close
上個月，一款名為 AlphaGo 的計算機程序在古老的圍棋遊戲中擊敗瞭頂級的專業棋手李世石。這在人工智能（AI）發展史上極具裡程碑的意義。李世石是世界排名前五的棋手，具有圍棋最高段位——九段。此前，人工智能專傢認為，要達到這一成就至少還需要十年。現在，這一勝利給大傢帶來的興奮仍在蔓延，甚至由於需求的增加，一度造成圍棋棋盤供不應求。
計算機操控的其他棋類遊戲，比如跳棋和國際象棋，可移動的空間要小得多。用於解決這些問題的程序開局時使用現有棋局的數據庫，然後在可能性縮降到足夠低時移動棋子進行強力攻擊。據 AlphaGo 的開發人員介紹，圍棋要比象棋復雜一科克 (10100) 倍。這使得強力攻擊的方法完全不相關，並且需要高度先進的方法，而這正是我想深入瞭解的。
深層神經網絡與深層強化學習
AlphaGo是谷歌大約兩年前收購的一個公司 DeepMind 開發的。在 Google Zeitgeist 的演講會上，DeepMind 的創始人兼 CEO DemisHassabis 指出瞭“狹義”人工智能與強人工智能(AGI) 之間的區別。而圍棋通常正是 DeepMind 技術的用武之地。DeepMind 的開發人員一直在堅持讓他們的程序盡可能地通用。這與傳統的人工智能程序是相反的，因為傳統的人工智能程序隻是用來執行一項具體的任務。
DeepMind 所有 AGI 程序的學習階段都是通過提供輸入和目標來執行，並允許深層神經網絡找出實現目標的最佳途徑。這使得程序能夠以盡可能接近的方式模擬人類與世界的互動方式。具體來說就是，AlphaGo 程序結合名為蒙特卡洛樹搜索 (Monte Carlo tree search) 的啟發式搜索算法，讓兩個深層神經網絡聯手工作。
這種方法的基礎是在神經科學領域發現的，而 Hassabis 除瞭學習過計算機科學外，他還擁有這個領域的博士學位。神經網絡的靈感來自於我們大腦的工作方式，並且是系統的基礎。強化學習是程序學習執行任務的方式，通過設置目標和成功的激勵來進行。
這種學習方式的靈感來自於行為心理學，它用在AlphaGo中讓其與自己對弈，從而不僅通過現有的遊戲庫來進行提高，還可以通過以前從未玩過的遊戲來提高。這些系統的深度和層次，使他們能夠處理這樣復雜的任務，如圍棋。此類學習方式使同一個系統能夠執行各種各樣的任務。
接下來有可能將它和程序結合寫出獲得諾貝爾獎的文學作品？？台中抽化糞池
所有強大的程序都需要 AGI
大約二十年前，人工智能的發展達到過一個類似的歷史性裡程碑。IBM 的深藍戰勝瞭卡斯帕羅夫，當時世界排名最高的棋手。
許多人都懷疑計算機是否能在國際象棋上打敗人類，因為國際象棋被認為是一種需要很強的創造力和卓越的戰略思想的遊戲，大傢認為這是人類才能玩的遊戲。當時用於獲得這個歷史性勝利的硬件非常龐大而且價格昂貴。而如今，超人級別的象棋程序無處不在，並且可以在任何智能手機的處理器上運行。 今天，IBM 繼續使用能夠分析非結構化數據的 Watson 技術平臺來追求真正的人工智能。但他們不再孤獨，因為Facebook、百度、微軟、Elon Musk 和幾乎任何一個人都在努力實現 AGI。當你思考它時，它就有意義。一旦你解決瞭智能問題，你就可以用它來解決其他一切問題！
它就像是你在遇到魔法精靈時會要求的第一個願望——一個無限的願望。
下一站：手持 AGI
那麼，這一切背後的處理能力是什麼？
最近，AlphaGo 的開發人員在《Nature》雜志上發表瞭一篇文章，詳細說明瞭它的工作原理。從這篇文章來看，該程序是在許多版本中進行測試，並且每個版本使用不同量級的處理能力。這些版本會按照性能進行評分。自然是處理能力越強，分數越高。
最大的分佈式版本，在多臺計算機上運行，使用瞭 40 個搜索線程、1920 個CPU 和 280 個 GPU。在所有情況下，搜索時間都被限制為每步 5 秒鐘。
根據這種分析來看，分佈式 AlphaGo 系統使用大約 1 兆瓦的能量，而人腦卻隻使用20 瓦。也就是說，AlphaGo 消耗的能量大約是李世石的 50,000 倍。
作為朝著模仿人類大腦內部運作方向發展的算法，機器運行的算法正在努力去實現人類大腦令人難以置信的低功耗。同時，這種大規模計算能力還遠不能在低功耗的嵌入式平臺上實現。 此類人工智能要想在手持設備上實現，還有很多工作要做。現在有兩個不同的方面都取得瞭顯著的進展。一方面是算法變得越來越高效，另一方面是硬件功能越來越強，體積更小，功耗更低。
接下來面臨的挑戰是在嵌入式平臺（如我們的 CEVA-XM4 處理器）上運行這些網絡，並將其投放大眾市場。
人類的未來會有危險嗎？
毫無疑問，這項技術巨大而具有壓倒性優勢的潛能蘊含著許多危險。公家機關水肥清運
我曾經在最近的一篇名為“Will our Deep LearningMachines Love Us or Loath Us?”（我們台中清化糞池的深度學習機器是會愛我們還是憎恨我們？）的帖子中表達瞭一些類似的顧慮。這可能是人工智能社區支持這封公開信背後的動機，它的目的是確保我們“在利用其優點的同時避開潛在的陷阱”。
這種恐懼並不僅僅是幾個邊緣支持者的杞人憂天。這封信有 Demis Hassabis、Stephen Hawking、Elon Musk、Steve Wozniak 和許多其他人的聯合簽名，包括谷歌、微軟和 Facebook 的人工智能專傢以及許多著名大學的研究人員。
現在，似乎我們已經遠離任何可能威脅到人類的程序。但通過 AlphaGo 我們可以看到，有些事情的發展速度超過瞭我們的預期。我們希望，通過盡早瞭解未來的危險能夠真正幫助我們控制自己創造出的產物。
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
