close
現在的上班族很常都會有人介紹什麼產品找大家一起團購，水果、蛋糕、零食最多了
前陣子一起揪團買【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)辦公室雖然人不多，可是大家戰力都 超誇張的
光 是買個【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)就可以湊到免運，真的超厲害的
這樣我以後上班就 可以偷閒吃個下午茶了，還可以分食~重點是不用休息時間還要跑出去買
在網路上訂購就是很方便~因為商城 的東西真的多到不像話XD所以不只買了【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)還買了 超多東西的
真心推薦~全部都 很想吃所以就請同事一起團購
零食送來的那天 就快到來了!!!
不只【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)價格便宜 還有好多也都很優惠 ，建議大家可以點擊按鈕立刻搶優惠呦
如果在購物商城買的話，除了有詳細的介紹以外，更有保障！！而且速度也很快~
↓↓↓限量折扣的優惠按鈕↓↓↓
【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)7-11零食推薦
討論,推薦,開箱,CP值,熱賣,團購,便宜,優惠,介紹,排行,精選,特價,周年慶,體驗,限時,辦公室零嘴,辦公室零食,辦公室健康零食
↓↓↓現在馬上點擊購買↓↓↓
另外在推薦我平時會使用的平台可以比較價格找便宜~~
人工智能論壇：AlphaGo團隊分享技術細節
5月24日，人工智能高峰論壇在浙江桐鄉舉行。AlphaGo團隊向大傢分享技術細節。
江鑄久、芮乃偉、徐瑩等棋手與哈薩比斯交流
各位嘉賓的領域：
劉知青：我們的計算機學院有十年瞭，祝賀AlphaGo這麼快就取得我們以為很久才能實現的成就。我們爭取自主研發這些技術並在其他領域裡去廣泛應用。
周健工：蒙特卡洛搜索樹很早就有，為何DeepMind現在能實現這些成就？
劉知青：我認為是數據認識和數據質量上的優化有瞭飛躍。
李佳：GPU和TPU的出現，信息分享，感興趣這個領域的人才越來越多，大傢添磚加瓦，讓人工智能領域得到發展。
陳剛：我覺得需要有百分之二三十人員去實現應用化，比如在醫學、教育等領域，其他人去嘗試理論上突破。
傑夫迪恩：人工智能和其他領域不太一樣，很開放，大傢很快出結果發論文，互相閱讀交流，在此基礎上不斷取得新進展。需要不斷學習，在很多領域需要機器學習。目前可能僅有一萬個公司，我認為至少應該有1500萬個公司采用機器學習技術。第二個是，我們需要專業化模型組建，來實現更多功能和目標。
傑夫迪恩：比如在教育領域，我們需要教孩子、測試孩子是否領悟，有點像定制的私教。
劉知青：機器學習有感知、抽象、應用、回饋過程，另外隨著機器學習的應用，可以幫助人解脫一定負擔，比如計算、檢索、記憶等方面，從而可以去做更多創造性的工作，人工智能不是解決人，而是解放瞭人。
周健工：未來可能是機器智慧與人類智慧相結合，會在哪個領域？
傑夫迪恩：我來講講衛生保健。今天的醫生經驗也是有限的，可能幾十年隻看瞭幾千病人。而如果把所有醫生的經驗總結在一起，在看病時給醫生提建議，可以有助於醫生給病人更好的護理。
李佳：我本來也想說醫療。機器計算力和人的創造力相結合，醫生經驗和機器數據相結合，醫藥研發也是很好的例子，並且可以運用到其他行業，比如農業上預測稻谷產量，從衛星雲圖去發掘天氣，再結合人類千年來知識積累，來產生難以想象的結果。
陳剛：個性化教育領域，孔老夫子兩千年前就說有教無類，或者說因材施教，但現在實際上還做不到，老師效率還太低，一個班學生很多，很難做到一對一。基於人工智能大數據，有可能實現完全的因材施教。
