免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

一、從AlphaGo看人工智能現(xiàn)狀

1、AlphaGo是誰？

根據(jù)世界圍棋排行榜，AlphaGo的工作單位是Google DeepMind，性別：無，國籍：英國。它的戰(zhàn)績?yōu)椋?016年一月份勝了歐洲冠軍，兩個(gè)月后勝了世界冠軍，當(dāng)時(shí)，有同學(xué)問我，如果AlphaGo和柯杰下，誰贏?當(dāng)時(shí)，我說，我猜AlphaGo贏，因?yàn)锳lphaGo是在科學(xué)原理上贏了李世石。很不幸，我猜中了。2017年1月份對決柯潔等，60勝1和，聶衛(wèi)平隨后在微博上贊嘆：“它是圍棋上帝派來給人類引路的”。

*來源：www.goratings.org，2016.7.1

2、AlphaGo為什么能贏？

圍棋是棋類游戲的皇冠上的明珠，最復(fù)雜的棋類游戲，最能體現(xiàn)人類智慧。在這么一個(gè)19*19的棋譜上，它的搜索復(fù)雜度高達(dá)250^150。

這有多復(fù)雜？

這是宇宙級別的復(fù)雜度，根據(jù)天體物理，整個(gè)宇宙粒子數(shù)量在10^80級別。由此可見，圍棋有多復(fù)雜，這也是AlphaGo震撼人類的原因。我們知道人類高手下圍棋主要靠宏觀的直覺，加上局部的計(jì)算。AlphaGo能夠贏在于利用最新的深度學(xué)習(xí)技術(shù)，模仿高手，并通過自我學(xué)習(xí)超越高手。

AlphaGo的第一招：模仿高手，學(xué)習(xí)高手的棋形。

要模仿高手棋形，AlphaGo需要一個(gè)分類器來判斷棋形象不象高手的棋形。圍棋盤可以看成是19*19的圖像，雖然這個(gè)圖像很小很小，但是有250^150種變化，要對這些變化分成高手棋形、非高手棋形，是一個(gè)挺難的機(jī)器學(xué)習(xí)問題。難就難在高手棋形的特征不好定義、不好提取。在人臉識別、車牌識別中，我們可以定義顏色、邊緣、關(guān)鍵點(diǎn)等特征，顯然圍棋棋形的特征不能這樣定義。深度學(xué)習(xí)是一種最新的特征學(xué)習(xí)方法，能夠自動學(xué)出好的特征。

AlphaGo用了最新的圖像分類器，叫深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）。不同于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)，他層數(shù)特別多，學(xué)習(xí)和分類的能力特別強(qiáng)。神經(jīng)網(wǎng)絡(luò)1943年就提出來了，50年代末和80年代中興起過兩波研究熱潮，以前的人工神經(jīng)網(wǎng)絡(luò)層數(shù)很淺，一般只能訓(xùn)練兩個(gè)隱層，只能解決一些簡單識別問題。2000年左右，G. Hinton等提出了一套預(yù)訓(xùn)練后向傳播的方法，當(dāng)時(shí)就能訓(xùn)練10幾層，現(xiàn)在的深度學(xué)習(xí)能夠?qū)W習(xí)100多層。DCNN是專門針對圖像識別的深度學(xué)習(xí)方法，對局部圖像進(jìn)行卷積計(jì)算，效率很高。

*來源：圖片來自于互聯(lián)網(wǎng)

Nature上有一篇介紹深度學(xué)習(xí)的綜述，G. Hinton、Y. Lecan、Y. Bengio等深度學(xué)習(xí)三巨頭是共同作者[1]。Hinton、Lecun相繼去了Google、Facebook，而Bengio繼續(xù)留在學(xué)術(shù)界。這是一個(gè)非常有意思的現(xiàn)象。一方面，深度學(xué)習(xí)跟以前的學(xué)術(shù)熱點(diǎn)不太一樣，之前，學(xué)術(shù)界曾經(jīng)有過很多的熱點(diǎn)，但工業(yè)界很少跟進(jìn)，更談不上花巨資去學(xué)術(shù)界挖著名科學(xué)家。Hinton、Lecun到工業(yè)界兼職，說明深度學(xué)習(xí)是真正有用的，有可能改變產(chǎn)業(yè)格局。另一方面，深度學(xué)習(xí)的成功更多是在應(yīng)用層面的，很多理論問題還不清楚。兩人去工業(yè)界，一人留在學(xué)術(shù)界，是一種很健康的現(xiàn)象。

