昨天我们聊到了AI在1987-1993年进入了第二次寒冬,而这段期间里AI成了过街老鼠人人喊打,导致许多专注AI领域的实验室与研究学者们纷纷把名子改成自动化设计或是最佳化系统等等。那麽今天我们就来聊聊AI是如何度过第二次寒冬并且再次发光发热的。
实际上每一次AI的复苏都绝非单一事件造成的,中间都是累积了许多新的进展与突破,再加上时空间环境的改变所造成的结果。
这段时间在计算机软硬体性能不断的突破下,各项领域如大数据、机器学习、云端计算等等均有了大规模的突破发展,而这段时间内在AI领域也有了许多划时代的成功,例如:
AlphaGo
Go是日文里「碁」(也就是围棋之意) 字发音转写,也是是围棋的英文名称,而AlphaGo是由伦敦一家叫做伦敦DeepMind的公司(已被Google收购)在2014年开发的AI围棋程序。
在2016年的三月,AlphaGo与南韩棋王李世乭进行了五场人机大战,AlphaGo的部份由黄士杰担任棋手下棋,并且在最後AhphaGo拿下了四胜一败的战绩。此场大赛让AlphaGo一战封神,再那之後AlphaGo又陆陆续续的挑战了许多顶尖的职业棋士,更进一步的开发出了强化版本的AlphaGoZero。
为什麽AlphaGo的胜利会带来如此高度的热潮呢?
有些人会问说,AI不是在1997年就下赢了西洋棋冠军了吗?
这边我用简单一点的方式来稍微比较一下西洋棋与围棋在AI眼中的规模:
西洋棋以格子数以及规则来看,复杂度约为10的46次方;
而围棋在一个19x19规模大小的棋盘上,杂度约为10的172次方。
也正式因为围棋在规模上实在太大,因此要让AI在围棋上能够打赢人类,
不但需要足够的硬体运算力,在软件上更需要的是能够快速且精准的计算方法。
(2002年棋灵王就已经预告了这一天的来临)
不知道大家小时候有没有跟快译通或是电脑上跟电脑下过围棋的经验,如果有印象的话,每次只要把电脑的难度往上调整,就会发现每下一步,电脑就要进入非常久的思考时间後才会落子,这正式因为难度越高的电脑,预设上就是会在每一步之前考虑更多後续的棋势可能性,也因为运算力不够的关系,才会导致每下一步都可以去泡个茶再回来等电脑下。
那我们谈回AlphaGo,AlphaGo背後其实有多个演算法再做运算,但主要来说我们可以说他是以深度学习 (Deep Leanring, 简称DL)与蒙地卡罗数搜寻 (Monte Carlo tree search, 简称MCTS)为主体,也正是因为这样,在AlphaGo一战封神之後,机器学习/深度学习瞬间成为各大公司企业的宠儿,并再次进入了大AI时代,也造就了现在许多人认为AI就是机器学习/深度学习这样的误解观念。
而随着AI再次的大红大紫,也有许多人开始质疑这是否是AI进入第三次寒冬的前兆,毕竟前面两次的寒冬前也是前途一片光明未来不可限量的感觉。但以目前来说,大部分的专家学者还是抱持着相对乐观的态度,毕竟现今科技发展一日千里,不论是软件或硬体都已经在一定程度上大大的加速了AI发展的进程,而AI也已经在许多方面实践了高效能且实用的发展。未来究竟会迎来另一波的高潮,亦或是进入第三次的寒冬,
终於把故事讲完了...明天开始我们来聊聊比较技术一点的部份,或是放弃连载装死(晕)
>>: 【Day 06】- 听说 F12 可以拿来骇入小恐龙? (网页开发工具分析流量)
前言 工作上在处理 API 取得的 PDF 後,要在上面增加浮水印,进而研究与纪录的处理方式 实作 ...
今天是连假第一天,返乡的看官们都平安吧!前几天苹果发表了 New iPhone,售价降低了,加上今...
1.人员 > 流程 > 技术。人身安全永远排在第一顺位,是资安的黄金铁则! 2.组织所有...
一、前言 前面10篇文章,大部分介绍一些我在转职为工程师前的准备,我认为人的转变都是一种不断练习...
(上一刻有千言万语,但忽然什麽都想不起来,莫非有某种名为神或命运的宇宙大意志在阻止我写下今天这篇文吗...