国产久热精品无码激情,波多野结衣不打码视频,亚洲成av人在线视

經濟參考網讀書頻道

自序

2016年是機器智能歷史上一個具有紀念意義的年份，它是一個時代的結束，也是新時代的開端。這一年距離1956年麥卡錫、明斯基、羅切斯特和香農等人提出人工智能的概念正好過去了六十年，按照中國的習慣正好過去了一個甲子。而當年在達特茅斯學院提出這個概念的10位科學家中最后一位科學家明斯基也在這一年的年初離開了人世，這或許標志著人類在機器智能領域第一階段的努力落下來帷幕。就在明斯基去世后的兩個月，Google的圍棋計算機AlphaGo在同世界著名選手李世石的對局中，以4:1取得了壓倒性的勝利，成為第一個戰勝圍棋世界冠軍的機器人，它的意義要遠遠超過1997年IBM深藍戰勝卡斯帕羅夫，因為從難度上講，圍棋比國家象棋要難6-9個數量級。這件事不僅是人類在機器智能領域取得的又一個里程碑式勝利，而且標準這一個新的時代----智能時代的開始。
　　從計算機發展的角度看，智能機器在所有棋類戰勝人類其實只是一個時間問題，因為機器運算能力的提升是指數增長的，而人類智力能夠做到線性增長就不錯了。因此一定存在一個時間點——在所有的棋類比賽中都會超過人。在1997年IBM的深藍戰勝卡斯帕羅夫之后，圍棋不僅是最后一個計算機尚未超越人類的主要棋類，而且還擔負了上千年東方文化的蘊含，即棋道。雖然大部分人相信計算機最終可以在圍棋上超越人類，但是總是覺得那還是幾年后的事情。就在AlphaGo和李世石比賽之前，李世石本人認為前者的水平和他差出一到兩個子，也就是說，即使他讓先也能5：0獲勝。中國圍棋界的泰斗聶衛平也認為今天的計算機是不可能戰勝人類的冠軍的。就連曾經在Google工作過的IT行業老兵李開復博士也不相信AlphaGo能贏。這并非李開復等人對今天機器智能的發展狀況不夠了解，而是因為下圍棋是一件太難的事情。2015年年底，AlphaGo僅僅贏了樊麾二段而已，離九段還差得遠呢。但是大家忘記的一件事情，那就是AlphaGo水平的提高并不需要人那么長的時間，事實上在Google內部，大家在開賽前已經知道AlphaGo的水平并在九段之下。
　　2016年3月9日，AlphaGo和李世石之間的世紀大戰開始了。AlphaGo在第一盤出人意料地輕松獲勝。當然，大部分人在贊譽AlphaGo水平的同時，依然認為這可能是李世石在試探計算機而已，畢竟那是五盤的比賽，用一盤棋試探毫不了解的對手未嘗不是明智之舉。但是當AlphaGo在第二盤獲得連勝并且下出了很多人類想不到的好棋后，對機器智能持懷疑態度的聶衛平等人，都對它產生了致敬。在AlphaGo獲得第三盤勝利之后，很多超一流的棋手都渴望和它一比，希望以此檢驗自己的水平，并且能夠提高技藝。雖然李世石在第四盤抓住AlphaGo的一個失誤打了一個漂亮的翻身仗，但是AlphaGo在最后一盤穩穩地控制著局面，直到勝利?？梢灾v在那一次人機大戰之后，圍棋界對機器智能從懷疑變成了頂禮膜拜，大家都意識到，按照AlphaGo在過去幾個月里的進步速度，只要Google愿意繼續投入科研，很快人類所有的圍棋高手都無法和它過招了。
