專家解讀阿法狗原理:是「深度學習」

2021-01-20 中國新聞網

  難度堪稱人工智慧「阿波羅計劃」的圍棋挑戰,最終還是被一隻機器「狗」取得了勝利。它的致命法寶就是模仿人類的「深度學習」工作原理。機器到底是怎樣像人類一樣學習的?有一天它無所不能,人類的未來又將怎樣?北京晨報記者採訪了國內專家進行解讀。

  阿法狗原理是「深度學習」

  AlphaGo(阿法狗)由位於英國倫敦的谷歌旗下DeepMind公司開發。它的主要工作原理是「深度學習」。

  面對任何棋類,一種直觀又偷懶的思路是暴力列舉所有能贏的方案,這些方案會形成一個樹形地圖。然而,在規定時間內想要讓計算機利用這種方法戰勝人類下圍棋,並不容易做到,因為圍棋的可能性太多。

  有一種說法是,圍棋的可能性數量要比可觀測到的宇宙中原子的總數還要多得多。同時,圍棋的規律十分微妙,在某種程度上落子選擇依靠的是經驗積累而形成的「直覺」。因此,圍棋挑戰稱作人工智慧的「阿波羅計劃」。這一次,研究者們終於拿出了終極武器——「深度學習」,讓機器模仿人類高端棋手的下棋方式,機器可以通過學習人類打敗人類。

  北京郵電大學教授、中國人工智慧學會理事劉知青在接受北京晨報記者採訪時說,阿法狗通過「神經網絡」學習所有高水平圍棋棋譜,大概是歷史上有的20萬個左右職業棋譜,從而獲得了在盤面上如何落子的直覺。「假設我們看過很多貓,再看圖片的時候,就是通過第一直覺判斷圖片上是否有貓,這種直覺並不是天生而來的,而是通過學習獲得的。」劉知青說。

  「那麼,阿法狗取勝的殺手鐧真的就是直覺和第六感?」針對這樣的疑問,劉知青說,它獲得的這種直覺又和人類不同,背後有堅實的數學模型,計算機做了大量的計算,在大量懸念中找到一個勝率,這和人腦的直覺不完全相同,是數學、科學的體現,人類是不可能達到的。

  瞄準醫療領域能識別癌細胞

  劉知青說,類似的深度學習是在近幾年出現的,一些國內外公司、科研院所也在做,但谷歌現在做的這個毫無疑問是效果最好。目前,這項科技也有了一些應用,最簡單的例子就是通過深度學習識別貓。通過這項識別驗證,已經引申出了更多具有實際意義的應用,比如識別某一個圖片中是否有癌細胞,某一個鐵路沿線上的軌道是否存在磨損,甚至軍事作戰中,對方的視線中是否有坦克,都可以通過深度學習實現。谷歌的自動駕駛,其中很重要的就是識別道路、交通信號燈、路標等,這都是通過深度學習獲得。

  谷歌也表示相信,自己未來終將有一天能夠利用人工智慧技術解決許多現實生活中的問題,比如建立複雜的氣候變化模型以及傳染性疾病分析等。

  阿法狗與圍棋冠軍李世石在昨天進行的第四局激戰中,李世石第78手被贊為「神之一手」。從這招之後,阿法狗的程序疑似出現了「BUG」,它此後連出數招「臭棋」,輸掉了這一局。賽後,大家關心,阿法狗將來會向醫療領域發展,這種「BUG」是否也會出現?DeepMind創始人哈薩比斯表示,阿法狗是初級程序,不是升級版,所以就要看看有何缺陷,希望李世石能幫助找到缺點,以進一步完善。目前阿法狗還只是個程序,尚未進入醫療領域,還會進行更嚴格的測試。

  有了深度學習,未來的智能時代會是怎樣?劉知青說,將來有很多東西,人是可以被替代的,駕駛飛機、汽車,操作工具機,翻譯等。但創造力是人獨有的智慧特徵。在這方面,未來機器是否能夠超越人類,目前還是學術界的未知。

