AI变迁与最新动向
目 前， 人 工 智 能（Artificial Intelligence，AI）迎来了第三次热潮。在这次热潮中，AI 的商业应用迅速扩大，开始对社会产生巨大影响。
但是 AI 这一技术并不是最近产生的，而是源于以往研究开发的成果。本章将纵观 AI 的进化历程，带您回顾当今 AI 技术的核心——深度学习诞生的背景。
（ 图片来源于网络）
AI，正如其名，是一种通过人工手段使机器拥有人类才智和智能的技术。近年来，AI 技术急速进化，开始应用于商业领域。
不断进化的 AlphaGo
2017 年 12 月 7 日，美国加利福尼亚长滩举行了名为神经信息处理系统大会（Neural Information Processing Systems，NIPS）的 AI 国际会议。NIPS 是神经科学和机器学习（当今人工智能的主流）的研究者大会，拥有超过 30 年的历史，是与AI 相关的顶级研究发表的场所。
当天最大的看点是在深度强化学习研讨会上，谷歌（Google）旗下的 Deep Mind 公司发布了其所开发的 AlphaZero。该场演讲的副标题是“Mastering Games without Human Knowledge”，即“在没有人类知识的情况下掌握游戏”。
2016 年 3 月，Deep Mind 开发的 AI 围棋程序 AlphaGo（阿尔法围棋）打败了拥有世界顶级实力的韩国职业棋手李世石九段，它当时就是利用了 AI 学习程序中约 3000 万人类棋手对战的棋谱（图 1-1）。但是，AlphaZero 却完全没有运用人类的知识，而是通过在不断地自我对弈中吸取经验来完成进化的。
展开全文
图 1-1 Deep Mind 公司网页：围棋（注：该图源自 https： //deepmind.com/）
这一进化方式，其实在 AlphaZero 之前，于 2017 年 10 月19 日发表的 AlphaGo Zero 上就已经开始运用了。令人震惊的是，AlphaGo Zero 在没有运用人类知识的前提下，仅通过 3 天的自我对弈训练，就以 100 胜 0 败的成绩打败了曾经战胜李世石的 AlphaGo。
AlphaZero 是比 AlphaGo Zero 性能更高，且更为通用的 AI。在性能方面，AlphaZero 通过 8 小时的自我学习（相当于图1-2 中 165 千步），就超过了 AlphaGo。
注：该图以 Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm（ arXiv： 1712.01815v1）、 DavidSilver等为基础。
另外，AlphaZero 不仅战胜了围棋人工智能 AlphaGo Zero，在与国际象棋和日本将棋冠军 Stockfish和 elmo的比赛中也取得了胜利。AlphaZero 是一个超越了AlphaGo，并且在没有人类知识的情况下掌握了多种棋类游戏的高手级别的AI（表1-1）。
表 1-1 AlphaGo 的变迁
注：来源于野村综合研究所。
AlphaGo Master是 AlphaGo的改良版。
比 AlphaGo 早 1 年出现的 DEEP Q NETWORK
AlphaGo 中使用的部分技术源于在其出现的 1 年之前，为了创造一种能够学习太空侵略者（Space Invaders）以及打砖块等电子游戏的 AI 而开发出来的一系列技术。
Deep Mind 将很多游戏作为其研究对象。在 NIPS 深度强化学习研讨会上，Deep Mind 还发布了除了 AlphaGo 之外的其他信息。那就是他们要挑战“星际争霸（StarCraft）”游戏，该游戏是一个以宇宙为舞台的实时战略（Real -time Strategy，RTS）游戏（图 1-3）。
图 1-3 StarCraft Ⅱ的打斗画面 ©Blizzard Entertainment
他们演讲的题目是“StarCraft Ⅱ：A New Challenge forReinforcement Learning（星际争霸 2：强化学习的新挑战）”。具体而言，Deep Mind 宣布将与游戏开发商 Blizzard 公司合作，打造一个由 AI 开发者来改善游戏的新环境。围棋与将棋、国际象棋等相比，棋局变幻莫测，有10的170次方之多的可能性，但星际争霸的复杂度预计将再乘以10的100次方。对于这样复杂的研究对象，Deep Mind 希望能够实现一种实时构建、执行对战策略的 AI 技术。
