脑洞 | 横扫围棋界的AlphaGo竟然出纪录片了!介意剧透者慎点……

授权转载自新浪科技(ID:techsina)

作者:姜轶群

自从AlphaGo连续战胜韩国围棋九段李世乭和中国围棋九段柯洁以后,这个“围棋高手”让人们更加关注人工智能(AI)技术,也让人们对AlphaGo背后的故事感兴趣。

△  DeepMind在Twitter上发布《AlphaGo》预告片

就在昨天晚上,AlphaGo背后的团队DeepMind在Twitter上放出纪录片《AlphaGo》的预告片。


class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7058823529411764" data-w="464" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=t13256t61k6&width=630&height=354.375&auto=0" style="display: block; width: 630px !important; height: 354.375px !important;" width="630" height="354.375" data-vh="354.375" data-vw="630" src="http://v.qq.com/iframe/player.html?vid=t13256t61k6&width=630&height=354.375&auto=0"/>

这部纪录片由导演Greg Kohs拍摄,早在4月21日就在美国翠贝卡电影节上进行了小范围点映,反响不错。《AlphaGo》还有个专门的网站,里面对于这部纪录片是这样介绍的:

“围棋棋局数不胜数,甚至多过宇宙中的原子数量,这种古老的中国游戏一直以来被认为是对人工智能的巨大挑战。2016年3月9日,围棋世界和人工智能在韩国正面对决,通过五局决出胜负。一个未证明自己实力的AI挑战围棋圣手,这是历史上的第一次,吸引了全球数亿人的关注。

由Greg Kohs拍摄,奥斯卡最佳配乐奖提名人Hauschka加持的《AlphaGo》,讲述了AlphaGo的成型经历——从牛津大学开始,经过法国波尔多的围棋俱乐部、DeepMind的编程终端,最终进入韩国首尔历时7天的比赛现场。随着这个故事逐步展开,更多问题摆在眼前:AI能够揭示具有3000年历史的围棋中的哪些方面?在人性方面,AI又能教给我们什么?”

△  Greg Kohs

影片拍摄完成之前,AlphaGo还没有挑战柯洁,所以最终成片估计没有讲到今年乌镇围棋大战。但即使这样,这部纪录片还是值得AI爱好者一看的,因为从新鲜出炉的预告片看来,这部纪录片应该包括AlphaGo开发的始末,还有和李世乭对弈的过程,其中的一些细节值得关注。


以下文字可能剧透,介意者慎读:

△ 樊麾

据看过AlphaGo的《MIT Technology Review》记者Brenden Lake在一篇报道中描述的细节,第一个和AlphaGo对弈的专业棋手樊麾曾经信心满满,按他的说法,AlphaGo“只是一个程序”。但在输给AlphaGo之后,他发现职业围棋将会被永远改变。毕竟,AlphaGo远不止一个简单的程序,DeepMind开发者通过深度神经网络开发它,在对战樊麾之前,它已经学习了16万部棋局,并与自己切磋3000万场比赛。


在影片中,DeepMind的开发过程是一条故事线,但另一条故事线更引人注意,那就是讲述这些把毕生精力奉献给围棋的人类。当棋手不能做到第一,他们应该怎么办?如果人类直觉不敌机器,这种人性挑战会有什么结果?


对于樊麾来说,当他不敌AlphaGo并且被报道出来的时候,他的妻子甚至不让他上网,以免他看到同行对他的批评;但樊麾很快恢复过来,并协助AlphaGo更加强大。他笑着说:“我会竭尽全力,保护人类的智慧。”

△  李世乭

当AlphaGo开始和李世乭对决时,纪录片也达到了最高点。


比赛前,DeepMind团队紧张调试AlphaGo,而李世乭也承受很大的压力。其中还有一个有意思的小细节:DeepMind准备飞到韩国首尔时,纪录片拍到AlphaGo被装在一个笔记本电脑里,就像准备拿着这台电脑就去比赛一样。但实际上,AlphaGo需要的计算部件非常多,在与樊麾比赛时就用了1202个CPU和176个GPU,与李世乭对决可能需要得更多。


在比赛僵持时,李世乭明显看起来失望;对于DeepMind团队,胜利也是苦乐交加。“AlphaGo”之父杰米斯·哈萨比斯说:“我不能庆祝。”但棋手还是通过AlphaGo发现了全新的世界,正如李世乭所说,AlphaGo“会向人类揭示我们从未发现的东西”。


对于我们普通人来说,AlphaGo的意义远不止在围棋方面。目前像文学、音乐、戏剧、烹饪等领域,让AI发挥作用还需要很长时间,而且新的AI技术需要学会从更少的数据中处理更多领域中的问题。但无论如何,AlphaGo鼓励我们拥抱未来变化。

秋招优质课程推荐

大数据+人工智能《国庆七天集训营》

一线互联网面试官亲授

7天线下集训

6个月持续辅导

十一火热开启  限额20人

详情见海报


往期精彩文章

点击图片阅读

阿尔法狗击败人类的背后:AI的发展仍存在哪些桎梏,我们又该如何应对?


智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值