人工智能革命既可怕又令人興奮。儘管如此,我們始終感到安全的假設,有某些工作和任務,只有人類可以做。
但是,沒有什麼比谷歌的“深度智能”的成就更讓人質疑,因為它似乎每天都在完成新的、前所未有的事情。讓我們來看看這個先進人工智能所取得的一些成就,我們中的許多人從未見過它的到來。
DeepMind是谷歌的子公司,專注於人工智能和深度強化機器學習的開發。(什麼是人工智能?)雖然該公司的AI在2015年AlphaGo AI擊敗Go職業(人類)世界冠軍時引起了世界的關注,但它的目標和目標遠不止在棋盤遊戲中擊敗人類。
其人工智能算法的深度強化學習已被廣泛應用於研究和應用領域。每年,由於該公司的人工智能不斷髮展,越來越複雜的能力,公司都取得了新的進步。
迄今為止,來自DeepMind的AI已經在醫療行業、谷歌Android業務以及谷歌的其他通用AI實驗中找到了目的。以下是它的五項顯著成就。
DeepMind的人工智能成就中最持久的視覺效果之一是一段描述DeepMind神經網絡學習走路的視頻。
給出了力矩控制虛擬物體的人工智能參數,包括物體的關節數、肢體的自由度以及在虛擬環境中需要穿越的障礙物。這些環境是由各種障礙類型(如跨欄或缺口)按程序生成的。
在沒有被教導如何克服這些障礙的情況下,人工智能需要從零開始學習如何在世界上移動和機動。由於信息有限,人工智能教自己如何行走在各種身體中,包括人形、兩足和四足體。
它不僅學會了走路和跑步,而且還能成功地在虛擬環境中克服障礙——比如跳過縫隙和攀爬壁架。這也是令人難以置信的娛樂觀看,因為它提出了一些創造性的使用它的四肢。
DeepMind的人工智能開發的一個有趣的功能是能夠從無到有地創建自己的原始、真實的圖像。為此,研究人員使用ImageNet作為數據庫,提供真實世界的樣本圖像,供人工智能學習。
然後對神經網絡進行訓練,使其不僅能夠根據從數據中學習到的信息生成圖像,而且能夠區分生成的圖像和真實世界的圖像。
該算法使用生成性對抗網絡(GAN),這是一種人工智能算法,已經存在了一段時間。但讓DeepMind AI的圖像生成與眾不同的是它對技術的改進和優化程度。就用於評估生成圖像的質量指標而言,由DeepMind的人工智能創建的樣本比其他嘗試的效果要好很多。
沒有什麼比意識到DeepMind AI已經學會如何從戰略上超越人類對手更能讓人想到天網的圖像了。你可能聽說過DeepMind AI在棋盤遊戲中擊敗人類對手,但它現在知道如何在團隊中工作。
DeepMind AI已經知道如何在地震III競技場的奪旗比賽中擊敗人類。它的團隊合作能力甚至不侷限於其他人工智能——機器人甚至能夠與人類團隊合作,在遊戲中擊敗對手。
“通過強化學習方面的新發展,我們的代理在震災III競技場《捕獲旗幟》(Capture the Flag),一個複雜的多代理環境和一個典型的3D第一人稱多人遊戲中實現了人類水平的性能,”DeepMind在其公告中說這些代理展示了與人工代理和人類玩家合作的能力。”
機器人必須從頭開始學習如何在這些過程中看到和行動,這些過程生成(因此是看不見的)環境。他們這樣做,甚至不知道比賽的規則。然後他們不得不學會如何合作和競爭才能贏得勝利。研究人員恰當地命名AI為“為贏(FTW)代理商”。這個AI參加了一個有40名人類球員的比賽。
研究人員甚至降低了機器人的精確度和反應能力,從而降低了它們的性能。儘管如此,他們還是學會了類似人類的行為,比如露營基地和跟隨隊友以贏得比賽。
當測量他們的Elo等級時,FTW經紀人在訓練過程中超過了普通球員和球員的平均得分,這是一種用來得分零和遊戲中球員技能的指標。
DeepMind的人工智能最令人印象深刻的成就之一是它能夠在沒有地圖的情況下在城市中導航。人工智能依靠的是從經驗中學習。這是一項相對簡單的任務,人類一直在執行。但使我們能夠做到這一點的潛在心理機制非常複雜。
DeepMind AI必須在沒有地圖的情況下穿越主要城市併到達特定位置。人工智能通過谷歌街景圖片的第一人稱視角在虛擬環境中移動。