劉知青：交通物流。我們看到在圍棋取得突破性進展，在交通物流方面，怎麼能實現資源高效利用率，是人工智能可以突破的方向。
周健工：人工智能能否產生自我意識或自主的動機？
傑夫迪恩：不知道。我們這麼多算法就是希望優化人工智能，但不知道能否產生自主的動機。保證安全是第一位的，包括自動駕駛，保證他的行為是按照我們的預期
陳剛：我覺得這是哲學問題瞭。
周健工：比如AlphaGo可以走出創新的不可預期的一步嗎？
傑夫迪恩：AlphaGo可以走出創造性的招法。
李佳：人工智能是實現我們目的的工具，還處在非常早的時期，所以現在提還為時過早。
劉知青：關於自主的動機，目前還看不到，正如李佳所說還處在很早的初期階段，今後發展還未可知。
第一財經傳媒集團CEO周健工：AI在哪些領域應用最多？
圓桌討論：
周健工：昨天的圍棋比賽，看到AlphaGo的勝率曲線一路上升。人工智能在飛速進步，機器智慧是否會超過人類智慧？
北郵教授劉知青：人類智慧與機器智慧是兩種不同智慧，不太容易直接比較。比如AlphaGo是以勝率為基礎，人類可能是從招法好壞來判斷，兩者結合可能會發揮更大效果。
谷歌Cloud AI研發主管李佳：機器和人會發揮各自長處。
浙江大學計算機學院副院長陳剛：機器在運算、記憶等很多方面都很強大，但還需要進一步發展。
谷歌Brain傑夫迪恩：人工智能做翻譯還不能取代人類，應用是非常廣泛的，機器學習還不能達到人類能力，如果相結合會變得更強大
施密特：在醫療領域可以有很廣泛應用，未來5年會帶來巨大變化和提升。在中國變化巨大，中文已成為互聯網影響巨大的語言之一。iPhone和安卓僅出現十年，現在很難想象離開手機如何生活。我看到最大的變化就是神經網絡和深度學習。以前如果程序最開始出錯就很難辦，現在借助摩爾定律機器變得快多瞭，機器學習可以自我學習幫助進步。之前我們嘗試過很多方式，現在的技術如果在20年前的電腦上運行不瞭，現在有瞭第二代TPU等新設備的支持，可以讓我們的算法得到很大提升。
如今信息爆炸時代，我們可以通過一些軟件工具來幫助管理。現在的科學傢已無法讀完所有文獻，而人工智能可幫助科學傢有選擇的閱讀，與他人異地分享閱讀。Tensor Flow可以幫助其他公司，比如BAT公司有上百萬用戶群，如果用Tensor Flow可以在很多方面有幫助。
人工智能是可以走進尋常百姓傢，讓更多人受益，並非少數人專屬，人工智能可以推動方方面面進步。我們也希望讓更多人得到好處。中國也在方方面面飛速發展。人工智能並非會讓更多人失業。目前撫養比越來越高，我們希望通過技術來不斷調優這個比例。
DeepMind給我的啟示是，神經網絡等不同領域科學傢可以聚到一起，去實現強人工智能。人工智能開啟美好未來。多年來我都在想，如果我年輕二三十歲會怎麼做，我會加入DeepMind公司。DeepMind在做的，是萬裡長征第一步。盈利的最重要一步，是在科研、醫療等多個領域通過Tensor Flow來實現。信息安全已不再是技術問題，用加密方式就可以實現。隱私則因國情不同而不同。
周健工：BAT擁有巨量數據和技術，如果將來人工智能推動世界進步，美國五大巨頭和中國三大巨頭等是否會壟斷這種進步？
施密特：我不這麼認為。實際上能看到很多新企業傢，會不斷展現出來，很多領域，包括無人機、醫療等等。我們希望在不同行業踐行人工智能優先的原則，可以受益十億人，我們希望這個願景可以實現。
Alphabet董事長埃裡克施密特：我們以前不清楚柯潔參賽會如何，結果差距非常小，說明柯潔準備充分。我想柯潔也借鑒瞭AlphaGo的思路和招法，李世石在首爾也試圖打敗AlphaGo，非常期待明天的第二局比賽。AI對我們的影響越來越大，比如用拍照的方式來幫助翻譯，用很小的團隊非常少的投入就能實現。
谷歌Tensor Flow已運行兩年多，第二代Tensor上周發佈，第二代TPU是針對訓練及推理設計的，比市面上最好的32臺GPU快4倍。TPU艙室有64臺第二臺TPU，每秒11.5千萬億次浮點運算，內存四百萬兆字節，二維環狀多跳網絡。谷歌向致力於研究開放式機器學習的頂尖研究人員免費開放1000臺配有TPU的雲虛擬機。
