※ 引述《tank44444 (tank)》之銘言:
: 最近看到的新聞找了下
: 遊戲高手別自傲 你的人工對手已經誕生
: http://technews.tw/2015/02/26/ai_beats_human_progamer/
: GOOGLE的人工智慧在以前的數款街機已經可以超越人類了
: 包括小精靈、小蜜蜂、立體彈珠台
: 這不同於一般的人工智慧都是對某項遊戲特化(like:深藍)
: 是讓電腦自己去摸索、嘗試、訓練、學習。
: 而且不是靠串聯許多台電腦,它僅在一台電腦上運作
: 這項發表在「自然」雜誌的最新成果,DeepMind 其實是結合兩套人工智慧學習系統而成
: 。第一種叫「深度學習」(Deep Learning),將可以加強累積經驗的模擬神經元,以多層
: 次方式組合並連接在一起,這與腦部神經細胞彼此用突觸連接的方式很像。深度學習系統
: 可以從大量沒有結構化的資料中獲取複雜的資訊,Google 的翻譯及照片分類功能就是採
: 用類似的架構。
: 第二種叫「強化學習」(reinforcement learning),是一種模仿神經傳遞物質「多巴胺」
: 運作的決策系統,它收集遊戲畫面中的像素資料與得分,判斷進行什麼動作可以得到較多
: 分數,例如往左、往右或是射擊;套句電玩術語,「練功」,也就升級了。
: 這團隊下個目標是要讓不同的遊戲經驗能彼此交流,另外同時兼顧長期布局和短期目標
: DeepMind 共同創辦人暨 Google 工程部副總裁 Demis Hassabis 表示,這項技術並
: 非用來玩遊戲作弊,旨在未來日常生活中透過學習,採取對應行動,尋求各類場景的最佳
: 解決方案。不過他也談到,人工智慧能遊玩遊戲並不代表已建構概念性及抽象知識,它需
: 能獨立判斷思考,而 Google 距離完美目標仍長遠之路要走。
: 會不會以後玩GTA7 路上殺的是真人還AI都不知道了
→ Justisaac: 這種程式搞不好可以挑戰圍棋0.0a
一年前我還以為 DeepMind 只是玩些小遊戲
沒想到真的能在圍棋上勝過職業棋士了
雖說只是職業二段,但以前都要靠讓子才能贏
http://technews.tw/2016/01/28/google-alphago/
類神經網路+深度學習潛力比想像還大
physo pass裡的西比拉系統或許真的有可能了
Don't be evil, google