99色在线视频-99色综合-99视频精品全国免费-99视频全部免费-能在线观看的一区二区三区-嗯!啊!使劲用力在线观看

阿爾法元來了,人類限制了機器的想象力嗎?態度

鈦媒體 / 腦極體 / 2017-10-21 08:21
阿爾法元之所以震撼了整個業界,是因為當我們以為Master已經封神時,它用三天的時間告訴人類,人類以為的最高水平,在機器面前不值一提。人類經驗成了阿爾法狗的累贅,甩掉...

阿爾法元來了,人類限制了機器的想象力嗎?

誰能想到,我們會在一年之內連續被AlphaGo刷屏兩次?關于阿爾法元如何快速學習成長擊敗AlphaGo Lee和AlphaGo Master的新聞這里就不再贅述,給出兩個關鍵信息,供讀者一起思考。

一、阿爾法元沒有錄入人類棋譜數據,單純通過自我對弈,依靠強化學習取得了現在的能力。

二、阿爾法元的工作和訓練效率都有了很大的提升,僅用了三天的時間就能擊敗原版阿爾法狗,同時在推理時,阿爾法元只用了4塊TPU。

阿爾法元之所以震撼了整個業界,是因為當我們以為Master已經封神時,它用三天的時間告訴人類,人類以為的最高水平,在機器面前不值一提。人類經驗成了阿爾法狗的累贅,甩掉這些,算法可以更快更好的完成任務。

對于很多人來說,這是一個巨大的打擊:我們引以為傲的大數據不僅僅會誤導算法,還會占用更多的計算資源,阻礙了通用人工智能的發展。

這篇文章的主要任務,就是來安撫一下驚慌失措的人類。先從第一個問題說起,看看阿爾法元到底是怎么提升計算效率的。

從監督學習到強化學習

以前在國際象棋的人機對弈中,計算機使用暴力窮舉法推算雙方對峙時的種種可能,通過運算速度取勝。可窮舉法一度曾經被認為不適合圍棋,圍棋每走一步就會創造出19×19種可能,運算量太過巨大。

直到有人開始用卷積神經網絡解決圍棋問題,用卷積神經網絡擅長的降維降低搜索空間,機器便有了戰勝人類的可能。

阿爾法元來了,人類限制了機器的想象力嗎?

在擊敗了柯潔的阿爾法狗大師版本中,應用了整整40層的策略網絡/價值網絡,前者用于確定當前局面,預測下一步行動,價值網絡則用來判斷執黑執白兩方的勝率。另外,還要加入快速走子系統,以在稍微犧牲走棋質量的前提下,極高的提升運算速度。最后,再用蒙特卡羅樹搜索算法把以上三者連接起來。

而阿爾法元則直接將策略網絡和價值網絡相結合,并且去掉了快速走子系統。也就是說,以往由三部分組成的阿爾法狗在如今直接變成了一個整體。

簡化之后,策略+價值網絡的輸入特征由48個減少到了17個,加上被刪掉的快速走子系統,基本關于人類圍棋的知識都被去掉了。

阿爾法元來了,人類限制了機器的想象力嗎?

從圖中可以看到,沒有任何人類知識的阿爾法元,在自我對弈的初期常常出現一些毫無邏輯的詭異棋局,可到了后期,卻總能有出其不意的打法。

去掉人類已知知識的特征輸入,意味著阿爾法元從監督學習走向了強化學習——分裂成兩個一無所知的棋手,開始對弈,出現勝者后用結果進行訓練,然后繼續循環對弈。

而走向強化學習,不僅僅是因為去掉了人類棋譜的監督,還有關于殘差網絡的應用。殘差網絡可以理解為卷積神經網絡的深化,簡單來說,就是盡量減少每一層網絡的神經元,而把網絡做的更深。結合阿爾法元從監督學習轉向強化學習,減少了輸入特征,也利于把整個神經網絡做的更加簡單粗暴。

總之,阿爾法元的重點就在于,去掉人類的圍棋知識所需的計算的資源,把網絡做的更深,好讓阿爾法元在越來越深的網絡中自己發現這些知識。

而阿爾法元的確做到了。

甩掉數據,通用人工智能就來了嗎?

所以,阿爾法元效率提升的重點在于,去掉人類數據的監督,才有可能實現結構的優化。

那么同樣的套路,可以應用在其他領域嗎?

答案很有可能讓人失望。

首先,圍棋這種游戲本身就是透明規則的數學計算,此前的Master和Lee,無非是在沒法單純使用推理時的權宜之計。到了其他無法使用通行透明規則的領域,深度學習可能就沒那么好用了。

阿爾法元來了,人類限制了機器的想象力嗎?

