AlphaGo靠自我學習打敗了自己
要說知名度最高的AI智能運算, 那就是阿爾法GO了, 自打阿爾法GO擊敗為其最高段位的柯潔之後, 就基本超脫人類範疇了.
不過, 我們怎麼也沒有想到, 這個AI智能居然能夠完成自我進化. 在戰勝柯潔後的幾個月, 進化的AlphaGo Zero已經完勝此前兩個版本, 更令人驚訝的是, 這個AlphaGo Zero的進化方式並非在原來基礎上, 而是從零開始. 過去的AlphaGo都是在與無數人類業餘, 職業棋手的對決中慢慢成熟, 但AlphaGo Zero自誕生起就徹底拋棄了人類學習, 轉而靠著自我進化, 自我對弈孤身成長的方式, 一舉成為了史上最強的電子棋手.
圍棋對弈
至於AlphaGo Zero到底有多強? 對比第一版打敗李世石的第一版AlphaGo, 只用了三天時間的訓練時間, 就取得了100: 0的成績完勝. 在這之後AlphaGo Zero又進行了40天的自我對弈學習, 繼續挑戰打敗柯潔的第二版AlphaGo, 結果是89:11, AlphaGo Zero勝.
以前版本的AlphaGo最初接受了數千人的業餘和專業遊戲的訓練, 學習如何玩圍棋. 而如今AlphaGo Zero跳過這一步, 通過和自己玩遊戲, 完全從隨機的棋局中學習, 經過最開始的爬坡階段, 它很快超過了人類的玩法水平. AlphaGo Zero與強大的搜索演算法相結合, 自由發揮的同時, 神經網路會自動調整和更新, 在短短几天的時間裡積累了數千年的人類圍棋知識. AlphaGo Zero還以此開發了一套非常規的策略和創新棋法, 用以預測下一步的方式, 取得遊戲最終的贏家.
來自某網友心態: 一個明明可以用自我進化來提升能力的棋手, 之前還被拿來和人類對弈, 真是談浪費了.
研發 '這些' AlphaGo的公司DeepMind, 在發佈於《自然》雜誌的論文上提到了許多AI技術上的細節. 但按照CEO Demis Hassabis交代我們說法, AlphaGo Zero關鍵的一點在於去掉了人類認知的不足, 消除了對大量數據訓練的依賴, 這方面一直是AI領域的難題.
| 以下是引用片段:
這些瞬間的創造力使我們相信, 人工智慧真的會讓我們事半功倍, 在未來, 我們將用人工智慧共同解決人類面臨的巨大問題.
|
目前, 有關AlphaGo能否應用在更多策略類遊戲還有待考察, 但在未來DeepMind相信AlphaGo會有更廣闊的前途. 其實, 在另一領域, 你或許已經發現AI已經開始慢慢進入到我們的生活, 那個突破口就在手機. 從即將發售的iPhone X身上, 我們看到它配備的AI神經引擎, 而今天發布的華為Mate 10也具備了AI處理晶片.
在移動領域, 從今往後會有越來越多廠商開始在處理器上植入AI優化的硬體.
那作為消費者來講, 這種AI晶片對我們好處有哪些呢?
iPhone X宣傳詞語
在手機上尋求AI晶片的原因很簡單. 就像我們日常使用的電腦台式機一樣, 普通的CPU非常不利於機器學習;這方面需要大量的小型計算, 但CPU只能用有限的核心進行計算, 通常, 這種工作需要依賴近千核心的顯卡來完成. 但是如果有了AI, 就能增加CPU核心同步工作的次數. 在這方面, 高通AI主管Gary Brotman認為 '並行化肯定是未來核心的關鍵, CPU執行會因此變得強力有效' .
iPhone X A11仿生處理器
而作為消費者的我們, 理論上, AI晶片能讓手機擁有更好的性能, 以及更長的續航時間. 而且對用戶隱私的安全性也更有保障, 目前很多機器學習服務(例如語音助手)需要將你的數據發送到雲端進行分析計算, 中途的數據交換隱藏著用戶的隱私資訊. 而蘋果介紹的iPhone X則表示因為有了AI晶片, 這些計算可以直接在手機上進行, 節省了這一步驟, 意味著降低數據泄露風險. 另外, 原有在雲端計算的伺服器, 也能空出一些精力做一些更有用的計算.
華為麒麟970 AI處理器
但在目前, AI晶片的普及率還是非常有限, 而且AI晶片的研發, 必然帶動成本上漲, 裡面涉及到科技巨頭間的合作. 其中就包括華為正在和微軟合作, 以確保AI晶片正常離線翻譯. 但是, 這種合作的成本不是每個公司都能承擔起的, 而且大家的AI介面, 框架, 平台可能都不一樣, 這方面也為開發工作帶來難題.
那AI晶片是剛需嗎? 不是!除非你對性能要求極高, 不然, 目前普通的晶片還是夠我們用的. AI這種錦上添花的功能, 除了讓硬體提升效率, 更重要的是讓我們的使用變得更流暢. 到那時候, 還得等到行業完成初步普及時才能見成效.
