建站
咨詢
售后
建站咨詢
新聞中心
人與機(jī)器人的不同是什么?人可以通過后天的學(xué)習(xí)不斷的是自我充實(shí)，而且人是富有情感的，但是機(jī)器人可以嗎?現(xiàn)在有一個(gè)展現(xiàn)的名詞運(yùn)用在人工智能領(lǐng)域它就是-深度學(xué)習(xí).
深度學(xué)習(xí)(DL, Deep Learning)是機(jī)器學(xué)習(xí)(ML, Machine Learning)領(lǐng)域中一個(gè)新的研究方向，它被引入機(jī)器學(xué)習(xí)使其更接近于最初的目標(biāo)——人工智能(AI, Artificial Intelligence)。
深度學(xué)習(xí)是學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，這些學(xué)習(xí)過程中獲得的信息對(duì)諸如文字，圖像和聲音等數(shù)據(jù)的解釋有很大的幫助。它的最終目標(biāo)是讓機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力，能夠識(shí)別文字、圖像和聲音等數(shù)據(jù)。 深度學(xué)習(xí)是一個(gè)復(fù)雜的機(jī)器學(xué)習(xí)算法，在語音和圖像識(shí)別方面取得的效果，遠(yuǎn)遠(yuǎn)超過先前相關(guān)技術(shù)。
深度學(xué)習(xí)在搜索技術(shù)，數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)，機(jī)器翻譯，自然語言處理，多媒體學(xué)習(xí)，語音，推薦和個(gè)性化技術(shù)，以及其他相關(guān)領(lǐng)域都取得了很多成果。深度學(xué)習(xí)使機(jī)器模仿視聽和思考等人類的活動(dòng)，解決了很多復(fù)雜的模式識(shí)別難題，使得人工智能相關(guān)技術(shù)取得了很大進(jìn)步。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種，而機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的必經(jīng)路徑。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，含多個(gè)隱藏層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。研究深度學(xué)習(xí)的動(dòng)機(jī)在于建立模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本等。
2016年3月，阿爾法圍棋與圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4比1的總比分獲勝；2016年末2017年初，該程序在中國(guó)棋類網(wǎng)站上以“大師”（Master）為注冊(cè)賬號(hào)與中日韓數(shù)十位圍棋高手進(jìn)行快棋對(duì)決，連續(xù)60局無一敗績(jī)；2017年5月，在中國(guó)烏鎮(zhèn)圍棋峰會(huì)上，它與排名世界第一的世界圍棋冠軍柯潔對(duì)戰(zhàn)，以3比0的總比分獲勝。圍棋界公認(rèn)阿爾法圍棋的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平，在GoRatings網(wǎng)站公布的世界職業(yè)圍棋排名中，其等級(jí)分曾超過排名人類第一的棋手柯潔。阿爾法圍棋（AlphaGo）是一款圍棋人工智能程序。其主要工作原理是“深度學(xué)習(xí)”?！吧疃葘W(xué)習(xí)”是指多層的人工神經(jīng)網(wǎng)絡(luò)和訓(xùn)練它的方法。一層神經(jīng)網(wǎng)絡(luò)會(huì)把大量矩陣數(shù)字作為輸入，通過非線性激活方法取權(quán)重，再產(chǎn)生另一個(gè)數(shù)據(jù)集合作為輸出。這就像生物神經(jīng)大腦的工作機(jī)理一樣，通過合適的矩陣數(shù)量，多層組織鏈接一起，形成神經(jīng)網(wǎng)絡(luò)“大腦”進(jìn)行精準(zhǔn)復(fù)雜的處理，就像人們識(shí)別物體標(biāo)注圖片一樣。