深度學(xué)習(xí)能夠發(fā)揮巨大威力的前提是，要有大量的數(shù)據(jù)用來訓(xùn)練深度結(jié)構(gòu)，深度學(xué)習(xí)會涉及到到上百萬、甚至上億的參數(shù)，如果數(shù)據(jù)不夠，很容易過擬合、降低性能。而要進(jìn)行這樣大規(guī)模的訓(xùn)練，就要有超強(qiáng)的計(jì)算能力。其實(shí)DCNN 1998年就提出來了，當(dāng)時(shí)只能解決NIST符號識別問題，現(xiàn)在能夠解決ImageNet問題，其使用的深度學(xué)習(xí)結(jié)構(gòu)基本沒變，主要是用了更強(qiáng)的CPU和以前沒有的GPU，并且用了千萬倍的訓(xùn)練圖像。據(jù)說，AlphaGo存有15萬職業(yè)棋手、百萬業(yè)余高手的棋譜，訓(xùn)練的時(shí)候會用到1202個(gè)CPU，176個(gè)GPU?，F(xiàn)在GPU服務(wù)器在深度學(xué)習(xí)研究中已經(jīng)是基本配置。

*來源：Fei-Fei LI，ICME2016大會報(bào)告

AlphaGo的第二招：自我學(xué)習(xí)，自我進(jìn)化。

模仿高手還不足以超越高手，要超越頂尖高手，AlphaGo用了一個(gè)自我學(xué)習(xí)的方法，就像金庸小說《射雕英雄傳》中的老頑童周伯通，左右互博，自己跟自己學(xué)。AlphaGo可以開出兩個(gè)程序，自己跟自己下。高手也會自己跟自己擺棋譜，高手?jǐn)[棋譜擺得慢，需要吃飯、休息。而阿爾法狗只要有電，就一直可以左右互博下去，這就使得阿爾法狗有可能超越高手。

為了達(dá)到左右互博的效果，AlphaGo用了一個(gè)叫深度強(qiáng)化學(xué)習(xí)的技術(shù)，Google 2014年收購DeepMind后, 申請了深度強(qiáng)化學(xué)習(xí)的專利。強(qiáng)化學(xué)習(xí)很符合智能體的學(xué)習(xí)規(guī)律，小孩在不斷跌倒中學(xué)會走路，猴子在胡蘿卜加大棒下學(xué)會做馬戲。強(qiáng)化學(xué)習(xí)的特點(diǎn)，一方面是Agent通過環(huán)境交互中學(xué)習(xí)，另一方是，訓(xùn)練標(biāo)注稀少，獎賞在現(xiàn)實(shí)世界中，通常是不輕易使用的，并且通常是有一定延時(shí)的。比如，孩子考試考得好，我們會給點(diǎn)獎勵(lì)，但是考試不是經(jīng)?？?，考完要有一段時(shí)間才能知道結(jié)果。

強(qiáng)化學(xué)習(xí)主要包括感知、行動、獎賞三個(gè)環(huán)節(jié)，構(gòu)成一個(gè)狀態(tài)轉(zhuǎn)移空間。學(xué)習(xí)過程可以用馬爾科夫決策過程來表示。以前的強(qiáng)化學(xué)習(xí)的算法訓(xùn)練只能解決很小的狀態(tài)轉(zhuǎn)移空間。AlphaGo面臨的是一個(gè)超大轉(zhuǎn)移空間的問題，同時(shí)還是一個(gè)帶有超長延時(shí)訓(xùn)練標(biāo)注的問題，一開始的棋，不太好量化好壞，直到很后面才能夠數(shù)出各自大概的目數(shù)，判斷輸贏，這就可以歸結(jié)成為一個(gè)深度強(qiáng)化學(xué)習(xí)問題。這個(gè)問題恰恰可以用深度的遞歸神經(jīng)網(wǎng)絡(luò)（DRNN）解決。DRNN的訓(xùn)練和前面的卷積神經(jīng)網(wǎng)絡(luò)沒有太多的區(qū)別。