  我國科研人員提出「寒武紀」

  據了解,我國也有科技人員在從事「深度學習」的研究,並取得了一定成果。近日,中科院計算技術研究所研究員陳雲霽、陳天石的課題組提出的深度學習處理器指令集「電腦語」,被計算機體系領域頂級國際會議接收,在近300篇投稿中,其評分排名第一名。2014年,陳雲霽、陳天石課題組在國際上提出了首個深度學習處理器架構「寒武紀」,而「電腦語」則是「寒武紀」的指令集。

  陳天石在接受採訪時說,深度學習技術已被微軟、谷歌、臉書、阿里、訊飛、百度等公司廣泛應用於計算機視覺、語音識別、自然語言處理、音頻識別與生物信息學等領域並取得了極好的效果。深度學習的基本操作是神經元和突觸的處理,而傳統的處理器指令集是為了進行通用計算發展起來的,處理效率不高。谷歌甚至需要使用上萬個中央處理器運行7天來訓練一個識別貓臉的深度學習神經網絡。將來如果使用了帶有「電腦語」指令集的「寒武紀」處理器,深度學習的運算速度會得到明顯提升。

  劉知青說,未來,基於這項技術可以應用到方方面面,比如智能交通,道路有很多選擇,每一個「落子」就是一個紅綠燈,從家到單位可能有三四個選擇。下圍棋和交通路徑規劃是等價問題。再比如物流,一輛貨車裝了60%貨物,剩下空間是找A點還是B點裝貨,面臨很多選擇,按照類似的方法,結果給出優化目標。

  不過,劉知青坦言,目前中國這項技術差距還是很大,大家的重視程度不夠,並沒有意識到這才是真正的創新和能夠帶來的價值。北京晨報記者 韓娜

  ■名詞解釋

  厚勢

  圍棋術語,指對周邊能產生巨大影響的棋形。此次人機大戰所展現的技術進步將大幅改變人類未來的生活方式。

  ■連結

  科幻大咖細說阿法狗

  科幻小說《三體》的作者劉慈欣也非常關注阿法狗和人類的對決,他認為,計算機在很多方面超越人類已經是不爭的事實,這點毋庸置疑。相較於前兩次人類與計算機的對決,這次計算機的進步仍屬於量變,而不是質變。舉個例子,當前計算機能夠識別出人的面孔,但是還不能理解表情,更無法通過人的肢體動作獲取人類內心的想法。當前距離實現成熟的人工智慧技術很遙遠,甚至可以說,未來能不能實現還是個謎。如果腦科學無法實現重大突破,那產生真正意義上的人工智慧就是天方夜譚。另外,有些網友對人工智慧心懷恐懼,這是大可不必的。假如有朝一日成熟的人工智慧技術真的誕生了,人類還是有很多辦法可以對它進行約束。據新華社