　　計算機之所以能戰勝人類的，是因為機器獲得智能的方式和人類不同，它不是靠邏輯推理，而是靠大數據和智能算法。在數據方面，AlphaGo在訓練時使用了幾十萬盤圍棋高手之間對弈的數據，這是它獲得所謂的“智能”的原因。在計算方面，AlphaGo采用了上萬臺服務器訓練它下棋的模型，并且讓不同版本的AlphaGo相互對弈了上千萬盤，這才保證了它能做到“算無遺策”。具體到下棋的策略，AlphaGo里面有兩個關鍵的技術：把棋盤上當前的狀態變成一個獲勝概率的數學模型，這個模型里面沒有任何人工的規則，而是完全靠前面所說的數據訓練出來的。第二個關鍵技術是啟發式搜索算法----蒙特卡洛數搜索算法(Monte Carlo Tree Search)，它能將搜索的空間限制在非常有限的范圍內，保證計算機能夠快速找到好的下法。雖然AlphaGo的訓練使用了上萬臺服務器，但是它在和李世石對弈時僅僅用了幾十臺服務器(1000多個內核以及一百多個GPU)。相比國際象棋，圍棋的搜索空間要大 倍，AlphaGo的計算能力相比深藍，其實并沒有這么多倍的提高，它靠得是好的搜索算法，能夠準確地聚焦搜索空間，因此能夠在很短的時間里算出最佳行棋步驟的。由此可見，下圍棋這個看似智能型的問題，從本質上講，是一個大數據和算法的問題。
　　當然，Google開發AlphaGo的最終目的，并非要證明計算機下棋比人強，而是要開發一種機器學習的工具，讓計算機能夠解決智能型的問題。AlphaGo和李世石對弈，實際上是對當今機器智能水平的一個測試。從樊麾到李世石，實際上是用他們的專才在幫助Google測試當今機器智能的發展水平。在人機對弈的第四盤李世石反敗為勝的過程中，他無意中發現了AlphaGo的一個缺陷。因此，Google的成功里面也有李世石等棋手的功勞。從這個角度講AlphaGo的勝利標志著人類在機器智能方面達到了一個嶄新的水平，因此它是人類的勝利。
　　AlphaGo無論是在訓練模型時，還是在下棋是所采用的算法都是幾十年前大家就已經知道的機器學習和博弈樹搜索算法，Google所做的工作是讓這些算法能夠在上萬臺甚至上百萬臺服務器上并行運行，這就使得計算機解決智能問題的能力有了本質的提高。這些算法并非是專門針對下棋而設計的，很多已經在其它智能應用的領域(比如語音識別、機器翻譯、圖像識別和大數據醫療)獲得了成功。AlphaGo成功的意義不僅在于它標志著機器智能的水平達到了一個新的臺階，還在于計算機可以解決更多的智能問題。今天，計算機已經開始完成很多過去必須用人的智力才能夠完成的任務，比如醫療診斷，閱讀和處理文件，自動回答問題，書寫新聞稿和駕駛汽車等等。可以講，AlphaGo的獲勝，宣告了機器智能時代的到來。
　　AlphaGo的獲勝讓一些不了解機器智能的人開始杞人憂天，擔心機器在未來能夠控制人類。這種擔心是不必要的，因為AlphaGo的靈魂是計算機科學家為它編寫的程序。機器不會控制人類，但是制造智能機器的人可以。而科技在人類進步中總是扮演著最活躍最革命的角色，它的發展是無法阻止的，我們能做的是面對現實，抓住智能革命的機遇，而不是回避它、否定它和阻止它。未來的社會，屬于那些具有創意的人，包括計算機科學家，而不屬于掌握某種技能做重復性工作的人。
　　在AlphaGo取得人機大戰勝利之際，我們出版這本書，希望能讓大家更多地了解大數據的本質、它的作用、它和機器智能的關系、機器智能的原理和發展過程，以及它們二者對未來產業和社會的影響。本書一共分為七章，分別介紹了數據的作用，大數據的本身，機器智能的原理及其發展過程，大數據思維的核心及其重要性，大數據和機器智能與商業的關系，它們對社會正反兩個方面的巨大影響。書中的核心內容來自我在研習社和一些大學商學院講課的講義，但是考慮到大家讀書和聽課畢竟有很大的區別，因此在將講義改寫成書的時候，我在書中增加了大量的案例和歷史背景介紹，以方便大家能夠系統地了解大數據和機器智能的來龍去脈，以及我們對未來進行分析的依據。

上一頁 1 2 3 4 5 6 7 8 下一頁