在左右互博中，AlphaGo 局部會采用一種叫蒙特卡洛搜索樹的隨機(jī)策略進(jìn)行搜索，先用前面提到的CNN的簡化版本，快速定位比較好的落子方案，同時(shí)通過隨機(jī)策略，給了其他位置一定的概率。隨機(jī)策略使得整個(gè)系統(tǒng)能夠自我進(jìn)化，簡化的CNN兼顧了速度和效率。

把兩招合在一起就是：深度卷積網(wǎng)絡(luò)，模仿高手，尋找好的落點(diǎn)；深度強(qiáng)化學(xué)習(xí)，形成左右互博，自我進(jìn)化。深度強(qiáng)化學(xué)習(xí)另外一個(gè)副產(chǎn)品就是產(chǎn)生了海量的對局，用來充實(shí)深度卷積網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，兩招完美結(jié)合在一起。

3、再論AlphaGo是誰？

AlphaGo是最新深度學(xué)習(xí)方法、棋譜大數(shù)據(jù)以及最新超算體系的總和，它還以現(xiàn)代科學(xué)技術(shù)指數(shù)發(fā)展原理繼續(xù)進(jìn)化，并且沒有任何情緒波動。既然AlphaGo是這樣的一個(gè)人工智能系統(tǒng)，是不是它已經(jīng)在科學(xué)原理上已經(jīng)戰(zhàn)勝了人類棋手？在此我想說，作為人類個(gè)體的李世石、柯潔們，雖然告負(fù)，但對人類整體來說，這無疑是人類自我挑戰(zhàn)的新的里程碑！

二、未來人工智能和AI2.0國家戰(zhàn)略

1、漫談未來人工智能

關(guān)于未來，盡管以AlphaGo為代表的現(xiàn)在人工智能已具備了很高的水平，但還有很多的局限性。中科院院士譚鐵牛在2016年中國人工智能學(xué)會年會《關(guān)于人工智能發(fā)展的思考》報(bào)告中，曾經(jīng)總結(jié)過四句非常有意思的話。我是這么理解的，我的理解不一定對。

第一句是“有智能沒有智慧”。智能就是“能干”，現(xiàn)在AI能做好非常具體的事，比如掃地、下棋，但是不具備靈性，不能創(chuàng)造。

第二句是“有智商沒有情商”。如果讓阿爾法狗訓(xùn)練一下智商測試的題目，估計(jì)智商可能會爆表，科大訊飛的人工智能要參加2020年高考，據(jù)說要爭取考上大學(xué)本科，但估計(jì)情商還是很低。

第三句話是“會計(jì)算不會算計(jì)”。現(xiàn)在人工智只有“解空間”層面的局部策咯，沒有“問題空間”層面的宏觀戰(zhàn)略，不會挖坑、下套這樣的高級博弈。

第四句話是“會專才不會通才”。主要說現(xiàn)在人工智能舉一反三的能力差。

基于此，未來人工智能應(yīng)該做“四有新人”，也就是有智慧、有情感、有算計(jì)、有通才的新一代人工智能。當(dāng)然，要實(shí)現(xiàn)這樣的強(qiáng)人工智能，人類還有很長的路要走。

2、AI2.0國家戰(zhàn)略

我國正在大力發(fā)展AI，“人工智能，中國之崛起”，對此，我們可以大有信心。AlphaGo的例子我們知道，AI由三部分構(gòu)成，機(jī)器學(xué)習(xí)是AI的大腦，超算是AI的軀體，大數(shù)據(jù)是AI成長的養(yǎng)分，據(jù)統(tǒng)計(jì)43%機(jī)器學(xué)習(xí)相關(guān)論文是中國人寫的，我國已經(jīng)有眾多的AI人才，這形成了AI垂直產(chǎn)業(yè)應(yīng)用的人才基礎(chǔ)。超算方面我們的太湖之光、天河二號排名世界前二，我國發(fā)展人工智能具有很強(qiáng)的硬件基礎(chǔ)。大數(shù)據(jù)方面，相對歐美日等國家，我國不僅擁有更多的“冷數(shù)據(jù)”（包括人口、地理等靜態(tài)數(shù)據(jù)），而且用用更多樣的“熱數(shù)據(jù)”（比如交易、診療等動態(tài)數(shù)據(jù)），大數(shù)據(jù)優(yōu)勢將促使我國形成特色，在人工智能時(shí)代彎道超車。

