2017AI四大成就 擊敗圍棋與德撲高手上榜
來源：新智元公眾號
　　新智元報導
　　編輯： 弗格森 全月
　　[新智元導讀]2017年AI都有哪些耀眼的成就，除了大家耳熟能詳的AlphaGo，還有自
學寫代碼的AI，能發現另一個太陽系的AI。
　　2017年是人工智慧領域蓬勃發展的一年。 雖然AI和以資料為中心的機器學習已經存
在有數十年的歷史，但是，直到今年，演算法技術才真正在各行各業和各種語境下廣為人
知。
　　微軟英國首席願景官戴夫·科普林（Dave Coplin）把AI稱為 “最重要的技術，這個
星球上的每一個人都在為此工作”，而矽谷的公司似乎也是這麼想的：他們一直在到處招
聘AI專家，那些因為人才短缺而找不到相應人才的公司，也已經開始讓員工自己學習最基
本的AI知識。
　　雖然如此，但也不是每一個AI的成就都受到了讚賞和掌聲的歡迎。有人擔心人類的偏
見會被引入到AI系統中。例如，ProPublica在2016年發現，用於預測未來犯罪分子的軟體
演算法嚴重歧視黑人嫌疑人。今年早些時候，Facebook也引發了抨擊，這家公司的演算法
生成的廣告客戶分類可以被用於給用戶打標籤，其中包括一些充滿敵意的群體和話題，比
如“反猶太者”。類似這樣的情況促使專家敦促公司和開發者在關於AI系統如何工作的闡
釋上需要更加透明。不過，在許多其他情況下，特別是最近，AI已經被用來實現美好的願
望：幫助發現，改善自我，幫助我們超越人類的思維局限。
　　AI發現了一個包含八顆行星的太陽系
　　成功的天文學發現通常圍繞研究資料 - 大量的資料 - 這是AI和機器學習非常擅長的
地方。事實上，天文學家使用人工智慧來篩選開普勒望遠鏡上獲得的多年資料。在本月早
些時候確定了一個遙遠的八行星太陽系。
　　從2009年到2013年，開普勒望遠鏡的光度計每半小時捕捉20萬顆不同恒星的10個圖元
圖像，以尋找恒星亮度的變化。如果一顆恒星以一種規則的重複模式變暗和變亮，這可能
表明它有行星繞行。 （也可以使用這些資訊來估算一個行星的軌道大小和軌道長度。）
　　德克薩斯大學奧斯丁分校的天文學家安德魯·範德堡（Andrew Vanderburg）和
Google軟體工程師克里斯多夫·沙爾（Christopher Shallue） 開發了一個神經網路，使
用1500顆系外行星的引導，達成了這一發現。他們根據已知的系外行星位置對670顆星星
重新校準定位，但聚焦於弱信號 - 以前的研究人員可能錯過了較小的系外行星。新發現
的行星被稱為開普勒90i，這似乎是繞行的第三顆行星，就像我們自己的地球一樣。
　　鑄造無敵“圍棋大師“
　　Google的DeepMind研究人員開發一個AI，用於玩複雜的中國戰略遊戲圍棋。五月份，
最初版本的AI擊敗了世界上最好的圍棋玩家，但這還不夠。幾個月後，Google開發了
AlphaGo 的最新版本 AlphaGo Zero。這個AI實現了超人類水準的圍棋表現 - 以100：0擊
敗了原來的AlphaGo。
　　無限注德州撲克遊戲
　　卡內基梅隆公司的電腦科學部門開發的最新的AI撲克遊戲者最近打敗了專業人士。與
國際象棋和圍棋等策略遊戲不同，撲克被認為是“不完美的資訊遊戲”，因為玩家必須做
出決定，即使隱藏了一些資訊。最重要的是，這不僅僅是動作指令，它甚至也知道什麼時
候該虛張聲勢。卡內基梅隆大學的AI Libratus在為期20天的比賽中贏得了20萬美元的獎
金，擊敗了世界頂級撲克專業人士。
　　自我學習程式
　　人工智慧今年不僅取得了一些顯著的發現，它在不同的領域的應用也很出色，甚至讓
程式師都顯得過時了。幾個不同的人工智慧程式（包括穀歌，微軟和Facebook開發的程式
）學會了如何編寫基本代碼，以幫助非程式師處理複雜的試算表計算，或者減少開發人員
必須面對的一些麻煩。
　　微軟的AI DeepCoder可能被認為是三者中最基本的一個，儘管它仍然是一個令人難以
置信的複雜的技術。這個AI可以理解您需要解決的數學問題，可以查看代碼中相似問題的
現有示例，然後開發基於代碼的解決方案。
　　對於那些不能或不想學習編碼，但需要使用基於代碼的解決方案進行計算（例如，棘
手的試算表計算）的人來說，DeepCoder最終可能是非常有用的。解決方案相對簡單，在
解決方案和結構方面，基於AI的以前經歷，它們通常最終總共只有三到六行代碼。
　　Google的機器學習自學軟體AutoML，在一個案例中，學會識別照片中的物體，這是一
個更具挑戰性的任務，它最終實現了43%的任務成功率，比同行開發的代碼高出4個百分點
。然而，AutoML的最大好處是自動化機器學習模型的開發過程，這對於人類機器學習專家
而言通常是相當耗時的。
　　然後是Facebook的自我學習的聊天機器人，它們的自學能力略有不同。 例如，Bob和
Alice，這兩個A.I。機器人開始用英語發音，但是後來發展了自己的語言來說話。
　　“聊天機器人會擺脫可理解的語言，為自己發明代碼字，”來自喬治亞理工學院，現
任Facebook AI研究院的科學家Dhruv Batra在接受FastCo的採訪說到。
　　隨即便在媒體上引起了很大反響，“令人毛骨悚然”是對這一發現最常見的描述，但
實際上這是一個相當普遍的現象。
　　這類技術基於獎勵的系統演變，原理是如果一個行動沒有得到特定的正向回饋，他們
會嘗試其它的東西。 儘管如此，Facebook的研究人員最終關閉了AI 機器人專案，因為他
們的目標是創建實體，最終將與人互動 ， 這些數字機器人沒有人的風格。
http://sports.sina.com.cn/go/2017-12-31/doc-ifyqefvw5382012.shtml