爱吧机器人网 » 技术 > 人工智能 > 正文

阿尔法不再是传奇 能击败它的人工智能现世了

人工智能,在很多人的心中或许一直停留在“虚幻“的境界之中,但是伴随着去年的AlphaGo完胜围棋世界冠军李世石,越来越多的人开始关注这个领域,开始关注这项黑科技。近日,《自然》发表的一篇论文《Mastering the game of Go without human knowledge》,人工智能再次掀起轩然大波。

神奇在哪?

不需要任何人类的经验

据悉,这一款新版的AlphaGo计算机程序能够从零学起,在不需要任何人类输入的条件下,迅速自学围棋。这款新程序名叫AlphaGo Zero(阿尔法元),以100比0的战绩打败了它的前任AlphaGo (在2016年3月的锦标赛中,其前任打败了围棋世界冠军李世石)。

这篇论文中所介绍的AlphaGo是全新的,它不是战胜柯洁的那个最强的Master,但却是孪生兄弟,它的名字叫AlphaGo Zero。与以前的AlphaGo相比,它从零开始学习,不需要任何人类的经验。

据悉,AlphaGo Zero最初是随机落子,但通过反复与自己对弈,它的水平迅速提高。在进行实验3天后,面对2017年5月时对战全球最强棋手柯洁九段取得3连胜的AlphaGo,取得了100战全胜。也就是说,AlphaGo Zero只需要在4个TPU上,花3天时间,自己左右互搏490万棋局。而阿尔法狗,需要在48个TPU上,花几个月的时间,学习3000万棋局,才打败人类。

专家“吓一大跳”

是一个跨时代的进步

怎么看待AlphaGo Zero 100-0击败AlphaGo这件事?西安电子科技大学电子工程学院副教授张文博表示:“说实话,吓了一跳,因为这个趋势我们都能看到,但是没想到这一天来得这么早。这个事情最大的突破,就是无监督的深度学习。无监督指的就是训练数据没有类别标签,就是我们并不知道我们训练的数据它到底是什么。比如说,红色的、圆形的、甜味的,我们并不知道它是苹果,但是我们要学出来它是一个苹果。之前阿尔法狗观察了上万小时的视频,从中自主学习到了一只猫,它用了数月的时间并且消耗了大量资源,而今天阿尔法元在一个短时间内的学习就击败了阿尔法狗,这是一个非常大的可以说是一个跨时代的进步。”

张文博表示:“人工智能的第一个方向,就是无监督的学习,就是不需要标签,不需要人工的经验知识,不需要人为干预的一个学习过程,就像我们小时候学到一些基础的数学知识之后,可以自主地去学习、推理、思考,很像我们人类学习的过程。在这样一种学习过程中,它丢掉了人为制约。大家可以看到国外的评论,它在开局和收官的过程中,跟我们人类的思考方式或者是下棋的方式接近;但是在盘中的时候,是一种完全不一样的思路。而之前的阿尔法狗,由于有人为的、棋谱的限制,它并没有跳出这样的局限和约束。因此,阿尔法元的这种突破是对人类固有思维模式的一个突破。”

“人类多余”?

答案有点残酷

AlphaGo 击败的全球最强围棋选手柯洁在社交平台上表示:“一个纯净、纯粹自我学习的AlphaGo是最强的,对于AlphaGo的自我进步来讲,人类太多余了。”

“坦白地说,我的答案是比较残酷的。如果说人类完全多余,短时间内至少我们是看不到的。但是在不远的将来,有很大一部分从事简单、重复、不需要人类付出创意的、思考的、抽象的这样一些工作就会被完全替代。但是需要人类思考的、抽象的、需要我们去创造的一些工作,比如说艺术类,比如说去构建这个人工智能本身等等这些工作,会随着人工智能的普及变得越来越重要、越来越吃香。”

西安小喵科技CEO李晋表示:“长远来看,我认为从最本质上来讲,人工智能和人类智能或许没什么不同,只是阶段问题,这个话题比较远,暂且不论了。在几十年的周期内,人工智能应该仍会在人类设定的目标范围内来完成特定任务,但也存在失控的风险。”

