人類太多餘了...

[kwai888qiu]

【星島日報報道】Google旗下的人工智能軟件AlphaGo，在世界矚目的人機大戰中橫掃全球圍棋高手，但AlphaGo的進化版AlphaGo Zero更讓人驚訝，它能在沒有輸入任何人類經驗的情況下，迅速採取跟自己反覆對弈的自學方法，僅訓練三天便以100：0的戰績完勝二〇一六年版的AlphaGo，四十天後，又戰勝了曾擊敗人類第一棋手柯潔的一七年版AlphaGo。新版本標誌着人工智能取得巨大突破，被形容為「外星智慧」。

科網巨擘Google旗下英國深度思維（DeepMind）公司的團隊，在新一期《自然》期刊發表《在沒有人類知識條件下掌握圍棋遊戲》的論文，介紹了AlphaGo Zero。

該公司將AlphaGo的發展分為四個階段：第一個版本是AlphaGo Fan，它在二〇一五年戰勝歐洲圍棋冠軍樊麾，標誌着人工智能首次戰勝人類職業棋手；第二個版本是AlphaGo Lee，它在二〇一六年戰勝曾多次奪得世界冠軍的南韓棋手李世石，標誌人工智能戰勝人類頂級棋手；第三個版本是AlphaGo Master，在今年戰勝現今世界排名第一的中國棋手柯潔，並在與多位有世界冠軍頭銜的人類棋手「群戰」中完勝。

但是，這些版本在剛開始學習圍棋時，都要依靠人類知識，即先教它們一些人類摸索出的基本下法，然後再開始自己學習。AlphaGo Lee在參考大量人類棋譜並自我對弈約三千萬盤、訓練數月後，才於去年三月以四比一的戰績擊敗南韓九段棋手李世石。

然而AlphaGo Zero擺脫了這個限制，從空白狀態學起，研究人員沒有給它除棋盤、棋子、規則之外的任何人類輸入，「從零開始」迅速自學圍棋，反復自己與自己對弈取得飛速進步，掌握獲勝可能性高的下法，專攻「強化學習」是其主要特點。它在開始學習圍棋三天，進行了約五百萬局自我對弈後，就以一百比零完勝AlphaGo Lee；四十天後，它又戰勝了在所有人類高手看來已不可企及的AlphaGo Master。

領導AlphaGo團隊的西爾弗表示，AlphaGo Zero使用新的強化學習方法，系統從只知道圍棋的規則開始，透過神經網絡的運算自我對弈自學。該論文指出，AlphaGo Zero完全自學，「不需人類輸入」，是機器獲得超人能力的重要一步。

麻省理工學院電腦科學家海因斯驚歎道：「AlphaGo Zero就像外星人在發明自己的數學。它沒有人類的偏見和推測，學習自己認為最好的東西，誤差比人類少。」

論文指出，在數百萬局自我對弈及訓練後，AlphaGo Zero獨立發現了人類花數千年才總結出的圍棋規則，還建立了新戰略，為這個古老的遊戲帶來新見解。世界頂尖棋手的養成，動輒需要數十年的訓練、磨礪，但AlphaGo Zero創下只需三天的紀錄。

上海紐約大學電腦科學教授張崢表示，從算法來說，AlphaGo Zero比它的「前輩」更簡潔、漂亮。它擺脫了人為的大數據，在人類所定的規則下，自主發現新知識，並糾正人類的錯誤知識。柯潔在微博發文感歎：「一個純淨，純粹自我學習的Alphago是最強的……人類太多餘了。」深度思維行政總裁哈薩比斯說，他希望人工智能的這種進步能夠被應用於分析蛋白質結構、設計新材料等領域。

[mtr]

viewtopic.php?f=7&t=322543

https://deepmind.com/blog/alphago-zero- ... g-scratch/

[mtr]

http://startupbeat.hkej.com/?p=51501

... 新版本的AlphaGo Zero無師自通，透過自行學習及摸索，閉關自修3天就練成一身「絕世武功」，更迅速完勝「前輩」版本的AI程式。研究人員希望，這套AI程式在棋壇打遍天下無敵手後，能夠開始轉攻製藥、設計新材料等新領域。


想出3000年來未有之策略

以往版本的AlphaGo能稱霸圍棋界，全因預先學習了各路高手的棋藝秘笈，在比賽上依賴大量棋譜加以運算。AlphaGo Zero則打破傳統，由零開始。研究人員只教了圍棋的基本玩法，AlphaGo Zero就能「閉門造車」，在毋須學習人類棋譜下，3天內透過自行演算，自身跟自身下了490萬局棋來精通棋藝。

AlphaGo Zero學習了3天，就以100比0大勝在去年曾戰勝韓國棋手李世乭的第二代AlphaGo，並在40天內自成一派新策略，擊敗曾打贏世界排名第一柯潔的第三代AlphaGo，超越舊版本，且想出了圍棋3000年歷史中都未有人類想到的下棋策略。研究人員形容今次是巨大突破，認為是AI只須靠自身摸索便能迅速自學人類的知識。敗給舊版的柯潔也慨嘆，在網上留言稱：「一個純粹自我學習的AlphaGo是最強的……人類太多餘了。」

這種AI透過嘗試時出錯來自我學習的過程，名為強化學習（reinforcement learning），而目前大部分AI都是需要人類輸入數據才可運作。這次研究顯示，AI的能力不是靠輸入多少數據來取勝，而是靠演算法的質量。


