Related Articles
能通过机器学习自我优化 DeepMind研发人工智能 Alpha Go让人类备感威胁
Post Views: 39,816 引言 世界著名围棋高手–韩国(South Korea)的李世石(Lee Sedol)与谷歌(Google)旗下子公司DeepMind研发的Alpha Go之间的人机大战引发全球高度关注。可以注意到两个点的是:第一,大数据的支撑让Alpha Go能够厘清头绪,形成了对规则的认知。第二,Alpha Go能通过机器学习自我优化。现在就随《大橙报》来了解这个神奇的新科技。 备受瞩目的李世石(Lee Sedol)对阵Alpha Go的围棋大战,将这款由谷歌(Google Inc)旗下位于伦敦(London)的子公司DeepMind研发的系统将近两年逐渐火爆的人工智能(AI)又推上了风口浪尖。 打败人类就必须像人类那样学习和思考,而不是像国际商业机器(IBM)的“深蓝”(DeepBlue)用搜索穷举方式。 Alpha Go系统将最先进的蒙特卡洛树状搜索技术以及两个深度神经网络相结合,用“策略网络”预测下一步棋、将搜索范围缩小至最有可能触发的那些步骤;并且用“价值网络”减少搜索树的深度,每走一步估计一次获胜方,而不是搜索所有的结束棋局的途径–两个神经网络之间通过成千上万的对弈,采用被称为强化学习的试错法逐步进行改善,并最终发现新策略。据说,DeepMind团队给Alpha Go输出海量的职业棋手的对局,其自我演绎的对局高达3000万局。 可以注意到两个点:第一,大数据的支撑让Alpha Go能够厘清头绪,形成了对规则的认知。第二,Alpha Go能通过机器学习自我优化。 Alpha Go的程序原理有二:“深度学习”和“两个大脑”。 深度学习 Alpha Go的主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入,通过非线性的激活方法取权重,再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样,通过合适的矩阵数量,多层组织链接一起,形成神经网络“大脑”进行精准复杂的处理,就像人们识别物体标注图片一样。 两个大脑 Alpha Go通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些谷歌图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始,去处理围棋棋盘的定位,就像图片分类器网络处理图片一样。经过过滤,13个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。 这些网络通过反复训练来检查结果,再去校对调整参数,去让下次执行更好。这一个处理器有大量的随机性元素,所以人们是不可能精确知道网络是如何“思考”的,但更多的训练后能让它进化到更好。 ·第一大脑:落子选择器(Move Picker) Alpha Go的第一个神经网络大脑,是“监督学习的策略网络(Policy Network)”。观察棋盘布局企图找到最佳的下一步。事实上,它预测每个合法下一步的最佳概率,那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。 ·第二大脑:棋局评估器(Position Evaluator) Alpha Go的第二个大脑相对落子选择器是回答另一个问题,不是去猜测具体下一步,它预测每一个棋手赢棋的可能。在给定棋子位置情况之下,这“局面评估器”就是“价值网络(Value Network)”,通过整体局面判断来辅助落子选择器。这一个判断仅仅是大概的,但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”,Alpha Go能决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行,那么人工智能就跳过阅读在这一条线上的任何更多落子。 Previous Post Next Post
Swift创造者 克里斯·拉特纳(Chris Lattner) 加入“谷歌大脑”开发人工智能
