• <sup id="vwhgy"></sup>
  • <dl id="vwhgy"><ins id="vwhgy"></ins></dl>
  • <sup id="vwhgy"></sup>
    《深度学习:智能时代的核心驱动力量》
    2019-04-15 09:29:00
    来源:中国纪检监察报 
    0
    【字号:  】【打印

      中信出版集团

      如果说一般人对于人工智能这一“物种”有什么深刻记忆的话,大概有两件事。

      一件是1997年,IBM的“深蓝”战胜了国际象棋大师卡斯帕罗夫。

      另一件是2016年3月,谷歌的AlphaGo与围棋世界冠军李世石进行人机大战,结果以4比1的总比分获胜。之前,很多人曾认为计算机并不能掌握围棋的复杂规则。

      ?#25991;?月,在中国乌镇围棋峰会上,AlphaGo的升级版AlphaGoZero与排名世界第一的世界围棋冠军柯洁对战,以3比0的总比分完胜。

      令人类震惊的是,AlphaGoZero一开始就没有接触过人类棋谱。它使用了新的强化学习方法,只是从单一神经网络开始,通过神经网络?#30475;?#30340;搜索算法,进行自我对弈训练。随着自我对弈的增加,神经网络逐渐调整,提升预测下一步的能力,最终成为具备超强棋力的“选手”。

      更为厉害的是,随着训练的深入,阿尔法围棋团队发现,AlphaGoZero还独立发现了游戏规则,并走出了新策略,为围棋这项古老游戏带来了新的见解。

      曾经,人工智能在人们心目中的形象大多停留在《星球大战》等科幻片中,但AlphaGo的面世,让人们意识到,人工智能,真的来了。

      但是,人工智能究竟是如何走到现在的,它进化的路线究竟是什么样,同时它将走向什么方向?很多人可能并不了解。

      特伦斯谢诺夫斯基作为深度学习领域的先驱及奠基者,来回答这一问题,是最合适不过了。他所写的《深度学习:智能时代的核心驱动力量》一书,可以看作是人工智能的发展简史。

      这不是一本讲技术的书,而是一本故事书,它不是写给程序员看的,而是写给大众看的。

      著名作家尤瓦尔赫拉利在《今日简史》中写道,人们普遍认为,机器学习将改变几乎所有的工作,从制作酸奶到教授瑜伽都无法幸免。我们有充分的理?#19978;?#20449;这次情况不同,机器将会真正让整个情况彻底改变。

      可能有人?#28304;?#24182;无明晰的观感,那么,我?#24378;?#20197;看几个例?#21360;?#27604;如贷款审核员,他们评估借款人的信用好坏,是通过分析对方的面部表情、声调、手部动作甚至体味来识别生化模式。而人工智能只要搭配适当的传感器,绝对可能把这些工作做得比人类更精确可靠。比如现在的测谎仪,在测谎方面就已经超过了大多数人,不是吗?

      所以,尤瓦尔赫拉利指出,在过去几十年中,在神经科学和行为经济学等领域的研究,让科学家能够“?#24179;狻?#20154;类,更清楚地了解人类究竟是如何做出各种决定的。事实证明,我们?#21451;?#25321;食物到选择伴侣,都不是出于什么神秘难解的?#26434;?#24847;志,而是数十亿神经元在?#24067;?#35745;算各种可能性的结果。过去大受赞赏的“人类?#26412;酢保?#20854;实只是“辨识模式”罢了。

      而谢诺夫斯基正是推动神经网络学习的先驱。或许是冥冥之意,他出生的上世纪五十年代,正是人工智能的萌?#31185;冢?#28145;度学习革命的种子,正在那时开始播下。

      但受限由于计算机能力的限制,人工智能发展缓慢。而马文明斯基和西摩尔帕特普出版的《感知器》一书,则让人工智能在上世纪70年代陷入深寒,“寸草不生”。《感知器》一书的观点是:感知器学习算法并不能扩展到多层感知器。

      谢诺夫斯基回忆说,“这种毫无根据的‘?#26412;酢?#38500;此之外,这倒是一本好书)对神经网络学习的发?#20849;?#29983;了令人不寒而栗的影响,让一代人的研究就此停滞不前。”

      好在原本研究生物学的谢诺夫斯基,对神经网络抱有坚定的信心,并?#20197;?#22320;遇到了他的搭?#21040;?#24343;里辛顿。两人在此领域坚持了下来,一干就是几十年。

      谢诺夫斯基和辛顿合作研究出了一?#20013;?#22411;神经网络模型,?#23567;?#29627;尔兹曼机?#20445;?#25171;破了阻碍一代人研究多层网络模式的僵局,证明了基于大脑式计算的全新方法是可行的,最终为深度学习的发展奠定了基础。

      而且,谢诺夫斯基还有机会怼一下学术上的“宿?#23567;薄?006年,在达特茅斯人工智能会议“[email protected]”的晚宴上,他问明斯基:“神经网络社区有一种看法:你是上世纪70年代需要为神经网络萧条负责的魔?#24636;?#20320;是魔鬼吗?”明斯基犹豫了片刻,然后喊道:“是的,我是魔鬼!”

      我们都能想象谢诺夫斯基写这一章节时的得意。

      但深度学习是数据密集型的,在当时的计算机条件下,人工智能无法取得重大突破。直到30年之后,计算机开始变得足够快,同时也可以获得大量可利用的数据,这让深度学习实现了重大突破,并?#20197;?#24403;前的人工智能领域占据主导地位。

      谢诺夫斯基总结说,神经网络学习的重大突破每30年就会发生一次。这三个节点分别为:上世纪50年代引入感知器;上世纪80年代学习多层感知器算法;2010年开始兴起的深度学习。

      谢诺夫斯基认为,深度学习将对社会和个人生活产生深远的影响,但你无需担心谁将接管你的工作。就像工业革命时期蒸汽机放大?#23435;?#29702;能力一样,人工智能?#19981;?#25918;大人类的认知能力,人工智能会让你更聪明。

      但他也承认,预测未来很?#36873;?/p>

      而尤瓦尔赫拉利则大胆地进行了一些预测。他说,2050年的就业市场,很可能在于人类与人工智能的合作,而非?#36203;?#34429;然“深蓝”击败了卡斯帕罗夫,但人类并没?#22411;?#27490;下棋。相反,在人工智能的协助下,人类的国际象棋大师水平比过去更高。所以很有可能,人工智能也能如法炮制,协助培养出历史上最优秀的侦探、银行经理和军人。(胡刘继)

    作者:  编辑:后晨  
    上海快三开奖最新结果
  • <sup id="vwhgy"></sup>
  • <dl id="vwhgy"><ins id="vwhgy"></ins></dl>
  • <sup id="vwhgy"></sup>
  • <sup id="vwhgy"></sup>
  • <dl id="vwhgy"><ins id="vwhgy"></ins></dl>
  • <sup id="vwhgy"></sup>
    彩霸王综合 福建时时彩开奖列表 广东彩票官网 欢乐升级拖拉机 20选5有多少种组合 nba勇士vs湖人 北京pk10历史号码统计 重庆快乐10分钟幸运5遗漏号码 欢乐斗地主单机版下载 香港赛马会一句爆特 足球让球胜平负玩法 英超积分榜5002019 足球指数旧版 宁夏11选5开奖助手 香港赛马会跑马地会所王中王论坛