从马文·明斯基到alphago，人工智能alphago走过了怎样的70年

来源：蜘蛛抓取(WebSpider) 时间：2016-02-09 09:45 标签： alpha go 人工智能
赌球网,赌球网站排名,赌球游戏,赌球开户_人工智能玄乎其玄，内部究竟如何？带你一窥卷积神经网络内部
加入收藏 
赌球网-赌球网站排名-赌球游戏-赌球开户
人工智能玄乎其玄，内部究竟如何？带你一窥卷积神经网络内部
时间： 10:02&&作者：管理员&&来源：查看：&&评论：
内容摘要：人工智能就是个有百万结点的黑盒子，现在我们有机会一窥究竟
Adam Harley的卷积神经网络3D视觉化模型能够让你一窥人工智能的内部工作。除了邪恶AI将会统治地球这样的惊悚事件之外，人工智能领域让局外人感到害怕。Facebook的人工智能负责人Yann LeCun这样比喻人工智能：人工智能就是个有百万个结点的黑盒子，其内部工作原理对大部分人而言仍然是一个谜题，但现在，我们有机会一窥究竟。瑞尔森大学的硕士候选人Adam Harley创建了一个交互式视觉化模型，能够帮助解释卷积神经网络（一种用来分析图片的人工智能程序）内部是如何工作的。正如在该交互式视觉化模型中可看到的，神经网络按顺序分层进行工作。底部是输入，即计算机试图进行解释的原始内容――在该情况中，就是你写下的数字――而顶层是输出，即计算机的最终结论。两者中间是数学功能层，每一层都将最重要的识别信息进行压缩，并传导至下一层。卷积神经网络读取图片识别数字的视觉化效果输入端（最底部的一排）的绿色像素对应于你写下的数字，这些黑色像素代表着背景色，而数字就需要从这些背景中识别出来。如果它试图检测一张脸，那么3就代表这张脸，黑色就代表着相片的背景。在每一阶段，我们都将看到这些图片在经历每一步后会变成什么样，而不是看到步骤本身。在神经网络中，前几层主要关注边缘和形状之类的情况，会抽取出整体的视觉效果，找出不同的识别特征，将之提取出来以便找出能够将图案与周边环境区分出来的特征。这些层的每一层都会预先识别这些数据，也就是称之为训练的过程。训练通常意味着在机器上运行不是百万也有成百上千的样例图片来告诉机器不同类型的3是什么样子。这一过程对所有类型的机器学习和人工智能都一样，只是源材料不同。谷歌会采取使用其服务的人们的随机声音样本来训练其声音识别软件，而脸书会用人不同角度的图片训练其面部识别算法。训练需要在机器上运行几百万个样本。经过第一层传输的数据会被第二层进行简化（称之为缩减采样层，因为这一层会减少数据的复杂度）。之后第三层会再次分析其形状，这层就类似第一层的卷积层。该神经网络有两层卷积层，而有些更复杂的网络会有10层以上的卷积层。这组形状和边缘之后会经过处理，并与一组预定的输出进行匹配，最终得出结论有很大的可能使用者画的是个3（或者可能是个8）。你能看到数据通过层层处理时的颜色区别。你画的绿色数字最终是绿色的比特信息，并（有很大希望）指出了正确的输出。卷积神经网络内部在Harley的模型中，计算机能够简单地识别出数字，非常像是原始的卷积神经网络被用来在ATM机上识别支票存款。最前沿的人工智能要复杂得多，能够以97%的正确率识别人脸。眼见为实，戳这里体验一下吧。转载请联系公众号：机器之心（almosthuman2014）获得授权，个人微信号“jiqizhixin2014”
*文章为作者独立观点，不代表虎嗅网立场
标签：人工智能，投稿&
小S获胡歌广告超开心 揭胡歌独一中信証券(06030.HK)助查员工陆续返回工作单位
阿思达克财经网
中信証券(06030.HK)公布，公司前期协助或接受有关机关调查的的部分高级管理人员和员工包括徐刚、葛小波、刘威、陈军、闫建霖、祁曙光、陈荣杰已陆续返回工作单位或住所。目前，公司经营情况正常。
正文已结束，您可以按alt+4进行评论
您认为这篇文章与"新一网（08008.HK）"相关度高吗？
看过本文的人还看了
读完这篇文章后，您心情如何？
热门搜索：
腾讯理财超市
同类产品年涨&27%
今年以来收益&13%
近1月涨&7.41%
7日年化收益&2.97%
本日热门资讯一周热门资讯
Copyright & 1998 - 2016 Tencent. All Rights Reserved纸质和视频合一的新型教材：王万良编著，人工智能及其应用（第三版），高等教育出版社，2016
我在微信里分别建了2个教学微信群：自动控制理论教学群、人工智能教学群，主要交流自动控制理论和人工智能的教学经验，和交流教学资源。有希望加入这个群的老师可以给我发邮件，告诉我微信号，我邀请他（她）加入群。也欢迎大家介绍朋友、同事参加。我的邮箱：wwl@
世界上的第一台电子计算机是谁发明的？中国的教科书、绝大多数学术著作和科学普及著作所说的电子计算机发明人都不是真正的发明人。真正的发明人是美国人（Atanasoff）教授。
大多数书上说，美国籍匈牙利裔科学家（John Von Neumann ，
）是电子计算机的发明人，他历来被誉为“电子
从马文明斯基到AlphaGo，人工智能走过了怎样的70年？
【编者按】从19世纪中叶人工智能的萌芽时期，到现今人工智能的重生，从马文·明斯基到AlphaGo，历史上发生了哪些激动人心的故事？本文以此铺展人工智能发展近70年来背后发生的故事。作者@沐阳浸月，中科院自动化所复杂系统国家重点实验室研究生，主攻机器人与人工智能。