隨著時間的推移,人工智能記住了不同的路線和方法,以獲得地方,好像它是一個居住城市光滑本身。
DeepMind在他們關於這個項目的聲明中說:“當代理到達一個目標目的地(例如,指定為一對經緯度座標)時,它會得到獎勵,就像一個快遞員,負責無休止的送貨,但沒有地圖。”。
隨著時間的推移,人工智能學會了如何導航新城市。它甚至能夠將它學到的應用到新城市。例如,在瞭解交叉口如何工作之後,它將使用這些知識來指導未來的城市。
該公司的人工智能此前也學會了如何成功駕馭3D迷宮,這是我們許多人類仍然無法做到的。
雖然人工智能短期內不會取代醫生,但科技正在以各種方式革新醫療保健。DeepMind在醫學領域也做了一些驚人的事情。
在與倫敦Moorfields眼科醫院合作後,DeepMind的人工智能學會了如何檢測和正確診斷50多種眼部疾病。它通過分析數千次掃描來做到這一點。這包括青光眼、黃斑變性和其他導致視力損害的疾病。
研究人員在詳述他們研究結果的論文中說,人工智能顯示出“在推薦達到或超過專家水平的推薦方面的表現”。
谷歌還將乳腺癌篩查項目擴展到了日本。此前,該公司與英國帝國癌症研究中心的合作取得了可喜的進展。
這些工具有望幫助醫生更快地通過病人掃描。這一點很重要,因為早期干預對治療許多疾病很重要。
這些只是谷歌DeepMind人工智能能夠做到的一些意想不到的事情。隨著每個發展,有更好的基礎研究人員工作和達到更高的目標。不到十年前看起來像是幻想的東西,如今變成了現實。
但我們的未來是什麼?一定要看看我們關於人工智能趨勢的文章,看看人工智能將如何塑造我們的未來。
... 讓我們看另一個例子。谷歌的DeepMind神經網路正在學習閱讀新聞文章。就像上面提到的生物醫學人工智慧一樣,研究人員希望它能從更大的文字片段中提取相關和有用的資訊。 ...
... 當今世界上最先進的人工智慧之一是谷歌的DeepMind,它實際上可以從無到有地建立自己的影象!看看DeepMind可以做的其他一些很酷的事情。 ...
谷歌的藝術與文化應用程式是一個微型移動傑作,任何對藝術有興趣的人都會喜歡探索。 ...
...得益於谷歌母公司Alphabet旗下位於倫敦的人工智慧實驗室DeepMind提供的機器學習工具,它的功能變得更加準確。 在這篇部落格文章中,谷歌和DeepMind的研究人員解釋了他們如何從各種來源獲取資料,並將其輸入機器學...
...趣之上。Re/code報道稱,這家搜尋公司正在以4億美元收購DeepMind Technologies,這是一項協調一致的人才收購計劃的一部分。我們已經聯絡谷歌進行確認。 根據這家初創公司的網站(目前只是一個佔位符),DeepMind將...
...的一篇帖子和今天發表在《自然》雜誌上的一篇論文中,DeepMind的研究人員揭示了這個系統是如何構建的,以及它是如何在幾十年前Go系統失敗的地方獲得成功的。 圍棋一直以來都被認為是最難實現自動化的遊戲...
本月早些時候,谷歌的人工智慧公司DeepMind宣佈,它已經建立了一個能夠擊敗圍棋冠軍選手的神經網路系統。這一古老的中國棋類遊戲被認為是一個極其困難的計算機挑戰-遠比國際象棋難-和DeepMind的成功被譽為政變的人工智慧研...
谷歌內部的DeepMind公司,其人工智慧將很快與Go的世界冠軍抗衡,正在冒險進入一個新的領域:醫療保健。週三,該公司宣佈推出deepmindhealth,這是一項為醫療專業人員開發的應用程式,可以幫助識別有併發症風險的患者;急性腎...
AlphaGo在DeepMind Challenge比賽中為谷歌贏得了勝利,昨天他連續第三次戰勝了圍棋冠軍李世鐸,但這位33歲的韓國人至少有了一定程度的報複——他剛剛擊敗了谷歌DeepMind部門開發的人工智慧程式AlphaGo,在首爾五場比賽的第四場比賽...
...則——週日和週二剩下的比賽仍將繼續進行。AlphaGo是由DeepMind開發的一個程式,DeepMind是一家英國人工智慧公司,兩年前被谷歌收購。 中國古代的圍棋棋類遊戲一直被認為是電腦不可能達到世界級水平的,儘管在象棋和跳棋...