,是人工智能发展史上重要的里程碑,显示出人工智能在复杂的博弈游戏中开始挑战最高级别的人类选手。“深度学习”将为人工智能打开一扇新的大门。
围棋是一种古老的游戏,行棋规则简单,千变万化中却蕴涵无尽玄机。以最基本的“定式”为例,定式的选择只有在合适的场合配合下才能发挥功效,绝非机械记忆即可,必须了解其内涵,掌握各种变化下的应对,否则,可能非但无利,反而有害。
围棋的特殊性并不在于变量的数量级变化,而在于选择的“不确定”性。与其他游戏不同,围棋博弈时,最优选择很难用数学语言“定量”精确表达,顶尖高手之间对“下一手”的看法不能达成一致基本是常态。这并不是因为棋手之间的能力差异所导致。事实上,选择不同的“下一手”很多时候的确没有好坏之分,只是形成不同的路线,胜负取决于棋手后续的综合功力。因此,对于高手来说,计算能力很重要,但博弈时更讲究的是“棋感”。所谓实与势要均衡,“高者谋势,低者谋实”。
电脑游戏更新换代非常快,一个重要的原因就是玩这些游戏的“解决方案”通常都是确定的。一个游戏被玩熟之后,对于后续进程通常都在预期之中,其魅力当然很快就会消失。
由于围棋博弈缺乏“定量”解决方案,因此仅依靠海量存储数据棋谱,进行搜索比对加以分析判断,难以找到最佳的“下一手”,要让机器取得胜利的唯一办法只能是掌握“学习”能力。为此,AlphaGo通过神经网络引入了“直觉”。直觉让棋手成为高手,但却不是传统数字世界所使用的规则。此次AlphaGo连续击败李世石,表明人工智能通过“学习”,在“势”和“实”这些“虚”的领域达到了令人震惊的高度。
人工智能主要可分为类人的人工智能和非类人的人工智能。类人人工智能的思考和推理就像人的思维,可以通过实践和学习获得知识和能力;非类人人工智能主要通过感知、知觉等专业技能执行特定任务,解决问题的重要途径是将所有可能构建成搜索树,通过比对、决策寻找最优方案,对于这类人工智能来说,背后的数据库越强大,它的“水”就越深,但能力也基本在预期范围之内。
谷歌AlphaGo将高级搜索树与深度神经网络结合在一起,背后的数据库理论上只是用来学习的素材,不再单纯比拼记忆和计算,而是通过实践和学习获得知识和能力。就像AlphaGo开发者戴维所称:“AlphaGo是我们创造的,但并不知道‘他’是怎么想的。”九段棋手古力则感叹,AlphaGo团队并没有围棋高手,却打造出棋力水平如此高的系统。“深度学习”能力获得重大突破,意味着人工智能将不断进化,向更远更高的境界迈进。这就是“深度学习”的魅力。
专业围棋选手的反应值得关注。本次“人机大赛”前,专业棋手大多看好李世石,国内等级目前排名第一的柯洁甚至预测李世石5:0取胜。棋圣聂卫平则认为,电脑击败专业棋手是“忽悠”,欧洲冠军樊麾被AlphaGo击败是耻辱。李世石两度失败后,还有九段棋手质疑比赛过程有猫腻,不愿意接受这个事实。这个群体对围棋有着更深刻的理解,只是没有认识到人工智能所达到的高度。
人工智能在经济决策、控制系统和仿真系统等领域目前已得到越来越广泛的应用,但主要还是集中在非类人人工智能领域。AlphaGo此次选择围棋只是测试其能力,未来谷歌希望打造一个通用智能系统,用于灾害预测、风险控制、医疗健康和机器人等复杂领域。
目前来看,AlphaGo还有不少需要完善的地方,是否能跨越围棋领域尚未得知。从盘面上看,其局部战斗表现出色,但招式过于强硬,在最讲究“棋感”的布局阶段还存有一定缺陷。在对弈前半盘,李世石前两局棋都有不少机会。欧洲冠军樊麾曾采用复杂的大雪崩定式开局,也一度占到不少便宜。
此外,AlphaGo也许能够促使我们对围棋的重新理解。AlphaGo的很多“非人类招式”一度受到专业人士揶揄,但事后却发现取得了很好的效果。事实上,人们对围棋的认识一直在改变。李世石崭露头角时,其韩式力战型棋风并不被认可,很多“无理手”甚至“恶手”在讲究“棋理”的人士眼中是不可接受的。但这种风格现在成为了主流。(中国证券报)
共 8 页 首页 上一页 [1] [2] [3] [4] 5 [6] [7] [8] 下一页 末页
- 名博
-
指南针:七连阳又有何妨 少爷:首战告捷有重大启示
彬哥:六连阳后防止回调 李君壮:连续上攻高抛低吸
- 推荐
-
牛熊:周四的热点直播
指南针:周四操作参考