自動化機器學習（學會學習）：機器學習模型的設計極其復雜，學會學習，我們能自動解決很多學習問題嗎？
現狀：模型=數據+計算+機器學習技能（有限供應量阻礙使用量的增長）
方案：模型=數據+100×計算
研究模型，學習優化方小包裝餅乾推薦程，學習探索方向。
關於智能搜索，未來可查詢的問題示例：“哪副眼部圖像顯示糖尿病性視網膜病變癥狀”“用西班牙語描述這段視頻”“請從廚房為我倒一杯茶”“幫我找出與機器強化學習相關文件並用中文總結一下”。
人工智能有很多可能性，正在產生巨大影響，並且有非常廣泛的發展可能。
傑夫迪恩：當我們面對大量照片時，可以自動識別添加標簽分類；目前谷歌20%的移動搜索是通過語音完成的；Inbox智能回復中12%的回復是用手機發送的。谷歌圖像處理：降噪、消除雨點、欄桿，藝術化處理，明暗識別等等。也應用在谷歌助手裡。端到端的信號+人類模仿。使用機器學習改善健康醫療水平。
deepmind團隊預測，master版本比李世石版本提升瞭三子
傑夫迪恩：人工智能如何工作。
人工智能創造出智慧的電腦，機器學習創造出會學習的電腦，從而完成偉大的壯舉。神經網絡是通過不斷輸入像素等內容參數，根據結果不斷來調優，來達到準確的輸出結果，培訓出模型，直到自己能找到準確答案。包括通過像素識別內容、音頻轉換文字、翻譯、甚至看圖來作文。
2011年，神經網絡識別圖像的錯誤率是26%，而人類是5%。到2016年，神經網絡的錯誤率已經達到3%，打敗瞭人類，隻用瞭5年的時間。
在學習英語到韓語的翻譯時，也同時學習英語到日語的翻譯，從而達到更好效果，也自動學會日韓之間的翻譯。現在我們有強大計算能力、大量訓練數據等從而實現目標。即時相機翻譯如何運作？首先拍攝圖片找出每個字母再翻譯。
大衛席爾瓦：介紹AlphaGo算法。
為什麼選擇圍棋？它是人類最古老、研究最深入的遊戲；是構建理解運算的最佳試驗臺；人工智能面臨巨大挑戰：遊戲大至可以進行窮舉搜索。
我們利用卷積神經網絡來實現，原版AlphaGo有12層，Master有40層。我們用策略網絡和價值網絡來解決問題，策略網絡進行落子選點，價值網絡進行評估。通過人類棋譜來進行監督式學習，調整參數來達到理想效果，通過策略網絡來進行強化學習，自我對局成千上萬盤，通過價值網絡來評估，預測每一步棋後終局的輸贏。
如果用窮舉搜索，范圍實在太大，我們需要簡化減少搜索量，通過策略網絡來聚焦幾個有可能的選項，用價值網絡來降低搜索深度。就是AlphaGo的樹搜索，從樹根開始，一個搜索基礎上加上一個新搜索，最終把結果提交給樹頂。這個過程會重復成百上千次，直到發現哪一步贏棋概率最高。AlphaGo Lee在谷歌雲上有50 TPUs在運作，搜索50個棋步為10000個位置/秒，於2016年在首爾大敗李世石。
AlphaGo並不是比深藍更聰明，而是用價值策略網絡減少瞭搜索范圍。AlphaGo Master版本更強大，在單個TPU機器上進行遊戲，相當於AlphaGo成為自己的老師，從自己的搜索裡學習，使用最好的來自AlphaGo自己的數據；更強大的策略/價值網絡。TPU在谷歌雲上可供大傢使用。
AlphaGo Master強化學習如何實現：AlphaGo與自己對弈，強化學習，自己吸辦公室零食推薦取經驗來改進。策略網絡P以預測AlphaGo的移動，價值網絡V以預測獲勝者。比如通過復盤發現那一步是勝招，是第10步，我們通過這樣的方式反復迭代，新策略和價值網絡用於AlphaGo的下一個迭代中，新版AlphaGo可以得到更好結果和數據，達成良性循環。
AlphaGo的表現如何呢？以圍棋等級分來看，以前ZEN、CrazyStone軟件達到約2000分，樊麾版AlphaGo達到3000分，李世石版AlphaGo上漲3子，達到3500分，AlphaGo Master又漲3子，達到4500分以上。