人工智能已經(jīng)上升為國家戰(zhàn)略，國家“科技創(chuàng)新2030 重大項(xiàng)目”將新增“人工智能2.0”[2]。潘云鶴院士于2016年12月在中國工程院院刊Engineering（主刊）發(fā)表了論文“Heading towardartificial intelligence 2.0”，提出了人工智能2.0的核心理念“基于重大變化的信息新環(huán)境和發(fā)展新目標(biāo)的新一代人工智能”[3]。2017年1~2月，中國工程院院刊信息與電子工程學(xué)部分刊Frontiers of Information Technology & Electronic Engineering出版了“Artificial Intelligence 2.0”專題[4]，該專題分為六大方向，潘云鶴、李未、高文、鄭南寧、吳澄、李伯虎、陳純等多位院士以及專家學(xué)者對人工智能2.0中所涉及的大數(shù)據(jù)智能、群體智能、跨媒體智能、混合增強(qiáng)智能和自主智能等進(jìn)行了深刻闡述。

三、未來人工智能視覺感知的思考

1、未來人工智能：類人服務(wù)、超人感知

根據(jù)國內(nèi)外專家，未來人工智能有很多、很高遠(yuǎn)的愿景。我個(gè)人理解，至少其中一個(gè)愿景是“類人服務(wù)、超人感知”，也就是，以類人的方式服務(wù)人類自身，以超人的方式感知外部世界。在智能時(shí)代，人類智能與人工智能相互增強(qiáng)，相互對偶，類人服務(wù)要求具備類人智能：從人類的視角看，未來人工智能應(yīng)該在感官和思維上像人；從機(jī)器的視角看，未來人工智能應(yīng)該能夠理解人的行為和情緒。

在傳統(tǒng)社會是一個(gè)二元空間，人類社會和物理空間形成互訓(xùn)關(guān)系。在信息社會，人、機(jī)、物三者相互融合，形成一個(gè)三元空間，未來人工智能能夠進(jìn)行人、機(jī)、物信息的整合，以超越人類的精度和時(shí)空尺度，感知三元空間的信息關(guān)聯(lián)性。多學(xué)科的研究，特別是腦計(jì)劃的研究，將進(jìn)一步夯實(shí)機(jī)器學(xué)習(xí)的理論基礎(chǔ)，三元空間的大數(shù)據(jù)和超算能力將進(jìn)一步提高機(jī)器學(xué)習(xí)的工程能力。機(jī)器學(xué)習(xí)、大數(shù)據(jù)、超算三者共同推動未來人工智能超人感知、類人服務(wù)的愿景。下面就這個(gè)愿景，稍微做點(diǎn)技術(shù)上的展開思考。

2、類人智能

類人智能就是要將類人知覺和類腦思維整合在一起，如果機(jī)器人具備逼近人類的人機(jī)交互能力，那么現(xiàn)在擊敗人類的阿爾法狗就有可能進(jìn)化到陪伴人類下圍棋的BeltaGo（或稱之為“陪Ta狗”？）。

*來源：圖片來源于互聯(lián)網(wǎng)

在知覺層面，隨著低成本、低功耗傳感器的發(fā)展，未來人工智能要在視、聽、味、觸等不同的模態(tài)上實(shí)現(xiàn)對現(xiàn)實(shí)世界的感知和認(rèn)知。具體到視覺感知，深度學(xué)習(xí)三巨頭在2015 Nature上的綜述論文，介紹了用CNN+RNN實(shí)現(xiàn)看圖說話。反過來，語言能不能驅(qū)動機(jī)器視覺？我們說一句話，能不能把對應(yīng)的物體定位出來？更難地，能不能自動造出來一張與這段話對應(yīng)的圖像?最近，生成式對抗網(wǎng)絡(luò)（GAN）在圖像自動生成方面取得重大進(jìn)展[5]。如果圖像和語言能夠雙向翻譯，這將使得人工智能的視覺知覺達(dá)到一個(gè)全新的高度。

