人工智慧又贏了,要搶飯碗,領退休金,當女朋友?
GIF/86K
是輸是贏
尚未可知
恩,這兩天,萬眾矚目的柯潔和 AlphaGo 的圍棋大戰終於是打響了,其實昨天差評君也去了現場。
(現場氣氛還挺緊張的)
比賽日程是,柯潔和AlphaGo在 23 號、 25 號和 27 號各比一場,中間 26 號的時候還有其他人跟 AlphaGo 的對戰。
(隔天比一場,看來下一場還是很辛苦的。。。)
這次對戰的 AlphaGo 已經是經過升級的 2.0 版本,也就是說,比之前對戰李世石的時候還要厲害,柯潔賽前好像也是有點感慨,賽前發了一大段話:
柯潔的微博
不過可惜的是,第一場比賽的結果還是柯潔以四分之一子輸給了AlphaGo:
差評君也不知道剩下的兩場會結果如何,不過用李開復的話:
「人機對戰基本沒有懸念了,據聞AlphaGo近期即將來華和柯潔對戰,其實已經不再具有科學意義了。以後我們應該更關注商業領域的人工智慧,在金融、醫療、教育等領域產生商業價值,讓世界變得更美好。」
反正輸贏都已經不重要了~
不過近年來 AlphaGo 的一系列事件把人工智慧這個詞一下子推到了風尖浪口。。。
而且至今 AlphaGo 挑戰人類棋手還未嘗敗局,人工智慧下圍棋已經這麼厲害了?
實際上,人工智慧不單單只是下圍棋厲害,很久以前一台超級計算機 「 深藍 」 就已經制霸了國際象棋的領域。
還有最近國內德州撲克的人機大戰,「 冷撲大師 」 對戰 「 龍之隊 」,結果又是AI勝利。。。
難道人類真的會被人工智慧取代嗎?
於是 「 人工智慧威脅論 」 就這麼出現了。。。
(機器人和你搶工作~)
差評君覺得,這話說的可能有點太誇張了。
這樣的說法有點妖魔化或者神化人工智慧了,其實人工智慧早就在我們生活中隨處可見了,只不過這個概念在近幾年因為神經網路、機器學習這些新的領域的崛起被炒火了~
為什麼這麼說呢,因為實現人工智慧的方式不只一種,不僅僅用了神經網路的才叫人工智慧,只用一些工程學方法編程實現的也是人工智慧。。。
舉個通俗點的栗子,相信不少差友會玩遊戲,在遊戲過程中免不了會遭遇到一些怪物,你打怪物怪物就會打你,這其實就是一種人工智慧的實現了(換個熟悉點的叫法:遊戲 AI)~
再說個稍微複雜點的,暴雪爸爸的魔獸爭霸這類的遊戲:
(玩過這個的大概都到了結婚年齡了?)
可以玩家和電腦對戰,對面的電腦可以操作部隊像真的對手一樣和你對打,這也是一種人工智慧。。。
沒錯, AI 在遊戲裡面早就被大範圍的應用了。
單說這一類的 AI 呢,實際上已經在我們生活中有很多應用了,比如自動化生產的流水線,當然還有前面提到的遊戲領域,甚至現在不少的股票類新聞,都是直接由人工智慧生成的。。。
所以事實上人工智慧早就替代了很多人類工作了,但差評君也沒看到多少人覺得自己會因此找不到工作~
之前很火的小黃人分揀
GIF/2.0M
(其實也還是需要有分揀員的幫忙)
而用了神經網路的人工智慧呢,就很厲害了。。。
深度神經網路
現在炒的很火的說什麼人工智慧的其實基本上指的都是這一類。
而且其實現在機器學習在我們生活中已經很很多應用了,前幾天差評君講I/O大會的時候就提到過(詳細的介紹可以看之前的文章,傳送門), 谷歌已經把 AI 融入到了他自己家大量的產品中去了,比如語音助手:
(現場的演示各種驚艷!)
再比如谷歌還利用 AI 掃描大量的 APP 來保證用戶的安全:
Google Play Protect
(也是在今年的 I/O 大會上出現的)
但是實際上,差評君覺得還是有不少是沒有辦法取代的,不管怎麼說,總得有個程序員吧(開個玩笑)~
後者到底最終能牛逼到什麼程度,說實話還挺難說 ,並不知道以後可以發展到什麼程度,說不定哪天就真的能模擬人腦的結構了,這差評君也說不準,畢竟現在科技的發展實在太快了。。。
但是就短時間來說,AI 也沒有大家想的那麼可怕。
比如 AlphaGo ,雖然都快被稱為圍棋之神了,它也只是能下圍棋而已,它不能和你聊天不能和你打撲克,甚至都不能和你下五子棋。。。
為什麼呢,因為 AlphaGo 神經網路本身就只是針對圍棋的,換個別的事情這網路就沒用了。
換句話說,對於不同的目標,總是要有不同的神經網路(種類、結構)與之對應。。。
比如圖像識別的時候,工程師們一般會用卷積神經網路(CNN,Convolutional Neural Networks)。
但是語音識別的時候,更加適合用一種叫做深度神經網路(DNN,Deep Neural Networks)的種類。。。
當然,除此之外還有叫遞歸神經網路( RNN ,Recurrent Neural Network)的。
所以講了半天神經網路到底是個什麼東西呢,差評君給大家簡單展開講講~
這是一個神經元:
這個大概生物課本上差友們都見過,然後我們把它簡單分成了倆部分:神經核和突觸。
神經元細胞運作的過程一個電信號從某個地方傳過來,再經過神經核的反應之後,又傳了出去。。。
恩其實有點像編程上說的 「 函數 」 。
抽象出來的單個神經元
(左邊是輸入的電信號,右邊輸出的電信號)
然後把他們擺成一排,就變成了一個 「層 」:
每個層的輸出可以變成別的層的輸入(就像是突觸搭在了別的神經元上的感覺)
於是把好多層接起來,就能變成一個網路:
我們把每個神經元簡單地畫成一個圈:
對,這就是你們在各大網站經常能看到的樣子了~
我們怎麼用數據去描述這樣的網路結構呢?答案是用矩陣(Matrix)。
前一層的第 N 個神經元和後一層第M個神經元之間的連線可以用矩陣上的第N行第M列的數字來表示(比如 0 就是不連接)~
聽說過領接矩陣么?
然後訓練網路的時候就是不斷地去計算、修正這些矩陣。
當然,這其中不可避免的涉及了大量的矩陣乘法和轉置的計算(矩陣的規模還可能很大)。
2x2的矩陣就已經很麻煩了
而各位差友們再想像下,我們人腦有 860 億個神經元,要是真的去模擬大腦的規模,那計算量簡直是無法想像的。。。
所以現在大家能見到的神經網路,基本都是針對一些特定場景的簡單的網路,和人腦當然是沒法比的~
差評君覺得至少短期內AI是不會徹底取代人類的,雖然不知道以後會怎麼樣。。。
於是問題來了:差友們,你們覺得有哪些工作是不能被人工智慧取代的?
「 所以,能代替女朋友嗎? 」
有乾貨,有態度,有內幕,喜歡就訂閱差評哦!
※一秒打開想要的功能,手速就是這麼快!
※她從褲襠掏出黃瓜的那一刻,我知道這直播軟體並不簡單。。。
TAG:差評 |