AlphaGo靠自我学习打败了自己
要说知名度最高的AI智能运算, 那就是阿尔法GO了, 自打阿尔法GO击败为其最高段位的柯洁之后, 就基本超脱人类范畴了.
不过, 我们怎么也没有想到, 这个AI智能居然能够完成自我进化. 在战胜柯洁后的几个月, 进化的AlphaGo Zero已经完胜此前两个版本, 更令人惊讶的是, 这个AlphaGo Zero的进化方式并非在原来基础上, 而是从零开始. 过去的AlphaGo都是在与无数人类业余, 职业棋手的对决中慢慢成熟, 但AlphaGo Zero自诞生起就彻底抛弃了人类学习, 转而靠着自我进化, 自我对弈孤身成长的方式, 一举成为了史上最强的电子棋手.
围棋对弈
至于AlphaGo Zero到底有多强? 对比第一版打败李世石的第一版AlphaGo, 只用了三天时间的训练时间, 就取得了100: 0的成绩完胜. 在这之后AlphaGo Zero又进行了40天的自我对弈学习, 继续挑战打败柯洁的第二版AlphaGo, 结果是89:11, AlphaGo Zero胜.
以前版本的AlphaGo最初接受了数千人的业余和专业游戏的训练, 学习如何玩围棋. 而如今AlphaGo Zero跳过这一步, 通过和自己玩游戏, 完全从随机的棋局中学习, 经过最开始的爬坡阶段, 它很快超过了人类的玩法水平. AlphaGo Zero与强大的搜索算法相结合, 自由发挥的同时, 神经网络会自动调整和更新, 在短短几天的时间里积累了数千年的人类围棋知识. AlphaGo Zero还以此开发了一套非常规的策略和创新棋法, 用以预测下一步的方式, 取得游戏最终的赢家.
来自某网友心态: 一个明明可以用自我进化来提升能力的棋手, 之前还被拿来和人类对弈, 真是谈浪费了.
研发 '这些' AlphaGo的公司DeepMind, 在发布于《自然》杂志的论文上提到了许多AI技术上的细节. 但按照CEO Demis Hassabis交代我们说法, AlphaGo Zero关键的一点在于去掉了人类认知的不足, 消除了对大量数据训练的依赖, 这方面一直是AI领域的难题.
| 以下是引用片段:
这些瞬间的创造力使我们相信, 人工智能真的会让我们事半功倍, 在未来, 我们将用人工智能共同解决人类面临的巨大问题.
|
目前, 有关AlphaGo能否应用在更多策略类游戏还有待考察, 但在未来DeepMind相信AlphaGo会有更广阔的前途. 其实, 在另一领域, 你或许已经发现AI已经开始慢慢进入到我们的生活, 那个突破口就在手机. 从即将发售的iPhone X身上, 我们看到它配备的AI神经引擎, 而今天发布的华为Mate 10也具备了AI处理芯片.
在移动领域, 从今往后会有越来越多厂商开始在处理器上植入AI优化的硬件.
那作为消费者来讲, 这种AI芯片对我们好处有哪些呢?
iPhone X宣传词语
在手机上寻求AI芯片的原因很简单. 就像我们日常使用的电脑台式机一样, 普通的CPU非常不利于机器学习;这方面需要大量的小型计算, 但CPU只能用有限的核心进行计算, 通常, 这种工作需要依赖近千核心的显卡来完成. 但是如果有了AI, 就能增加CPU核心同步工作的次数. 在这方面, 高通AI主管Gary Brotman认为 '并行化肯定是未来核心的关键, CPU执行会因此变得强力有效' .
iPhone X A11仿生处理器
而作为消费者的我们, 理论上, AI芯片能让手机拥有更好的性能, 以及更长的续航时间. 而且对用户隐私的安全性也更有保障, 目前很多机器学习服务(例如语音助手)需要将你的数据发送到云端进行分析计算, 中途的数据交换隐藏着用户的隐私信息. 而苹果介绍的iPhone X则表示因为有了AI芯片, 这些计算可以直接在手机上进行, 节省了这一步骤, 意味着降低数据泄露风险. 另外, 原有在云端计算的服务器, 也能空出一些精力做一些更有用的计算.
华为麒麟970 AI处理器
但在目前, AI芯片的普及率还是非常有限, 而且AI芯片的研发, 必然带动成本上涨, 里面涉及到科技巨头间的合作. 其中就包括华为正在和微软合作, 以确保AI芯片正常脱机翻译. 但是, 这种合作的成本不是每个公司都能承担起的, 而且大家的AI接口, 框架, 平台可能都不一样, 这方面也为开发工作带来难题.
那AI芯片是刚需吗? 不是!除非你对性能要求极高, 不然, 目前普通的芯片还是够我们用的. AI这种锦上添花的功能, 除了让硬件提升效率, 更重要的是让我们的使用变得更流畅. 到那时候, 还得等到行业完成初步普及时才能见成效.