阿爾法圍棋用到了很多新技術(shù)，如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、蒙特卡洛樹搜索法等，使其實(shí)力有了實(shí)質(zhì)性飛躍。美國(guó)臉書公司“黑暗森林”圍棋軟件的開發(fā)者田淵棟在網(wǎng)上發(fā)表分析文章說，阿爾法圍棋系統(tǒng)主要由幾個(gè)部分組成：一、策略網(wǎng)絡(luò)（Policy Network），給定當(dāng)前局面，預(yù)測(cè)并采樣下一步的走棋；二、快速走子（Fast rollout），目標(biāo)和策略網(wǎng)絡(luò)一樣，但在適當(dāng)犧牲走棋質(zhì)量的條件下，速度要比策略網(wǎng)絡(luò)快1000倍；三、價(jià)值網(wǎng)絡(luò)（Value Network），給定當(dāng)前局面，估計(jì)是白勝概率大還是黑勝概率大；四、蒙特卡洛樹搜索（Monte Carlo Tree Search），把以上這三個(gè)部分連起來，形成一個(gè)完整的系統(tǒng)。
兩個(gè)大腦
圍棋人機(jī)大戰(zhàn)
阿爾法圍棋（AlphaGo）是通過兩個(gè)不同神經(jīng)網(wǎng)絡(luò)“大腦”合作來改進(jìn)下棋。這些“大腦”是多層神經(jīng)網(wǎng)絡(luò)，跟那些Google圖片搜索引擎識(shí)別圖片在結(jié)構(gòu)上是相似的。它們從多層啟發(fā)式二維過濾器開始，去處理圍棋棋盤的定位，就像圖片分類器網(wǎng)絡(luò)處理圖片一樣。經(jīng)過過濾，13個(gè)完全連接的神經(jīng)網(wǎng)絡(luò)層產(chǎn)生對(duì)它們看到的局面判斷。這些層能夠做分類和邏輯推理。
第一大腦：落子選擇器 （Move Picker）
阿爾法圍棋（AlphaGo）的第一個(gè)神經(jīng)網(wǎng)絡(luò)大腦是“監(jiān)督學(xué)習(xí)的策略網(wǎng)絡(luò)（Policy Network）” ，觀察棋盤布局企圖找到的下一步。事實(shí)上，它預(yù)測(cè)每一個(gè)合法下一步的概率，那么最前面猜測(cè)的就是那個(gè)概率高的。這可以理解成“落子選擇器”。
第二大腦：棋局評(píng)估器 （Position Evaluator）
阿爾法圍棋（AlphaGo）的第二個(gè)大腦相對(duì)于落子選擇器是回答另一個(gè)問題，它不是去猜測(cè)具體下一步，而是在給定棋子位置情況下，預(yù)測(cè)每一個(gè)棋手贏棋的概率。這“局面評(píng)估器”就是“價(jià)值網(wǎng)絡(luò)（Value Network）”，通過整體局面判斷來輔助落子選擇器。這個(gè)判斷僅僅是大概的，但對(duì)于閱讀速度提高很有幫助。通過分析歸類潛在的未來局面的“好”與“壞”，阿爾法圍棋能夠決定是否通過特殊變種去深入閱讀。如果局面評(píng)估器說這個(gè)特殊變種不行，那么AI就跳過閱讀。
深度學(xué)習(xí)在人工智能未來發(fā)展中必定會(huì)扮演極其重要的角色，這也意味著機(jī)器人從此進(jìn)入會(huì)獨(dú)立思考學(xué)習(xí)的時(shí)代，更多的人工智能應(yīng)用也會(huì)陸續(xù)提升自身產(chǎn)品的學(xué)習(xí)能力，對(duì)于人們來說有思考以及學(xué)習(xí)能力的機(jī)器人是否可以完全掌控呢？我想這也是一個(gè)很大問題，如果有一天機(jī)器人比人類還要聰明還要有智慧，那人類的命運(yùn)會(huì)如何……
本文標(biāo)題：人工智能未來發(fā)展大趨勢(shì)
網(wǎng)站鏈接：http://fisionsoft.com.cn/article/cpphpd.html
