1704609950
1987年财年结束时,两大开发专家系统的公司Teknowledge和Intellicorp损失了数百万美元。其他人工智能企业的情况更糟糕,几乎濒临破产,员工和公司高管们露宿街头。温暖了一阵之后,人工智能的第二个冬天到来了。
1704609951
1704609952
1704609953
1704609954
1704609956
人工智能:改变世界,重建未来 谷歌诞生
1704609957
1704609958
人工智能随后遭遇的寒流比第一次有过之而无不及。资本又一次迅速蒸发,政府补助消失得无影无踪。在1987—1989年,美国国防部高级研究计划局将用于人工智能研究的预算缩减了1/3。专业的人工智能杂志的广告费收入也大幅下降。美国人文与科学院官方期刊《代达罗斯》(Daedalus)在1988年大胆发布了一期人工智能特刊,激怒了哲学家希拉里·普特南(Hilary Putnam)。普特南写道:“现在有什么好大惊小怪的?为什么在《代达罗斯》上发布一期特刊?为什么不等到人工智能真正取得一些进展后再发布特刊?”整个科技界都能感受到人工智能的寒流。美国人工智能协会会员人数大幅减少,1996年骤减至4 000人,达到史上最低点。然而奇迹并没有发生,人工智能的美梦似乎就要破灭。
1704609959
1704609960
那一年,斯坦福大学的两个学生——一个是人工智能研究者的后代,另一个是数学家的后代——想到了一个很聪明的方法,在外部链接数量的基础上对网页进行排序,并通过这一方式创建一个智能网络目录。1997年,24岁的拉里·佩奇和谢尔盖·布林利用他们开发出的算法,在美国加利福尼亚州门罗帕克的一个车库里开了一家公司。为了将其打造成为“全球总部”,他们置办了几张桌子、三把椅子、一条蓝绿色的地毯、一张折叠乒乓球桌,以及一些其他物件。为了保持通风,车库的门必须一直敞开。
1704609961
1704609962
这在当时看起来似乎不足为奇,但在接下来的20年里,拉里·佩奇和谢尔盖·布林的公司取得了人工智能历史上最大的成就。公司涉猎范围广泛,覆盖了机器翻译、模式识别、计算机视觉、自主机器人等领域,而人工智能研究者们为了实现这一点已经苦苦挣扎了半个世纪。
1704609963
1704609964
实际上,公司的这些成就没有一点是通过传统人工智能实现的。
1704609965
1704609966
这家公司就是谷歌。
1704609967
1704609968
[1]1英亩= 4 046.86平方米。——编者注
1704609969
1704609970
[2]1英尺≈ 0.304 8米。——编者注
1704609971
1704609972
[3]1英里= 1.609 344千米。——编者注
1704609973
1704609974
[4]一种可以支持机器语言和虚拟地址的32位小型计算机。——编者注
1704609975
1704609976
1704609977
1704609978
1704609980
人工智能:改变世界,重建未来 第二章 以自主学习的方式创建新的人工智能
1704609981
1704609982
2014年,在谷歌旗下一家名为“DeepMind”的人工智能公司的办公室里,一台计算机通过玩一款名为《打砖块》(Breakout)的老雅达利(Atari)2600电子游戏消磨时间。该款游戏是两个年轻人在20世纪70年代初设计的,他们就是苹果公司的创始人史蒂夫·乔布斯和史蒂夫·沃兹尼亚克。《打砖块》实际上是乒乓球游戏《乒乓》(Pong)的一个变体。不同之处在于,不是在屏幕上将球挥向另一位玩家,而是对着砖墙击球,将砖块击碎。这款游戏的目标是摧毁所有砖块。
1704609983
1704609984
正如我们在上一章中提到的,人工智能玩电子游戏并没有什么稀奇的。艾伦·图灵早在1947年就开发出了首款象棋程序,尽管当时的计算机不能运行这一程序。如今电子游戏的特点是有大量非玩家控制角色,这一编程将简单的规则结合起来产生复杂的行为。这样看来,DeepMind的人工智能玩游戏又有什么特别的呢?
1704609985
1704609986
针对这个问题的回答有两个。一是DeepMind的人工智能会逐渐变得更加成熟。就像见证孩子逐渐长大一样,如果一直盯着计算机看,很难察觉到它的变化。然而,每隔50多次游戏再看一下,效果是十分惊人的。开始的时候,DeepMind的人工智能在《打砖块》游戏中的表现简直糟透了,最简单的击球都做不好,而且它似乎并不清楚状况,就好像是把PS4(索尼第四代游戏主机)手柄交到90岁的老奶奶手里,并希望她立刻知道应该做什么一样。虽然它也会偶尔得分,但即使最乐观的旁观者也只能称之为运气。
1704609987
1704609988
200次游戏后,一切变得大为不同。现在游戏中的球拍能够在屏幕上左右移动:即使不是持续得分,也可谓能够轻松得分。再经过数百次游戏,游戏中的人工智简直如同《星球大战4:新希望》结束时的天行者卢克(Luke Skywalker)或《黑客帝国》中的尼奥(Neo)一样,懒散地击球,毫不费力。所有无关的动作都消失了,而且它产生了清晰的策略。
1704609989
1704609990
令DeepMind的人工智能具有重要意义的另一个原因是,它不需要进行大规模训练。传统人工智能的核心原则是必须将规则预先载入系统,这就像是老师在学生参加考试前会依次教他们问题的答案一样。DeepMind的人工智能与众不同之处在于,它能够自主学习,甚至无须告诉它应该怎样做。它所需要接入的就是构成《打砖块》游戏每一帧的30 000个像素点和屏幕上的选手得分。其他需要做的事,就是给它输入得分最大化的指令。之后,人工智能就可以随着游戏的进展获得游戏“规则”,然后逐渐形成能够改善其表现的策略。
1704609991
1704609992
DeepMind的人工智能可以玩的游戏并不只有《打砖块》。它最早玩的游戏是《太空入侵者》(Space Invaders),在掌握极少信息的情况下还学会了其他48个游戏,包括拳击模拟器、武术游戏甚至是3D(三维)赛车游戏。然而,要想突破电子游戏的“微型世界”还有很长的路要走。但这仍是一项惊人的成就,为人工智能的下一步发展指明了方向。下一步发展是什么?按照DeepMind的宗旨,下一步就是“解决人工智能”。
1704609993
1704609994
1704609995
1704609996
1704609998
人工智能:改变世界,重建未来 自主学习的重要性
1704609999
[
上一页 ]
[ :1.70460995e+09 ]
[
下一页 ]