擬應用於藥物研究

AlphaGo Zero另一優勝之處，是它只需要4個張量處理單元（TPU）晶片，遠較之前版本AlphaGo的48個為少。

AlphaGo系列由Alphabet旗下子公司DeepMind負責，DeepMind行政總裁兼創辦人哈薩比斯（Demis Hassabis）稱，希望AlphaGo不僅能贏得圍棋遊戲，更希望應用於其他範疇，利用AI的運算，替人類找出本來要花數百年才研究得出的領域。公司現正着手把AlphaGo Zero用於研究複雜的蛋白質結構，以尋求針對各種疾病的藥物。近年，Alphabet對醫療行業愈來愈有興趣。

[postmaster]

http://www.av100fun.com/viewtopic.php?f=7&t=61250

咪叫 zero 仔理解吓一佰紛字典先 。 Admin 放 zero 仔入來對答

[wosoloo]

http://www.av100fun.com/viewtopic.php?f=7&t=61250

咪叫 zero 仔理解吓一佰紛字典先 。 Admin 放 zero 仔入來對答

zero 睇完100分字典應該變白痴

[mtr]

https://lobowong.wordpress.com/2017/10/ ... %E6%A3%8B/

... 人工智能神經網絡是模仿生物的神經網絡的計算模型，神經網路由大量的人工神經元聯結進行計算。人的腦中大約有86億神經元。打敗李世石的版本，用了1202粒CPU和176粒GPU，模擬的神經網絡有13層，數以萬計的神經元。

[mtr]

https://hk.finance.appledaily.com/finan ... 8/57389001

... 對於國內有不少專家指，中國將趁AI時代「彎道超車」，筆者認為，這想法過份地想當然（講得好聽點叫天真）。現階段，中國無論是產業抑或AI科技，還在模仿複製、引入基礎技術的階段，而且不少報告都指出國內在AI相關的基礎科研投入不足，只是一味偏向應用開發，這一瓶頸目前仍然是中國企業的死症，所以美國在研發依然遙遙領先。


不過，中國當然也有自己的「殺手鐧」：就是坐擁全球最多網絡用戶、和最多、「最容易」的大數據生產用戶群體，所以在AI時代主要的「燃料」— 即大數據收集、提煉上，中國明顯比美國佔優。而且，在特定領域，譬如電腦視覺、語音識別等演算法，因近年大力投入，也開始具備與美國競爭的實力。連習近平在「十九大」報告也提及，要加快發展人工智能，看來AI成為新一輪中美競爭的主戰場，將會很快白熱化。

[imcoke]

柯潔早前係一個中國電視節目
簡單講和alphago 的簡單賽後感

話alphago 非常穩定，無感情，唔會留手

[Sman]

咁樣Alpha zero對決會點
阿仙奴三日勝阿仙奴兩日？

[imcoke]

咁樣Alpha zero對決會點
阿仙奴三日勝阿仙奴兩日？

阿仙奴三日自分兩隊
自己打自己打到七七四百幾萬場

然後再打阿仙奴兩日
打左一百場
阿仙奴兩日零勝

[Sman]

咁樣Alpha zero對決會點
阿仙奴三日勝阿仙奴兩日？

阿仙奴三日自分兩隊
自己打自己打到七七四百幾萬場

然後再打阿仙奴兩日
打左一百場
阿仙奴兩日零勝

19x19步中總有最佳一步
那麼祺藝有限時間無窮下
阿仙奴對決最後必定打和

[horsepower]

我都覺得發展落去最後一定打和

[mtr]

好快機械人一睇你點簽名同寫字就識冒你筆跡

https://www.vicarious.com/

https://news.mingpao.com/pns/dailynews/ ... 9473301719

AI破解防AI驗證系統 Captcha料趨更複雜堵漏 恐礙用戶

... Vicarious開發的系統被稱為遞歸皮層網絡（Recursive Cortical Network，RCN），是一個用來模仿人腦運作方式的人工神經網絡。系統中，被稱為人工神經元的各個部件會接收輸入的數據，並互相合作解決諸如識別文字或語音等問題。然後，神經網絡會改變神經元之間的連接模式，從而改變它們相互作用的方式，此後網絡又會再次試圖解決這個問題。隨着時間推移，神經網絡就會知道哪種模式最適合用於計算解決方案。

此前的神經網絡也可以攻破reCAPTCHA，但需要人類輸入數百萬張已有正確標記的Captcha圖像樣本作訓練，Vicarious的系統則可把樣本數量減至1/300，即約數千至數萬張已足夠。專家憑此破解reCaptcha的驗證文字，準確率達到66.6％（見表），雖然仍較人類的87%準確度低約20個百分點，但已遠超業界視為破解底線的1%準確度。


模仿人腦AI系統攻破防線

Vicarious創辦人之一、研究負責人喬治（Dileep George）說：「這些研究結果表明基於文字的Captcha已經過時了。」Captcha驗證碼方面預計會研究對策，包括提升驗證難度，這將對目前已讓部分人頭痛的Captcha驗證碼更難被人眼分辨，勢影響用戶使用網站服務的流暢度。喬治表示，今次研究的重點並非針對Captcha，而是要顯示電腦有能力像人類般看事物。他說：「長遠目標是建立能像人腦般運作的智能系統。」

[mtr]

http://www.cambridge-news.co.uk/news/ca ... r-13839799

"I fear that AI may replace humans altogether. If people design computer viruses, someone will design AI that improves and replicates itself. This will be a new form of life that outperforms humans." Stephen Hawking