相關焦點

  • 航天專家解讀太空授課物理原理
    據新華社電 20日上午舉行的太空授課實驗反映了什麼樣的物理原理?清華大學航天學院副教授王兆魁進行了解讀。    質量測量——牛頓第二定律    實驗過程:聶海勝把自己固定在支架一端,王亞平輕輕拉開支架,一放手,支架在彈簧的作用下回復原位。
  • 資料|白話深度學習與TensorFlow
    基礎篇(第1~3章),講解了機器學習、深度學習與實踐的上下文知識,如基本的機器學習與深度學習算法,TensorFlow框架的安全與配置,簡單的深度學習實踐。該篇是閱讀和實踐的基石。原理與實踐篇(第4~8章),介紹「老牌」的深度學習網絡的數學原理和工程實現原理,尤其是第4章,如果能基本讀懂,後面的網絡實現層面的問題基本都可以迎刃而解。
  • 專家引領航向,理論助力成長——實驗中學舉辦崔成林教授《深度學習...
    8月20日,開發區教研室邀請知名教育專家崔成林教授對全體教師進行了「深度學習與教學評一致性教學設計」培訓活動。為了促進學校教師間、學科間的學習與交流,營造學校團隊研究氛圍,提升我校對深度學習教學和科研水平,用教學策略為學生的高質量發展保駕護航,8月28日,開發區實驗中學舉行了崔成林教授《深度學習與「教學評」一致》學習成果分享會。
  • 詳細解讀,8000字線性代數知識點長文,帶你入門深度學習/機器學習
    本文目錄:引言機器學習和深度學習建立在數學原理和概念之上,因此AI學習者需要了解基本數學原理。在模型構建過程中,我們經常設計各種概念,例如維數災難、正則化、二進位、多分類、有序回歸等。神經元是深度學習的基本單位,該結構完全基於數學概念,即輸入和權重的乘積和。至於Sigmoid,ReLU等等激活函數也依賴於數學原理。
  • 航天專家解讀我國首次太空授課物理原理
    這些美妙的實驗反映了什麼樣的物理原理?天地物理特性的差別給航天飛行帶來什麼影響,在航天活動中有什麼樣的應用?清華大學航天學院副教授王兆魁對這些問題進行了解讀。    實驗一:質量測量——牛頓第二定律    實驗過程:王亞平首先展示兩支完全一樣的彈簧,它們分別固定了兩個不同質量的物體。
  • 機器學習、深度學習算法原理與案例實踐暨Python大數據綜合應用...
    原標題:機器學習、深度學習算法原理與案例實踐暨Python大數據綜合應用高級研修班通信和信息技術創新人才培養工程項目辦公室 通人辦〔2018〕 第5號 機器學習、深度學習算法原理與案例實踐暨Python
  • 英偉達Volta架構深度解讀:專為深度學習而生的Tensor Core到底是...
    之後,英偉達開發博客又更新了一篇深度解讀文章,剖析了 Tesla V100 背後的新一代架構 Volta,其在提供了更好的高性能計算支持之外,還增加了專門為深度學習所設計的 Tensor Core。機器之心在本文中對這篇博客文章進行了編譯介紹,同時還在文中加入了一些機器之心對英偉達應用深度學習研究副總裁 Bryan Catanzaro 的採訪內容。
  • AR算法原理及深度學習在計算機視覺中的應用
    那麼,AR識別技術背後的算法原理是什麼,以及計算機視覺與深度學習在AR中的應用熱點趨勢有哪些?本次分享會從圖像特徵提取、特徵匹配與圖像變換、深度學習算法等方面給你進行深入淺出的技術展現,讓AR識別技術不再成為難以逾越的技術壁壘。
  • 深度學習筆記:深度學習——AlphaGo阿爾法狗
    它主要的原理就是深度學習。深度學習為其提供了可能。AlphaGo主要包括三個組成部分:蒙特卡洛搜索樹(MonteCarlo tree search,MCTS)估值網絡(Value network)策略網絡(Policy notebook)AlphaGo的一個大腦——策略網絡,通過深度學習在當前給定棋盤條件下,預測下一步在哪裡落子。
  • 一個簡單的深度學習模型,帶你深度了解背後原理