DeepMind深度強化學習的目標是：超越AlphaGo。比如在3D射擊遊戲中，深度強化學習完全通過收到的像素來自我推理學習，達到人類的能力。通過不斷學習應對未來的挑戰。
去年的AlphaGo 與此次AlphaGo 不同之處。
未來能看到人機結合的巨大力量，1+1 2，在AI支持下人類能變得更加強大，有點像哈勃望遠鏡探索宇宙，人工智能讓我們更好瞭解世界，為人類所用的好工具，在科學、醫學等領域幫助人類進步。我們尋求最優，探尋距離最優還有多遠，怎樣才是完美的棋局；3000年對弈都不足以找到最佳棋局；AlphaGo讓我們可以探尋這些有趣奧秘；無數其他領域也將遭遇“組合轟炸”；強人工智能是我們研究和探尋宇宙的終極工具。
在科學研究、新藥研制等領域，不僅在玩遊戲，也要在現實生活中應用，在數據中心優化方面，我們能節省谷歌中心40%電能。元解決方案：信息過載和系統冗雜是巨大挑戰；開發人工智能技術可能是這些問題的元解決方案；目標：實現“人工智能科學傢”或“人工智能輔助科學”；和所有強大的新技術一樣，在倫理和責任約束中造福人類。我對自己大腦也非常感興趣，包括如何運作、做夢等等，希望人工智能幫助我們更好瞭解自己。
哈薩比斯：李世石表示人機大戰給瞭圍棋新啟發，這令人歡欣鼓舞。關於直覺，就是通過體驗直接獲得初步感知，但無法言傳、表達出來，可通過行為確認其存在和正誤。而創造力是通過組合已有知識產生新穎獨特想法的能力，AlphaGo顯然已在圍棋上展現出瞭創造力。我們希望打造完美的AlphaGo。在首爾的比賽顯示AlphaGo還有不足，我們希望彌補他的空白，在網上以Master的名字來做測試，獲得60比0的佳績，棋手們獲得很多啟發。展現出很多新招法，比如點三三、序盤連續爬二路，等等。柯潔表示人與AI應攜手並進，古力也表示人與AI合作的時代大幕已拉開。卡斯帕羅夫也在書中說，深藍已結束，而AlphaGo才剛開始。AlphaGo有點像吳清源在三四十年代一樣帶來圍棋新時代。棋類程序講戰術，而AlphaGo講戰略。
哈薩比斯回顧去年與李世石的比賽
戴密斯哈薩比斯：今天我將介紹如何賦予機器創造力，以及DeepMind在做什麼。DeepMind2010年創立於倫敦，2014年加入Google，目前進行人工智能“阿波羅計劃”，發現研發科學新方式。我們第一步是要攻克智能。打造通用型學習機器，非程序預設——自主學習原始材料；通用：同一系統可執行多種任務。用原先的經驗應對新挑戰。核心技術是深度學習和強化學習。
通用型的強人工智能與弱人工智能不一樣。最好的例子就是深藍擊敗卡斯帕羅夫，智能之處是用既定代碼輸入深藍，還不算強化學習。
強化學習框架：智能體通過觀察建模來瞭解環境，從而做決定計劃行動，應對挑戰，強人工智能就能實現，從而幫助到人。
雅達利智能體：包括百餘款八十年代的八位雅達利遊戲。通過深度強化學習，在進行300次遊戲後發現捷徑明顯變得更加善於遊戲，獲得更好策略，這是三年前的情況。
這兩年AlphaGo團隊專註於圍棋項目，因圍棋復雜程度讓窮舉搜索都難以解決：“不可能”寫出評估程度已決定誰贏；搜索空間太過龐大。
圍棋與國際象棋相比，不光是簡單計算，更需要直覺。比如問國象棋手，他會說自己有明確的逐步計劃。而圍棋手可能不僅靠計算，而是靠直覺；圍棋中沒有等級概念，所有棋子都一樣；棋盤是空的，要在心中不斷摸索預測未來，圍棋是建築遊戲，因此需要盤算未來；小小一子可撼全局，牽一發而動全身；“妙手”如受天啟，玄妙深奧，好像天賦靈感。
如何才能化繁為簡，是通過兩種網絡來實現：策略和估值網絡。我們在《自然》雜志發表論文，很多公司也隨之作出瞭很不錯的人工智能圍棋程序。去年AlphaGo與李世石的人機大戰令韓國萬人空巷，AlphaGo最終獲勝，這一刻等瞭十年，可以說是十年磨一劍。在第二局中，AlphaGo第37步棋是我最喜歡的，讓世人驚嘆，他走出五路尖沖，是讓人難以想象的。如果在三路是重視實地，在第四路下棋更重視中央，而在第五路下棋則很少，似乎有些落空的感覺，自古人類都低估瞭在五路下棋的價值。而AlphaGo左下早早的兩顆黑子在50步後發揮出瞭作用。而李世石在第四局走出的那一手也顯示出他的天才，那次人機大戰有2.8億觀眾、3.5萬篇報道、棋盤銷量增長10倍。
