专家称，alphano的不寻常的举动证明了其AI实力

发布时间：2022-03-19 08:51:02 所属栏目：要闻来源：互联网

导读：谷歌DeepMind的AlphaGo人工智能计划在播放顶级玩家，令人困惑的评论员具有往往被描述为美丽的动作，但不适合通常的人类戏剧风格。人工智能专家认为，这些动作反映了alphago的关键AI力量，其能够从其经验中吸取教训。在魁北克州麦格尔大学计算机科学学院的副

　　谷歌DeepMind的AlphaGo人工智能计划在播放顶级玩家，令人困惑的评论员具有往往被描述为“美丽”的动作，但不适合通常的人类戏剧风格。

　　人工智能专家认为，这些动作反映了alphago的关键AI力量，其能够从其经验中吸取教训。在魁北克州麦格尔大学计算机科学学院的副教授在魁北克省在魁北克省的副教授，不能通过纳入人类知识来制作这种举措。

　　“alphago不仅代表了一台考虑的机器，而且可以学习和战略化，”IMD商学院的战略管理教授霍华德·余同数。

　　alphago上周在首尔赢得了三场比赛，在首尔举行了李塞尔DOL，确保锦标赛和100万美元的奖金，谷歌计划给予慈善机构。然而，该计划在星期天丢失了第四场比赛，当它犯了错误时。李某警告说，游戏有一些弱点。

　　该计划大约两年前开始作为一个研究项目来测试神经网络是否使用深度学习可以理解和播放，David Silver表示，alphano项目的主要研究人员之一。谷歌在2014年获得了英国AI公司深度。
　　
AI计划用作来自其“策略网络”的指南可能的人类移动，该人类在其不同情况下由人类专家游戏模型组成，但是当其“价值”的神经网络评估可能的移动时，可以自行移动深度。

　　与人类不同，alphaGo计划旨在最大限度地提高获胜的概率，而不是优化利润率，这有助于解释其一些举措，称，DeepMind Ceo Demis Hassabis表示。

　　预计AI系统需要多年的时间来击败，这被视为比其他流行的战略游戏更复杂，如国际象棋，并且越来越高的“分支”或平均每转的可能移动的数量，Premup表示。

　　“AI的领域通常是使用复杂的游戏和问题的基准测试，在这种情况下掌握了Go的游戏，”AI公司纵传技术的Cofound Hodjat，Cofound Hodjat说，Cofound Hodjat说。Hodjat通过电子邮件说，alphago赢得了现在可以使用机器学习解决方案的复杂性的“一个重要的高点”。

　　EBMIND计划与深蓝色不同，因为IBM程序主要依赖于搜索一个非常大的位置，但其他含有从人类专家的启发式，Precup表示。alphago还有一个强大的搜索组件，但它从自己的方式学习如何玩游戏，而不是“告诉”人们所做的事情，她补充道。

　　尽管其所有工程聪明才智，深蓝色旨在实现单一用途：赢得国际象棋游戏，尤德伊德说。“进入该计划的所有时间和精力都无法解决任何其他问题，”他补充道。

　　谷歌计划在更新的游戏之外测试其AI技术，例如医疗保健和科学研究。“核心深度学习技术对于任何时间序列模式分类问题非常好，”Hodjat说。他的公司使用了类似技术的技术意识的电子商务视觉情报产品。

　　Precup表示，alphano中的算法是通用目的，并在许多情况下部署。该计划依赖于两种学习，强化学习和深网络，这两种应用都已用于许多应用，例如人类假肢和自动化语音识别。“人们可能需要调整算法一点，但它们不依赖于问题域，”她说。

　　余说，一种能够在人类中，能够在人类中进行自学和造型的强化学习，开启“以超越人类思想领域的新可能性的未来。”

　　但专家认为，在GO的胜利，一个确定性，完美的信息游戏与设定规则，并不意味着当机器将超越人类时达到了时间。“现在，AI非常好，在许多曾经是人类独家领域的认知应用程序中，”Hodjat说。但他补充说，这仍然是仍然是人类智慧的广泛和一般抽象力量。

　　“我们还没有的一件事是'通用'AI机器，它使用相同的内部大脑来做许多不同的任务，例如玩游戏，了解文本和播放小提琴，”例如，“预先说。她补充说，这是下一个前沿，但我们仍然远离它。

　　微软周日表示，它正在研究一般情报领域的项目。AI研究人员已经能够开发工具，例如识别单词，但是没有能够毫不费力地将技能结合成人类所做的。

（编辑：开发网_开封站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!