    全文共4431字,預計學習時長9分鐘深度學習是目前在實際數據科學應用中最流行的模型之一。從圖像到文本,再到語音/音樂等領域,它都是一個有效的模型。隨著使用量的上升,快速且可擴展地實現深度學習變得至關重要。Tensorflow等深度學習平臺的興起可以幫助簡化開發人員的實現方式。
  • Google軟體工程師解讀:深度學習的activation function哪家強?
    深度學習的基本原理是基於人工神經網絡,信號從一個神經元進入,經過非線性的activation function,傳入到下一層神經元;再經過該層神經元的activate,繼續往下傳遞,如此循環往復,直到輸出層。
  • 觀點‖楊清:走出「課堂深度學習」認識的三大誤區!
    在教學實踐中,有些教師對課堂深度學習和高階思維的理解過於片面,以致重「高階思維」輕「低階思維」:有的課堂只重知識的「拔高」而忽略了學生對基礎概念和原理的學習;有的課堂過於強調「遷移」,而忽視了學生對文本本身的「理解」。
  • 專家深談:深度學習成功的啟示,以及,為什麼它不能解決全部AI問題?
    2、從經驗驅動的人造特徵範式到數據驅動的表示學習範式在深度學習興起之前,專家知識和經驗驅動的AI範式主宰了語音處理、計算機視覺和模式識別等眾多領域很多年,特別是在信息表示和特徵設計方面,過去大量依賴人工,嚴重影響了智能處理技術的有效性和通用性。深度學習徹底顛覆了這種「人造特徵」的範式,開啟了數據驅動的「表示學習」範式。
  • WAVE SUMMIT+2020深度學習開發者峰會報名啟動
    WAVE SUMMIT+2020深度學習開發者峰會盛大開啟!讓我們再次相約,嗨翻歲末~此次大會由深度學習技術及應用國家工程實驗室與百度聯合主辦,既有前沿技術解析與產業落地的乾貨,也有美酒和音樂的派對狂歡。同時,百度開源深度學習平臺飛槳也會在這次大會上帶來重磅更新,新老朋友們千萬不要錯過!
  • 解讀馬斯克的「第一性原理」,顛覆式創新的源頭
    很少有人像馬斯克一樣橫跨多個領域,而且每個領域都做出了顛覆式的產品,在TED的採訪中,馬斯克聲稱自己慣用的思維模式是 「First principle thinking」,翻譯成中文就是「第一性原理」思維。
  • 新深度學習模型——少量人工神經元造就更高智能
    與之前的深度學習模型相比,該系統具有明顯的優勢:能更好地應對嘈雜輸入,而且其操作模式可以詳細解讀。與活體大腦相似,人工神經網絡也是由許多獨立的細胞組成的。當一個細胞處於活躍狀態時,會向其他細胞發送信號,下一個細胞會將接收到的所有信號進行綜合評估,以決定自身是否也需要被激活。
  • 深度學習與統計力學(I) :深度學習中的基礎理論問題
    對英文原報告感興趣請在本公眾號回復關鍵詞「深度學習統計力學」。深度神經網絡最近在機器學習方面取得了顯著的成功,這就對其成功背後的理論原理提出了深刻的問題。例如,這樣的深層網絡可以計算什麼?我們如何訓練他們?信息是如何通過它們傳播的?為什麼他們泛化能力很好?我們怎麼能教他們想像呢?
  • CVPR2017精彩論文解讀:直接處理三維點雲的深度學習模型
    下文是Momenta高級研究員陳亮對此次大會收錄的 PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation  一文進行的解讀。隨著雷射雷達,RGBD相機等3D傳感器在機器人,無人駕駛領域的廣泛應用。
  • 前沿| 深度學習的概念、深度、策略、效果及其啟示
    美國威廉和弗洛拉·休利特基金會與美國研究院合作開展的深度學習項目(SDL)對以上問題給予了回答。在概述(SDL)研究背景和研究設計的基礎上,從核心概念、促進深度學習的策略和途徑、深度學習的效果三個維度進行了介紹與解讀。
  • 深度強化學習:阿里巴巴「AI 智能體」認知
    阿里巴巴認知計算實驗室資深總監袁泉在接受新智元專訪時表示,當下,人工智慧的每一個進步,幾乎都受到了神經科學的啟發,尤其是新一輪通用智能發展的中堅力量——基於神經網絡的深度強化學習。本文轉自「新智元」,作者:胡祥傑;經億歐編輯,供業內人士閱讀。