在思維層面,未來人工智能要實(shí)現(xiàn)類腦計(jì)算。2014年IBM 發(fā)布了類腦芯片TrueNorth，集成了100萬個(gè)“脈沖神經(jīng)元”，能力相當(dāng)于一臺超級計(jì)算機(jī)，功耗卻只有65毫瓦，主要是因?yàn)樗捎肧pike NN結(jié)構(gòu)，用類腦的異步脈沖來驅(qū)動電路，而非傳統(tǒng)電路的同步時(shí)鐘。但它還沒辦法高效模擬另一個(gè)重要大腦機(jī)理，也就是觸突的可塑性，因此，性能離大規(guī)模商業(yè)應(yīng)用還有一段距離。

從長遠(yuǎn)來看，研究類腦計(jì)算是通往強(qiáng)人工智能的有效方法[6]。傳統(tǒng)的計(jì)算機(jī)相當(dāng)于左腦，擅長邏輯思維，處理數(shù)字；神經(jīng)元芯片相當(dāng)于右腦，擅長形象思維，處理圖像。IBM正想辦法將兩者整合在一起實(shí)現(xiàn)全腦的類腦計(jì)算。

*來源：圖片來自于互聯(lián)網(wǎng)

3、三元空間感知：人機(jī)物協(xié)同感知

超人的三元空間感知，在側(cè)重物理空間的感知層面，科學(xué)家正在研究人機(jī)物協(xié)同感知。突破肉眼感知的局限性是人工智能的傳統(tǒng)強(qiáng)項(xiàng)，目前太赫茲技術(shù)得到很大的進(jìn)步，上海交通大學(xué)跟相關(guān)公司合作，在研究太赫茲圖像識別，有可能在5-10米外就能夠識別藏在人身上的刀槍甚至毒品。2017年3月，上海交通大學(xué)還跟聯(lián)影公司成立了醫(yī)學(xué)影像先進(jìn)技術(shù)研究院，合作研究成像裝備和大數(shù)據(jù)診療?？梢姽庾V、紅外光譜、太赫茲、核磁共振等一起實(shí)現(xiàn)全譜感知，相當(dāng)于賦予了人類以天眼、慧眼。

人機(jī)物協(xié)同感知的一個(gè)重大應(yīng)用就是無人車。在美國加州，全功能的無人車已經(jīng)允許上路。MIT Technology Review將自動駕駛卡車評為2017年10大突破技術(shù)。百度成立了無人車事業(yè)部，也在硅谷設(shè)立了專門的研究院。

4、三元空間感知：群體智能

超人的三元空間感知，在人類社會層面，正在涌現(xiàn)出群體智能新技術(shù)和社會計(jì)算新學(xué)科，利用互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)、通信網(wǎng)絡(luò)、監(jiān)控網(wǎng)絡(luò)等不同網(wǎng)絡(luò)的大數(shù)據(jù)，克服傳統(tǒng)社會學(xué)調(diào)查方法數(shù)據(jù)稀少的問題，更好、更快地分析人群、組織和社會的行為。上海交通大學(xué)較早開展了這方面的探索，2009年承擔(dān)了973項(xiàng)目“混合網(wǎng)絡(luò)下社會集群行為感知與規(guī)律研究”，聯(lián)合了信息學(xué)、管理學(xué)、社會心理學(xué)等不同領(lǐng)域的專家開展交叉研究，一些成果為國家提供了決策。我本人承擔(dān)了其中“大尺度跨媒體社會集群行為感知”課題，結(jié)合網(wǎng)絡(luò)媒體和視頻監(jiān)控，為世博會、亞信峰會等大型活動管理提供了技術(shù)支持。

