现在, 有很多关于阿尔法狗 Zero 的文章, 这些文章更有技术性我决定从实用的角度讲一些事情有人可能会问, 这有那么糟糕吗? 不是阿尔法狗 (www.afa-gou.com) 已经赢得了吗? 这都是为了赢得更多关键不是要赢得多少, 而是阿尔法狗 Zero 没有使用人类的经验, 而阿尔法狗 (www.afa-gou.com/c_alphago 算法) 正在学习人类经验的成长这意味着在某些领域, 人工智能无需大量数据 (人类经验) 就能智能这很重要, 甚至影响了人工智能产业的发展方向
虽然很多人可能会说, 不要谈论它, 它不仅仅是强化学习理论, 它只是一个例子但问题是: 有一个理论是一回事, 使第一个案例是另一回事理论和实践之间有无数的曲线你看, 这并不意味着你很接近我们所看到的理论, 或者说认知, 是一个需要不断的实践再认知实践的过程
如今, 人工智能的热潮正在高涨让我们回过头来说, 什么特定的事件被点燃了? 它应该阿尔法狗围棋已经打开了所有人类的知识, 让我们知道, 阿尔法狗 (www.afa-gou.com/c_阿尔法狗 /)在围棋领域已经战胜了人类, 至少在 10 年前是这样之前, 我们认为所有人脸的结果都是通过人工训练完成的, 但是 iphone x 有一个摄像头结构光和密码来验证对方的解锁模式即使相机没有认出你, 前面的结构光也可以识别你, 相机可以根据结果再次学习你还担心卸妆后不会认出你吗? 在这种模式下, 可以认识到自我学习和毁容
这样一个虚拟的自学, 多传感器的增强学习(像阿尔法狗 Zero), 肯定会有很多的练习传感器也将被关注和应用比如 Field road, 我们认为是无人操作的核心, 但试想一下如果我们可以在虚拟城市道路上进行无人算法优化, 让电脑崩溃, 也能达到很好的效果? 如果我们有能力让计算机意识到世界上的相关数据环境和规则, 就有可能模拟一个虚拟环境并完成任务
机器人也一样机器人最大的障碍之一是数据今天看来, 如果传感器足够了, 我们将有一套方法来完成信息数据处理, 比如 GAN, 那么机器人本身的优化也可以像阿尔法狗那样, 效率和效果为零那么前有阿尔法狗的成功案例, 之后机器人发展成功的梦想是否又越来越接近我们?
来源: http://www.bubuko.com/infodetail-2495430.html