今年DeepMind對《星際爭霸》的挑戰就是案例之一,把整個游戲拆分成多個仿真場景,企圖以分布式的模擬訓練解決整體問題。可目前來看,結果卻不盡如人意。畢竟在不完全信息環境中,對長期規劃能力、多智能體協作能力的考驗都太過嚴苛了。機器都不一定能很好的模仿人類的經驗,更不必提完全依靠機器的自己了。

在強化學習中,最容易出現的情況就是機器只顧獲取單一條件下的獎勵,無法顧及到多任務環境中的整體進程。

游戲中尚且如此,那在語音識別、圖像識別等等其他領域中,數據的價值就更為重要了。現在提出強化學習=通用人工智能,還為時尚早。

所以,沒有必要因為數學游戲中的失敗就去否定人類存在的價值。用自己短處去和機器的長處相比,才是最沒意義的事。

人類限制了機器的想象力嗎?

而提到人類的短處,就不得不說在阿爾法元和Master對弈中發現的有趣的信息。對典型的,就是在人類的影響下,Master常常走向局部最優。而一些圍棋手們在剛剛接觸圍棋時就要學習的打法,阿爾法元卻在訓練的極后期才能發現。

用我們常常評論學校教育的話講,就是人類的規則限制了機器的想象力。

這一切提醒了我們兩件事,第一,由于人類自身能力所限,我們常常限于局部收斂而不自知,進而會影響機器學習的能力;第二,大數據中的信息噪聲不可忽視。

也就是說,如果總是依靠人類經驗和數據,依靠機器學習的人工智能的水平頂多是一個腦子特別好使人類。

而阿爾法元的成功,是不是告訴了我們,依靠強化學習繞過大數據的局限、甚至是人類本身的局限?

雖然在很多沒有明確規則的場景中強化學習還表現乏力,但我們是否可以創造仿真環境,嘗試用強化學習重新解讀那些我們習以為常的基礎問題?比如分子的組成和運動甚至基礎物理,以此能影響到的材料、生物等等領域,都有著無限的想象空間。

阿爾法元對通用人工智能的推進雖然有限,卻證實了用物美價廉的強化學習解決更多問題的可能。在未來,我們可以期待更多商業化的場景,看看強化學習是不是真的能讓機器學習有更多的應用空間。

作為一個從小就數學不好的人,我非常坦然的接受了自己的失敗——作為人類,我們的計算能力的確輸了機器一大截。那些通過計算而得來的智慧,顯然也不見得比機器更高明。

可我們存在的意義,從來不是算數,而是把自己的能力付諸到更高級的系統上,發揮出更強大的作用。就像我們不曾被計算器打敗一樣,雖然在計算這件事上,阿爾法元青出于藍。可換個角度想想,我們自己作為算法的發明者,看著自己的造物補足了自己能力上的不足,是不是應該露出造物神一樣的微笑呢?

【來源:鈦媒體               作者:腦極體



1.砍柴網遵循行業規范,任何轉載的稿件都會明確標注作者和來源;2.砍柴網的原創文章,請轉載時務必注明文章作者和"來源:砍柴網",不尊重原創的行為砍柴網或將追究責任;3.作者投稿可能會經砍柴網編輯修改或補充。


閱讀延展



最新快報

1
3
主站蜘蛛池模板: 在线天天干 | 性另类交性类交 | 婷婷影院在线观看 | 美日韩中文字幕 | 男男1v1高h猛烈做哭bl强制 | 日本久久精品免视看国产成人 | 亚洲三级在线 | 天天看黄色片 | 成年人在线免费观看 | 黄色一区二区三区 | 欧美亚洲国产精品久久久久 | 欧美性xxx| 欧美性猛交ⅹxxx乱大交免费 | 国产亚洲一区呦系列 | 婷婷播放 | 日韩在线网址 | 国产色一区 | 99精品欧美一区二区三区 | 免费看国产精品久久久久 | 国产日产综合 | 伊人精品影院一本到欧美 | 香蕉视频黄网站 | 久久com| 99精品伊人久久久大香线蕉 | 激情综合丁香 | 精品国产一区二区三区不卡在线 | 在线日本人观看成本人视频 | 亚洲毛片在线观看 | 秋霞午夜伦理片 | 亚洲欧美综合一区二区三区四区 | 在线播放a 1 | 日本aⅴ在线 | 国产黄网永久免费 | 72式性无遮挡免费视频观看 | 天天插视频 | 97色在线视频观看香蕉 | 日日噜噜夜夜狠狠久久丁香婷婷 | 一级一级一级毛片免费毛片 | 99在线观看巨臀大臀视频 | 日韩ab| 亚洲精品视 |