前不久，在人工智能领域发生了两件大事，一个就是是伟大的人工智能先驱马文·明斯基教授逝世，一个是谷歌AlphaGo击败欧洲围棋冠军，职业围棋二段樊麾。
马文·明斯基教授是几乎见证了从人工智能作为一门学科的兴起直至今日成就的所有大风大浪的人，或者可以说何教授本人就是这些大风浪的弄潮儿，他对
【编者按】本文由新智元原创翻译自纽约时报。
马文·明斯基，最早联合提出了“人工智能”概念，被尊为人工智能之父。他在人工智能领域卓有成就：人工智能领域首位图灵奖获得者，虚拟现实最早倡导者，也是世界上第一个人工智能实验室MIT人工智能实验室联合创始人。
他将科学家对于知识的渴求与哲学家对于真相的追寻相融合的人工智能先驱——他的工作也为许多发明带来了灵感，包括个人电脑和互联网的诞生——周日晚上于波士顿与世长辞，享年88岁。
以下是正文：
| 马文·明斯基做了什么？
他的家人表示，他死于脑溢血。
远在微处理器和超级计算机问世之前，Minsky教授——MIT一位受人尊敬的计算机科学教师——就已经为人工智能领域打下了基础：他展示了将常识推理的能力传授给计算机并非是一件不可能的任务。
我们为什么要祭奠马文·明斯基？
发布时间： 03:24
[本文关键词]：我们,为什么,要,祭奠,马文,明斯,基,雷锋,网,;
[内容摘要]： 雷锋网(新智元) ·
21:53 【编者按】本文由新智元原创翻译。
来源：世界科学，译者 为纪念明斯基，为读者选编这篇文章，以了解明斯基在人工智能方面的伟大思想。 马文·明斯 ;
[本文地址]：http://www.52tq.net/a/remenhuati/02036.html
雷锋网(新智元) ·
　　图：人工智能先驱明斯基 美联社
　　【讯】综合《纽约时报》、美联社报道：美国麻省理工学院（MIT）表示，MIT人工智能实验室的联合创始人、著名的人工智能先驱马尔文．明斯基（Marvin
Minsky）日晚在美国波士顿因脑溢血去世，享年88岁。
　　明斯基对电脑和人工智慧的最大贡献是他所提出的观念，即不论是人类或机器的智慧皆非单一程序，智慧源自“心智社会”（society
mind）内的无数程序互动。在这个理论的引导下，人工智能发展出充斥个别模组的智慧机器，那些模组赋予智慧机器特定能力，诸如能与象棋大师对弈的电脑、製造的机
昨天宣布，其人工智能研究团队近期取得了一项重要突破：谷歌团队构建的AlphaGo系统通过计算机学习掌握了围棋这项古老的技艺，近期AlphaGo挑战了三度问鼎欧洲围棋桂冠的职业棋手樊麾二段，成绩是5比0。
　　谷歌击败欧洲围棋冠军
DeepMind团队在最新一期《Nature》上发表论文称，其名为AlphaGo(阿尔法围棋)的人工智能系统，在没有任何让子的情况下以5比0完胜欧洲、职业围棋二段樊麾。樊麾出生在中国，现籍法国，是现任法国国家围棋队总教练。
谷歌的人工智能系统AlphaGo不仅知道围棋的规则，且棋力已有一定水平。DeepMind团队设计的这一人工智能系统是为了在围棋比赛中人类选手。这是软件首次在全尺寸棋盘对职业棋手的比赛中取得这样的成绩。
在公布“打败欧洲围棋冠军”后，De
1997年，国际象棋AI第一次打败顶尖的人类；2006年，人类最后一次打败顶尖的国际象棋AI。欧美传统里的顶级人类智力试金石，在电脑面前终于一败涂地，应了四十多年前计算机科学家的预言。
　　至少还有东方，人们自我安慰道。围棋AI长期以来举步维艰，顶级AI甚至不能打败稍强的业余选手。这似乎也合情合理：国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。这一巨大的数目，足以令任何蛮力穷举者望而却步——而人类，我们相信，可以凭借某种难以复制的算法跳过蛮力，一眼看到棋盘的本质。
　　但是，无论人怎么想，这样的局面当然不可能永远延续下去。就在今天，国际顶尖期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以5:0完胜欧洲冠军，职业围棋二段樊麾。
　　AlphaGo与欧洲围棋冠军樊麾的5局较量。图片来源：参考文献[1]
　　这是人类历史上
日，国际顶尖期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以5：0完胜欧洲冠军，职业围棋二段樊麾。
　　谷歌团队在Nature论文摘要中写道“我们引入了一个新的搜索算法，结合蒙特卡罗模拟的价值和政策网络。通过该算法，我们的程序alphago对其他的围棋程序的495局对抗中达到99.8%的获胜率，并以5比0击败人类欧洲冠军。这是第一次围棋程序全方位的击败一位专业棋手。这个壮举原本要十年以后才能完成。”
　　1。作为科学研究，有三个异常
　　且不论谷歌团队在论文中自我表扬的文风。从科学实验的统计学角度看，谷歌的实验不能称之为合格，无论是物理，化学或者生物领域，要求实验对象必须达到一定数量，进行多次独立实验，才能相对确保结果的稳定性和可靠性。这是第一个异常情况。
　　譬如一个受到污染的试管，无论我们重复多少次实验，这个结果肯定是不可靠的。因此在科学实验中要求样本要达到一定数量。谷歌在这篇论文中出现了奇怪的现象。对其他围棋程序选取了众多测试对象，并进行了495次实验，但对人类测试者，却只选取了一位职业围棋二段选手，而不是测试

我要回帖

更多关于 alpha go 人工智能 的文章

 

随机推荐