2017 AI四大成就:自学写代码、发现新太阳系、击败围棋高手、击败无限扑克高手

编辑: 弗格森 全月

【新智元导读】2017年AI都有哪些耀眼的成就,除了大家耳熟能详的AlphaGo,还有自学写代码的AI,能发现另一个太阳系的AI。

2017年是人工智能领域蓬勃发展的一年。 虽然AI和以数据为中心的机器学习已经存在有数十年的历史,但是,直到今年,算法技术才真正在各行各业和各种语境下广为人知。

微软英国首席愿景官戴夫·科普林(Dave Coplin)把AI称为 “最重要的技术,这个星球上的每一个人都在为此工作”,而硅谷的公司似乎也是这么想的:他们一直在到处招聘AI专家,那些因为人才短缺而找不到相应人才的公司,也已经开始让员工自己学习最基本的AI知识。

虽然如此,但也不是每一个AI的成就都受到了赞赏和掌声的欢迎。有人担心人类的偏见会被引入到AI系统中。例如,ProPublica在2016年发现,用于预测未来犯罪分子的软件算法严重歧视黑人嫌疑人。今年早些时候,Facebook也引发了抨击,这家公司的算法生成的广告客户分类可以被用于给用户打标签,其中包括一些充满敌意的群体和话题,比如“反犹太者”。类似这样的情况促使专家敦促公司和开发者在关于AI系统如何工作的阐释上需要更加透明。不过,在许多其他情况下,特别是最近,AI已经被用来实现美好的愿望:帮助发现,改善自我,帮助我们超越人类的思维局限。

AI发现了一个包含八颗行星的太阳系

成功的天文学发现通常围绕研究数据 - 大量的数据 - 这是AI和机器学习非常擅长的地方。事实上,天文学家使用人工智能来筛选开普勒望远镜上获得的多年数据。在本月早些时候确定了一个遥远的八行星太阳系。

从2009年到2013年,开普勒望远镜的光度计每半小时捕捉20万颗不同恒星的10个像素图像,以寻找恒星亮度的变化。如果一颗恒星以一种规则的重复模式变暗和变亮,这可能表明它有行星绕行。 (也可以使用这些信息来估算一个行星的轨道大小和轨道长度。)

得克萨斯大学奥斯汀分校的天文学家安德鲁·范德堡(Andrew Vanderburg)和Google软件工程师克里斯托弗·沙尔(Christopher Shallue) 开发了一个神经网络,使用1500颗系外行星的引导,达成了这一发现。他们根据已知的系外行星位置对670颗星星重新校准定位,但聚焦于弱信号 - 以前的研究人员可能错过了较小的系外行星。新发现的行星被称为开普勒90i,这似乎是绕行的第三颗行星,就像我们自己的地球一样。

铸造无敌“围棋大师“

Google的DeepMind研究人员开发一个AI,用于玩复杂的中国战略游戏围棋。五月份,最初版本的AI击败了世界上最好的围棋玩家,但这还不够。几个月后,Google开发了AlphaGo 的最新版本 AlphaGo Zero。这个AI实现了超人类水平的围棋表现 - 以100:0击败了原来的AlphaGo。

无限注德州扑克游戏

卡内基梅隆公司的计算机科学部门开发的最新的AI扑克游戏者最近打败了专业人士。与国际象棋和围棋等策略游戏不同,扑克被认为是“不完美的信息游戏”,因为玩家必须做出决定,即使隐藏了一些信息。最重要的是,这不仅仅是动作指令,它甚至也知道什么时候该虚张声势。卡内基梅隆大学的AI Libratus在为期20天的比赛中赢得了20万美元的奖金,击败了世界顶级扑克专业人士。

自我学习程序

人工智能今年不仅取得了一些显著的发现,它在不同的领域的应用也很出色,甚至让程序员都显得过时了。几个不同的人工智能程序(包括谷歌,微软和Facebook开发的程序)学会了如何编写基本代码,以帮助非程序员处理复杂的电子表格计算,或者减少开发人员必须面对的一些麻烦。