上臺前的哈薩比斯，今天他會和大傢分享些什麼呢？
參加論壇的樊麾和黃博士
【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)開箱推薦【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)團購美食 【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品) 辦公室團購美食#GOODS_NAME#心得分享【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)伴手禮 【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)網路團購【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)辦公室零食推薦#GOODS_NAME#辦公室零食櫃【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)辦公室零嘴 您或許有興趣的東西:
前陣子一起揪團買【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)辦公室雖然人不多，可是大家戰力都 超誇張的
光 是買個【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)就可以湊到免運，真的超厲害的
這樣我以後上班就 可以偷閒吃個下午茶了，還可以分食~重點是不用休息時間還要跑出去買
在網路上訂購就是很方便~因為商城 的東西真的多到不像話XD所以不只買了【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)還買了 超多東西的
真心推薦~全部都 很想吃所以就請同事一起團購
零食送來的那天 就快到來了!!!不只【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)價格便宜 還有好多也都很優惠 ，建議大家可以點擊按鈕立刻搶優惠呦
如果在購物商城買的話，除了有詳細的介紹以外，更有保障！！而且速度也很快~
↓↓↓限量折扣的優惠按鈕↓↓↓
- 品號：5119485
- 簡單料理 好方便！
- 食材新鮮 嚴格把關！
- 嫩肩部位 飽含肉汁與脂肪層層把
| 牛肉部位 |
|
|---|---|
| 料理用途 |
|
| 重量 |
|
| 等級(牛肉) |
|
【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)7-11零食推薦
討論,推薦,開箱,CP值,熱賣,團購,便宜,優惠,介紹,排行,精選,特價,周年慶,體驗,限時,辦公室零嘴,辦公室零食,辦公室健康零食
↓↓↓現在馬上點擊購買↓↓↓
另外在推薦我平時會使用的平台可以比較價格找便宜~~
| 寶貝用品購物網推薦 | ||
| | 專門賣寶寶天然的清潔用品~~ | |
 | MOTHER-K Taiwan | 韓國首選婦幼產品，既時尚又實用 |
| | 適合給新手爸媽的嬰兒購物網，一應俱全! | |
| 各大購物網快速連結 | ||
 | 東森購物網 | 性質大多相同 建議每一家搜尋要購買的品項後 比對出能折價卷能扣最多的一家來消費 保養品、化妝品我比較常在momo購物網買，切記是"購物網"才有正品保障!! |
 | 森森購物網 | |
 | udn買東西 | |
 | MOMO購物網 | |
