订阅高工机器人官方微信

订阅服务机器人官方微信

订阅人工智能官方微信

【观点】Master的胜利意味着人类退化?

2017-01-12 17:00 高工机器人网 阅读:12325
分享到:

摘要在过去几天里,AlphaGo的升级版Master在围棋领域掀起了一场血雨腥风,60连胜的新纪录几乎战胜了人类围棋高手,人工智能再一次被推到风口浪尖,火爆程度不亚于任何一个行业,对于人工智能进步,我们无需过度恐慌,更不需要自我陶醉,人工智能还有很长的路要走,我们需要的是更多的思考。

关于恶意转载本网原创文章,故意删除高工机器人字眼的严正声明

  【文/高工产研机器人研究所(GGII)】在过去几天里,AlphaGo的升级版Master围棋领域掀起了一场血雨腥风,60连胜的新纪录几乎战胜了人类围棋高手,人工智能再一次被推到风口浪尖,火爆程度不亚于任何一个行业,对于人工智能进步,我们无需过度恐慌,更不需要自我陶醉,人工智能还有很长的路要走,我们需要的是更多的思考。

  一、Master战胜人类高手,本质上是算力与算法完胜人类

  AlphaGo 给围棋带来了新方法,它背后主要的方法是 Value Networks(价值网络)和 Policy Networks(策略网络),其中 Value Networks 评估棋盘位置,Policy Networks 选择下棋步法。这些神经网络模型透过一种新的方法训练,结合人类专家比赛中学到的监督学习,以及在自己和自己下棋(Self-Play)中学到强化学习。这不需要任何前瞻式的 Lookahead Search,神经网络玩围棋游戏的能力,就达到了最先进的蒙地卡罗树状搜索演算法的级别(这种演算法模拟了上千种随机自己和自己下棋的结果)。

  透过将 Value Networks、Policy Networks 与树状搜索结合起来,AlphaGo 达到了专业围棋水准,甚至超越了人类棋手的水准。

  近年来人工智能在深度学习在语音识别和图像识别取得了不小的进步,在今后的几年,深度学习的下一波突破将集中在三个方面:一是决策控制算法, 二是自然语言理解,三是深度神经网络芯片。

  二、Master在围棋领域的成功,并不意味着在其他领域可以简单复制

  下棋这个的场景有着天然的优势,即每天机器只需要和自己下棋就够了,不需要外界很多的输入。类似的场景如游戏类竞技领域,机器只需要自己和自己不断比赛练习就可以;还有开车、开飞机等现实场景, 其中只需要自己积累数据就可完成训练,前提是要有足够庞大的数据积累以及机器深入学习的能力。但其他领域,比方说医疗、服务领域,想训练出AlphaGo的目标就很难实现,因为不是说机器想学习案例,就一定恰好有合适的足够多的病例出现,这样的场景需要外界给予足够的输入和配合。在这一点上,人工智能还有很长的路要走。

  三、人工智能可以更好的为人类服务,Master的胜利,亦是人类的胜利

  人工智能的进步,不仅是在围棋领域,在工业、农业、体育竞技等领域,也发挥着令人惊叹的作用。源于机器在运算速度、力量和精确度等很多方面是人类所望尘莫及的。

  当下的人工智能,一方面在有规则的场景中,轻松地超越了人类上千年积淀的知识体系。这使得很多场景下,人工智能可以取代人,淘汰人,造成伦理上的困境:机器本该服务人,但却在淘汰人。但更应该看到的是,在没有明确规则的生活、学习、劳动的场景中,却离人类还差得很远。这就意味着,人与人工智能,将是一个合作关系,人类无需恐惧。它们也有助于人类从重复性的劳动中解放,让人类得以进行更高效的、完成更多创造性的工作。

  GGII认为,对于Master战胜诸多人类顶尖棋手这一事件,更多的是体现了人工智能的进步,呈现的是“青出于蓝而胜于蓝”的趋势,但归根结底,人工智能是由人类一手创造的,是人类智慧的结晶,所以人工智能的进步实质上就是人类自身的进步。

热门文章
  • 日排行
  • 周排行
  • 月排行
欢迎投稿

联系人:郑先生

Email:ly.zheng#gaogong123.com
发送邮件时用@替换#

电 话:0755-26981898-843