Post Views: 36,980 苹果(Apple)编程语言Swift的创造者克里斯·拉特纳(Chris Lattner)在推特上宣布,他将加入谷歌(Google)旗下的人工智能和机器学习项目“谷歌大脑”。 “谷歌大脑”是搜索巨头的团队,专注于深度学习和人工智能。它还专注于帮助在一系列产品中使用人工智能,解决研究和产品集成,与包括DeepMind在内的Alphabet团队合作。 “谷歌大脑”最终的动机是通过开源项目,学术合作和出版来推动该领域。 根据资料显示,目前“谷歌大脑”的技术主要运用于安卓操作系统里的语音识别控件中,同时也用于谷歌社交平台Google+里的图片搜索功能,而且也对谷歌的智能视频推荐起到了至关重要的作用。 “谷歌大脑”一开始是由谷歌资深研究人员杰夫迪恩和斯坦福教授吴恩达组成的,吴恩达后来加入了百度的人工智能事业部。 目前,“谷歌大脑”团队的标语为“让机器更智能,以提升人类生活质量。” “谷歌大脑”团队相信知识应该为全人类共享,所以其所有科研成果都会公开发表。 拉特纳于去年从苹果公司跳槽到特斯拉(Tesla),在那他担任自动驾驶软件开发的副总裁,但他只在那呆了短暂六个月。拉特纳2017年6月透露,在发现自己不是“合适的人选”后,他不会留在特斯拉。 Swift并不是拉特纳对编程世界的唯一贡献,在他帮助开发苹果最新的编码语言之前,他创建了Land编译器和LLVM。 Previous Post Next Post
谷歌(Google)黑科技 “空气操作” 最伟大的颠覆创新来临
Post Views: 36,118 还记得谷歌(Google)在Google I/O 2015大会上演示的这项黑科技吗?这项科技研发的负责人伊凡·普匹列夫(Ivan Poupyrev)在现场演示了一下什么叫“空气操作”,利用微芯片如雷达般精准地识别出手指的细微活动,并以此来“空气操控”!这一切都是通过60GHz毫米波实现的。 这项技术就叫“Project Soli”!可以说是科技界最伟大的颠覆之一! 民用无线电波,目前主要是针对移动通讯,大都是为了实现更快的网络速度。但谷歌居然想出了造一个微型雷达,把无线电波用于手势操控! 开发初期,这个雷达几乎有一台个人电脑(PC)主机般大小。而仅仅十个月后,谷歌已经把尺寸缩小到了一张micro SD卡大小。 这块芯片装备,就是这一黑科技的核心。它是通过60Ghz雷达频段进行高速的扫描,对周边动作和手势进行捕捉。由于可以将这一芯片做到足够小,目前这一技术已经可以应用到智能手表、手环和其他可穿戴设备上了。 雷达技术就是向目标物发送无线电波,利用无线电波反射,从反射的雷达信号中获取信息。Project Soli为什么能够从有限的反射信号中获取这么多手势信息?这是因为他们建立一个非常全面的手势识别体系,利用60GHz高速率传播的特点,从中提取计算出用户的手势信息。 Project Soli体积小 可以嵌入可穿戴设备 由于体积小,它足够嵌入到智能手表等可穿戴设备,并且可以实时追踪你的动作,并根据这些移动检测从而更改信号。当然它还可广泛应用于物联网和其它计算设备。 这技术是由谷歌的神秘部门–ATAP研发出来的。Project Soli项目看起来将有很强的市场前景。Google ATAP认为人的双手是跟设备互动的最佳方式,Project Soli让你的双手和手指变成你唯一需要的用户界面。 此项目的负责人伊凡·普匹列夫表示:“就目前世界上的各种操作而言,我们的双手是最灵活与最细腻的…双手原本就是我们这个世界各种交互的第一“工具”,如果把手势技术引入到科技领域,将会再次改变这个世界。” 所有这些手势动作都是人类习以为常的与物质世界交互的方式。这些都非常符合人体手指的操作习惯,基本不用学习直接就能上手。可以说Project Soli把一切隔空操作的手势变得如此地方便简单! 一旦人们开始使用这项“空气操作”,谁还愿意再回到按钮按键的时代呢? 最后回答那个问题:为什么最近这么多黑科技都是来自谷歌?其实回答起来很简单,因为早在15年前谷歌就投入了大笔的资金用于各种看起来很不现实但很疯狂的项目上(比如谷歌地球(Google Earth)),且谷歌公司特地为此还设立了内部孵化机制,就是说任何一个谷歌员工都可以提出自己对未来的想法,一旦这些想法足够脑洞足够颠覆,便由公司出钱,帮他进行研发,直至出来科研成果…这极大地激发了所有人的创新动力,也让所有人都开始尊重颠覆的创新想法的重要性! Previous Post Next Post