AlphaGo的胜利对AI和机器学习意味着什么

　　 Google的人工智能AlphaGo在他自己的游戏中击败了世界第一，这有多重要？

　　这是世界上最古老的棋盘游戏，但它可能是技术革命中新的重大发展的背景。

　　 Google的AlphaGo使用一些最先进的人工智能和机器学习技术击败了世界排名第一的Go玩家Ke Jie。

什么是Go以及为什么它与AI有关？

　　 Go是在2500多年前在中国发明的，被认为是世界上最复杂的游戏之一。 / p>

　　这是一款在19×19网格板上进行的策略游戏，玩家轮流在网格上放置黑白石头，以捕捉对方的领地。

　　 Go的复杂性在于它需要复杂的评估功能。在国际象棋中，物质价值超过知识的其他方面 - 剩下更多重要作品的玩家通常会获胜。但是，Go拥有基于模式的知识，这对于编程非常复杂。

他们是如何为AlphaGo开发技术的呢？

　　当它在击败18位世界冠军Lee Sedol后于2016年3月首次登上头条时，AlphaGo结合了先进的树搜索功能神经网络来处理它的动作。这些神经网络能够通过12个不同的网络层处理游戏板 - 每个网络层都有数百万个连接。虽然“政策网络”选择了下一步的发挥，但“价值网络”预测了游戏的赢家。

　　今年的版本因效率提高而有所不同。 AlphaGo现在运行在单个Tenor处理单元机器上，使用比以前少十倍的计算能力，同时以更快的速度学习。因此，它几乎可以完全通过对抗自身来学习游戏，而不是依赖于人类生成的数据。理论上，这种深度强化学习技术允许系统专注于Go之外的更广泛的任务。

这对人工智能和未来意味着什么？

　　谷歌长期以来声称其DeepMind技术可以解决社会经济挑战。它已经与英国国家健康服务部达成了一项为期五年的协议，以开发其医疗保健应用程序。此外，DeepMind还用于将数据中心的能耗降低15％，使冷却系统的效率提高40％。

　　有很多人工智能和机器学习的例子已经支持了苦苦挣扎的服务。例如，人工智能在预测心脏病发作方面比标准医疗指南表现更好。诺丁汉大学使用四种机器学习算法分析了2005年的电子病历，根据2015年的记录进行预测。

　　使用适当的使用标准（1.0为最高），算法的预测分数为0.745-0.764，而一般指南的预测分数为0.728。或者更确切地说，从83,000条记录的样本中，最好的算法可以挽救355名患者的生命。

　　随着DeepMind等技术的不断发展，期望这些突破变得更加普遍和更加明显，这是不可想象的。

比我们认为的更快

　　像许多科技评论家一样，谷歌相信AlphaGo需要更长时间来征服棋盘游戏世界。

　　 DeepMind已经将注意力转向星际争霸II，这是一款复杂的策略游戏，由于附加了变量的数量，因此被认为比Go更具挑战性。例如，玩家无法一次看到整个地图，在规划移动时给予他们较少的信息。

　　当然，人工智能公司有更高的野心。考虑到AlphaGo如何在一两年内从业余的Go玩家变成几乎无人能敌的人类，很明显，人工智能为我们提供实实在在的利益的最终游戏比我们想象的更接近。

　　 Inbenta是客户支持，电子商务和会话聊天机器人的自然语言处理和人工智能领域的领导者，提供易于部署的解决方案，可提高客户满意度，降低支持成本并增加收入。 / em>的

　　有兴趣了解更多信息？我们的专家团队将向您展示Inbenta如何使您的公司受益。

　　让我们联系