如何评价Alphago取得的突破?

添加评论分享
发表2017年6月15日 20:15

这是人工智能厚积薄发的结果。

不要忘了人工智能在上个世纪有一个低潮,当年的人工智能也是风光一时,后来由于理论上没有大的突破,最后没能继续发展,于是冷落了几十年。

虽然人工智能的研究是冷却下来了,但是相关的研究仍然有人在进行,这些人在当时做的基础性的工作奠定了现今人工智能的理论基础,我们今天看到的人工智能百花齐放的结果均来自这些基础性的研究工作。

说到阿尔法狗就不得不提到 CNN(卷积神经网络),提到 CNN 就不能不提到人工神经网络。人工神经网络其实也是上个世纪的产物,不过当时人们对神经网络的研究还比较简单,主要停留在感知机上。当时人们证明了多层感知机在一定程度上是等价的,同时那个年代计算机才刚刚发展起来,计算能力非常不足,复杂的神经网络需要大量的计算支撑,种种原因影响之下,神经网络逐渐被人们遗忘,取而代之的是简单明快的 SVM 之类在数学上很好解释的东西(当然我没有说简单的多层感知机在数学上不好解释,完全没有这个意思)。

CNN 是从猫视觉皮层里面来的。某人(忘了名字了)在研究猫的视觉皮层的时候,根据其结构提出了今天 CNN 的雏形。由于 CNN 和生物视觉处理的相似性,使得 CNN 对于图像类型的任务有极好的效果。现在我们看到的各种图像识别,识花辨树等应用,其底层无不采用了 CNN。传统的已经被较好解决的简单图像识别如车牌识别、人脸识别等领域,CNN 则碾压传统的算法。在一些标准化的物体识别测试中,CNN 甚至取得了比人类更好的结果。

围棋也是一样,围棋看起来像一张图片,识别起来也确实就是一张图片,19×19 的棋盘,黑白两个棋子,简直就是一个完美的 361 像素的图片。所以当 AlphaGo 带着 CNN 杀入围棋领域的时候,秒杀人类也就没有什么值得奇怪的了。

CNN 是个很好的东西,它天生就是适合用来做图像类任务,而且还能得到超好的效果。可以遇见在不远的将来,与图像沾边的任务都会被 CNN 给占领。

添加回复分享

问题详情

提问用户
修源
提问时间
2017年5月23日 14:39
浏览次数
418
最后更新时间
2017年7月21日 22:48
关注人数
0

“人工智能"相关问题推荐