在973課題基礎(chǔ)上，我們最近承擔(dān)了國家重點(diǎn)研發(fā)專項(xiàng)課題，開展大規(guī)模人群透徹感知研究，針對反恐維穩(wěn)、智慧城市、交通控制等需求。利用大數(shù)據(jù)和深度學(xué)習(xí)的優(yōu)勢，進(jìn)行多尺度、跨相機(jī)、跨平臺分析，有望實(shí)現(xiàn)群體感知從簡單、低密度、小范圍場景到復(fù)雜、高密度、大范圍場景的跨越。

5、三元空間感知：互聯(lián)網(wǎng)超級智能

超人的三元空間感知，在側(cè)重信息空間的層面，未來學(xué)家認(rèn)為互聯(lián)網(wǎng)正在向超級智能的方向不斷進(jìn)化，形成互聯(lián)網(wǎng)、人工智能和人類大腦的聯(lián)合智商，互聯(lián)網(wǎng)與人類大腦高度相似，它將具備自己的視覺、聽覺、觸覺、運(yùn)動神經(jīng)系統(tǒng)，也會擁有自己的記憶神經(jīng)系統(tǒng)、中樞神經(jīng)系統(tǒng)。2011年谷歌提出了“谷歌大腦”計(jì)劃，以大腦功能區(qū)，重新定義Google的業(yè)務(wù)群。最近，我國也推出了中國腦計(jì)劃。

*來源：圖片來自于互聯(lián)網(wǎng)

四、關(guān)于未來人工智能的

社會經(jīng)濟(jì)影響的思考

未來，強(qiáng)人工智能將深刻改變?nèi)祟惿?，也給人類帶來巨大挑戰(zhàn)?；艚鸱Q人工智能或威脅人類，馬斯克認(rèn)為人工智能是在“召喚魔鬼”。盡管我們可以相信人類能夠和人工智能包容發(fā)展，至少我們要注意兩方面的挑戰(zhàn)。

一、改變就業(yè)結(jié)構(gòu)。不僅大量的流水線工人正在被替代，大量的白領(lǐng)工作崗位也將消失。十幾年前IBM深藍(lán)打敗了卡斯帕羅夫，今天我們還是不能小看IBM，AlphaGo還在打名氣，IBM的讀片機(jī)器人已經(jīng)開始上崗。華爾街的量化交易機(jī)器人正在替代金融交易員，“今日頭條”的推薦機(jī)器人正在替代初級的內(nèi)容編輯。

二、強(qiáng)人工智能將沖擊倫理關(guān)系。機(jī)器人保姆帶大的小孩，還會不會跟親媽親？如果美女機(jī)器人擁有非凡魅力，人口數(shù)量和結(jié)構(gòu)會帶來怎么變化？植入了智能器官甚至機(jī)器大腦的人，還算不算人？

進(jìn)一步，我們假設(shè)有一天“阿爾法狗”遇上“薛定諤的貓”的時(shí)候，也就是當(dāng)強(qiáng)人工智能運(yùn)行在量子計(jì)算機(jī)上的時(shí)候，我們的未來會怎樣？

未來，機(jī)器人會是怎么樣？未來學(xué)家們可能正在研究，機(jī)器人會不會做夢（意識）？機(jī)器人會不會結(jié)婚（性別）？機(jī)器人會不會用錢（信用）？機(jī)器人會不會統(tǒng)治人類（政治）？

未來，人類自身會怎么樣？從歷史觀看，尤瓦爾·赫拉利不僅寫了《人類簡史》，還寫好了《未來簡史》，認(rèn)為人類會從智人演化到智神。

未來，人類自身會怎么樣？從生物觀看，人類的密碼在基因，基因分析是典型的計(jì)算密集型問題，這種單一任務(wù)的工作恰恰可能是人工智能的傳統(tǒng)強(qiáng)項(xiàng)。有了基于量子計(jì)算的強(qiáng)人工智能后，人類是不是最終會全面破解基因？很久很久以前，亞當(dāng)和夏娃遇上了那條蛇，偷吃了智慧之果，被逐出伊甸園。億萬年后，他們的后代遇上了一只“狗”和一只“貓”，打開了強(qiáng)人工智能的魔盒后，會不會摘下傳說中生命樹上的長生之果？這一切，人性中的欲望和貪婪，是否冥冥中早已注定？