“新一代人工智能与深度学习”国际研讨会上,西安电子科技大学电子工程学院高新波教授说:“原来的AlphaGo 虽然比人快,但不可能比人能创造知识,现在发现它也有了。所以说,AlphaGo Zero的出现,为强人工智能的出现奠定了基础。过去我们说,在专一的问题上人工智能有突破,通用问题上它差得远,而阿尔法元基本上已经半通用了,它没有用上人的知识,从0开始学起的。”


上一篇:百度宣布开启AI平台 正式启动AI加速器一期报名
下一篇:软件BUG的修补因人工智能的融入得到升级
精选推荐
研究人员融合人类与AI的创造力 显著提高了深度学习的表现
研究人员融合人类与AI的创造力 显著提高了深度学习的表现

[2019-10-12]  由加拿大人工智能领域研究主席、滑铁卢大学系统设计工程教授Alexander Wong领导的一个团队开发了一种新型紧凑型神经网络家族,可以在智能 ...

机器人灵巧手将成为智能机器人的下一个重大突破
机器人灵巧手将成为智能机器人的下一个重大突破

[2018-01-25]  计算机科学教授兼东北地区助手机器人实验室负责人罗伯特·普拉特(Robert Platt)说:“机器人手操作是下一步要解决的问题。想象一下,一个机器人可以在现实世界中用手去做事......

机器人iCub作为嵌入式AI的标准机器人研究平台的重要性
机器人iCub作为嵌入式AI的标准机器人研究平台的重要性

[2017-12-24]  机器人的研究在过去10年中得益于一个具有嵌入式人工智能(AI)的标准化开源平台——人形机器人iCub。iCub最初在意大利被创建,如今在欧洲、美国、韩国、新加坡和日本的实验室......

2023年服务机器人市场将超过250亿美元
2023年服务机器人市场将超过250亿美元

[2017-09-04]  全球服务机器人市场预计到2023年将达到250亿美元, 并在预测期内登记15% 的复合年增长率。短期中期回收期和投资回报率高 (ROI), 以及在教育和研究、临场感、防御、救援和安......

人工神经网络技术解码人类行为和想象时的大脑活动信号
人工神经网络技术解码人类行为和想象时的大脑活动信号

[2017-08-23]  为搜索引擎过滤信息,棋盘游戏对弈,识别图像 人工智能在某些任务中远远超过了人类智能。来自弗莱堡由神经科学家私人讲师Tonio Ball博士领导的几个杰出的BrainLinks-Bra......

从AI中窥探人性
从AI中窥探人性

[2018-01-03]  人们对人造智能的恐惧早已成为科幻书籍和电影的极好题材。但现在,一些同样的担忧开始影响关于现实世界AI技术的政策讨论。如果这样的担忧演变成为一种技术恐慌...

麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群
麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群

[2019-10-31]  几天前,小编向大家介绍过麻省理工(MIT)研发的一种自组装机器人集群(点此阅览),它们可以用统一标准的小单元自动组装出各种大型结构。 ...

深度神经网络揭示了大脑喜欢看什么
深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...

本周栏目热点

为你讲述大历史观视野下的人工智能

[2016-08-07]   人工智能 是当前科学技术发展的前沿。目前,关于 人工智能 的争论不仅在 科技 界,而且扩展到整个社会。争论围绕以下问题展开:其一, 人 ...

AISA人工智能主动防御系统—美国路演硅谷站

[2018-07-17]  26日 硅谷区块链大会。硅谷项目AISA异军凸起,首提AI人工智能威胁防御课题,引起了业界广泛关注。该项目极具创新性。参会人士对项目未来发展普遍看好,多家VC表示主动投资意向。...

从"陪练"到"赢家":人机博弈的六十年

[2016-03-11]   本报记者 常丽君自上世纪五十年代第一个博弈类计算机程序诞生以来,人机之间的博弈从未终止。60多年的 ...

人工智能机器人将要接管世界?

[1970-01-01]    人类对机器人的来临早有准备,只是化学和新陈代谢的速度极限决定了有机大脑的能力存在着极限。或许人类的大脑已经达到了那个顶峰,但对 ...

美媒:日本寄望人工智能重振科技业

[1970-01-01]   据美国《华尔街日报》12月1日报道,Daisuke Okanohara是东京 人工智能 公司Preferred Networks Inc 的 ...