AI 应用的扩大
AI 的应用不仅限于围棋等游戏世界，在现实世界中也在不断扩展。其代表就是 IBM开发的 Watson。
Watson是一个能够解释人类在对话中使用的自然语言，并且拥有一个能够基于自身积累的信息生成假说，以及具有学习功能的系统。
Watson 的登场带来的冲击丝毫不逊色于Deep Mind 的AlphaGo。Watson 在 2011年登上了美国人气猜谜节目《Jeopardy!》，依靠其相当于 100 万册书籍和 2亿页的百科全书海量文本数据，战胜了人类的冠军。
与 Deep Mind 不同的是，为了使该技术实现商业化，IBM开展了一系列活动，包括与医院合作，尝试将其应用于医疗领域。2014 年 10 月，IBM 在纽约硅巷开设了 Watson 业务集团总部，同时在世界范围内开设了 5 个分部，命名为“Watson 客户体验中心（Watson Client Experience Center）”。
Watson 的功能是以自然语言处理为基础的，利用与人的对话和系统中积累的专业知识及业务知识，帮助人进行决策。在日本，Watson 多适用于金融机构，如瑞穗银行和保险公司 MS&AD投资集团在呼叫中心业务中使用了 Watson 来辅助接线员的工作。此外，Watson 最近还常用于“聊天机器人㊀ ”等对话系统。
AI 曾经历过两次热潮，目前是第三次。在过去的两次热潮中，由于其几乎不适用于商业，人们对 AI 的热情难以持续。而在第三次热潮中，像 Watson 这样的技术能够在商业中大展拳脚，因此 AI 应用的扩大指日可待。
AlphaGo 在开发初期只计划运用于研究，但其强化学习技术㊀ 优化了 Google 数据中心的冷却系统，为能源节约做出了贡献。此外，这一研发的成果并不只限于 Deep Mind。其研究结果以论文的形式公开，很多企业和研究机构都将这种方法应用在了商业中。
例如，强化学习技术被广泛用于自动驾驶、机器人控制、股票交易的战略制定及自动化执行等。与之前的 AI 热潮不同，现在已经建立起了相关机制，能够将最前沿的研究开发成果应用于商业领域。
但是，AI 进化和应用的扩大并不是只带来好的一面。随着AI 技术的不断发展，人们开始担心 AI 会不会夺走人类的工作。
比如，如果自动驾驶汽车得到了普及，那么出租车、货车等运输业从业人员是否会失去工作。本书将揭示 AI 到底是一种什么样的技术，并探讨它对我们的生活、商业以及社会会产生怎样的影响。
本文主要内容来自《图解人工智能大全》
推荐阅读
点击图书封面了解更多▼
《图解人工智能大全》
作者：[日]古明地正俊、长谷佳明 著
上市时间：2022年2月
《图解人工智能大全》由日本著名人工智能（AI）研究机构首席研究员和高级研究员撰写。作为AI 的入门读物，本书旨在以简单易懂的语言向专业人士和普通读者介绍AI 的基础、前沿的商务案例，以及AI 系统构筑的注意事项等相关知识。考虑到有些读者可能不具备相关的专业知识，本书使用了大量图片，以帮助读者理解文字内容。
本书适合所有对人工智能感兴趣的读者阅读，也可作为从事人工智能开发工作的入门书。
撰稿人：董春晖
责任编辑：母云红
审核人：李 军
《图解人工智能大全》在机械工业出版社天猫旗舰店、京东商城、当当商城、有赞旗舰店以及全国各大新华书店均有销售！
本文来自作者[yuange]投稿，不代表桂圆分享立场，如若转载，请注明出处：https://kbmoijy.com/wiki/202411-759.html
评论列表（4条）
我是桂圆分享的签约作者“yuange”！
希望本篇文章《人工智能与机器学习的最新发展》能对你有所帮助！
本站[桂圆分享]内容主要涵盖：生活百科,小常识,生活小窍门,知识分享
本文概览：AI变迁与最新动向目 前， 人 工 智 能（Artificial Intelligence，AI）迎来了第三次热潮。在这次热潮中，AI 的商业应用迅速扩大，开始对社会产生巨大影...