微软的AI DeepCoder可能被认为是三者中最基本的一个,尽管它仍然是一个令人难以置信的复杂的技术。这个AI可以理解您需要解决的数学问题,可以查看代码中相似问题的现有示例,然后开发基于代码的解决方案。

对于那些不能或不想学习编码,但需要使用基于代码的解决方案进行计算(例如,棘手的电子表格计算)的人来说,DeepCoder最终可能是非常有用的。解决方案相对简单,在解决方案和结构方面,基于AI的以前经历,它们通常最终总共只有三到六行代码。

Google的机器学习自学软件AutoML,在一个案例中,学会识别照片中的物体,这是一个更具挑战性的任务,它最终实现了43%的任务成功率,比同行开发的代码高出4个百分点。然而,AutoML的最大好处是自动化机器学习模型的开发过程,这对于人类机器学习专家而言通常是相当耗时的。

然后是Facebook的自我学习的聊天机器人,它们的自学能力略有不同。 例如,Bob和Alice,这两个A.I.机器人开始用英语发音,但是后来发展了自己的语言来说话。

“聊天机器人会摆脱可理解的语言,为自己发明代码字,”来自乔治亚理工学院,现任Facebook AI研究院的科学家Dhruv Batra在接受FastCo的采访说到。

随即便在媒体上引起了很大反响,“令人毛骨悚然”是对这一发现最常见的描述,但实际上这是一个相当普遍的现象。

这类技术基于奖励的系统演变,原理是如果一个行动没有得到特定的正向反馈,他们会尝试其它的东西。 尽管如此,Facebook的研究人员最终关闭了AI 机器人项目,因为他们的目标是创建实体,最终将与人互动 , 这些数字机器人没有人的风格。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-12-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏纯洁的微笑

人工智能发展史

我一直很好奇人工智能是如何提出来的,它背后有什么样的故事,在人工智能发展的这60年的时间中,又经历了什么?为什么现在才是人工智能的爆发点,未来人工智能又将走向何...

529110
来自专栏新智元

【兵棋工程总师点评】AlphaGo 的胜利与未来战争变革的曙光

? 胡晓峰,国防大学教授,少将军衔,兵棋工程总师。兼任中国系统仿真学会副理事长,军事运筹学会副理事长等职。长期从事智能化战争模拟及军事系统工程教学与研究工作,...

35860
来自专栏钱塘大数据

【精读】十分钟读完《智能时代》—吴军

“曾经,我们要学习如何操纵机器,掌握机器的语言,向机器靠拢;今天,机器在向人靠拢,试图理解人类、用我们的语言与我们对话。这就是“智能时代”,这个时代的基础是数据...

39690
来自专栏韩伟的专栏

什么是游戏性

由于最近忙于写各种文档,所以很长一段时间没有更新了。不过作为一个产品、技术内外双修的神人,还是有一些存活的。今天发送的和单纯的技术关系不大,而是一份对于游戏这个...

33360
来自专栏阮一峰的网络日志

最有效的五步推销法

今天,我读到一篇文章,作者是美国的一个企业咨询专家,介绍他见过的最有效的 PPT,总结了其中的模式。我觉得太实用了,一定要做一下笔记。

18130
来自专栏大数据文摘

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?

17950
来自专栏大数据文摘

2016年10个重要的可视化发展

16130
来自专栏华章科技

跳槽失败:数据分析师+211硕士+掌握工具+做过BI项目

元旦前,听闻我一朋友跳槽失败,近日喝酒顺便交流下,又提及旧闻,我答:HR拒绝你,一点没毛病。

14420
来自专栏大数据文摘

DOTA2获胜的AI比AlphaGo厉害?还是媒体和马斯克在联合炒作?

14930
来自专栏CVer

聊聊找AI算法岗工作

首先,本文不是为了增加大家的焦虑感,而是站在一名学生的角度聊聊找AI算法岗位的那些事儿(不喜请喷)。

89900

扫码关注云+社区

领取腾讯云代金券