 | 瘋狂麥克 | 有時候新鮮貨我都在瘋狂麥克找，基本上想找的，瘋狂賣客都會賣~ |
人工智能論壇：AlphaGo團隊分享技術細節
5月24日，人工智能高峰論壇在浙江桐鄉舉行。AlphaGo團隊向大傢分享技術細節。
江鑄久、芮乃偉、徐瑩等棋手與哈薩比斯交流
各位嘉賓的領域：
劉知青：我們的計算機學院有十年瞭，祝賀AlphaGo這麼快就取得我們以為很久才能實現的成就。我們爭取自主研發這些技術並在其他領域裡去廣泛應用。
周健工：蒙特卡洛搜索樹很早就有，為何DeepMind現在能實現這些成就？
劉知青：我認為是數據認識和數據質量上的優化有瞭飛躍。
李佳：GPU和TPU的出現，信息分享，感興趣這個領域的人才越來越多，大傢添磚加瓦，讓人工智能領域得到發展。
陳剛：我覺得需要有百分之二三十人員去實現應用化，比如在醫學、教育等領域，其他人去嘗試理論上突破。
傑夫迪恩：人工智能和其他領域不太一樣，很開放，大傢很快出結果發論文，互相閱讀交流，在此基礎上不斷取得新進展。需要不斷學習，在很多領域需要機器學習。目前可能僅有一萬個公司，我認為至少應該有1500萬個公司采用機器學習技術。第二個是，我們需要專業化模型組建，來實現更多功能和目標。
傑夫迪恩：比如在教育領域，我們需要教孩子、測試孩子是否領悟，有點像定制的私教。
劉知青：機器學習有感知、抽象、應用、回饋過程，另外隨著機器學習的應用，可以幫助人解脫一定負擔，比如計算、檢索、記憶等方面，從而可以去做更多創造性的工作，人工智能不是解決人，而是解放瞭人。
周健工：未來可能是機器智慧與人類智慧相結合，會在哪個領域？
傑夫迪恩：我來講講衛生保健。今天的醫生經驗也是有限的，可能幾十年隻看瞭幾千病人。而如果把所有醫生的經驗總結在一起，在看病時給醫生提建議，可以有助於醫生給病人更好的護理。
李佳：我本來也想說醫療。機器計算力和人的創造力相結合，醫生經驗和機器數據相結合，醫藥研發也是很好的例子，並且可以運用到其他行業，比如農業上預測稻谷產量，從衛星雲圖去發掘天氣，再結合人類千年來知識積累，來產生難以想象的結果。
陳剛：個性化教育領域，孔老夫子兩千年前就說有教無類，或者說因材施教，但現在實際上還做不到，老師效率還太低，一個班學生很多，很難做到一對一。基於人工智能大數據，有可能實現完全的因材施教。
劉知青：交通物流。我們看到在圍棋取得突破性進展，在交通物流方面，怎麼能實現資源高效利用率，是人工智能可以突破的方向。
周健工：人工智能能否產生自我意識或自主的動機？
傑夫迪恩：不知道。我們這麼多算法就是希望優化人工智能，但不知道能否產生自主的動機。保證安全是第一位的，包括自動駕駛，保證他的行為是按照我們的預期
陳剛：我覺得這是哲學問題瞭。
周健工：比如AlphaGo可以走出創新的不可預期的一步嗎？
傑夫迪恩：AlphaGo可以走出創造性的招法。
李佳：人工智能是實現我們目的的工具，還處在非常早的時期，所以現在提還為時過早。
劉知青：關於自主的動機，目前還看不到，正如李佳所說還處在很早的初期階段，今後發展還未可知。
第一財經傳媒集團CEO周健工：AI在哪些領域應用最多？
圓桌討論：
周健工：昨天的圍棋比賽，看到AlphaGo的勝率曲線一路上升。人工智能在飛速進步，機器智慧是否會超過人類智慧？
北郵教授劉知青：人類智慧與機器智慧是兩種不同智慧，不太容易直接比較。比如AlphaGo是以勝率為基礎，人類可能是從招法好壞來判斷，兩者結合可能會發揮更大效果。
谷歌Cloud AI研發主管李佳：機器和人會發揮各自長處。
浙江大學計算機學院副院長陳剛：機器在運算、記憶等很多方面都很強大，但還需要進一步發展。
谷歌Brain傑夫迪恩：人工智能做翻譯還不能取代人類，應用是非常廣泛的，機器學習還不能達到人類能力，如果相結合會變得更強大
施密特：在醫療領域可以有很廣泛應用，未來5年會帶來巨大變化和提升。在中國變化巨大，中文已成為互聯網影響巨大的語言之一。iPhone和安卓僅出現十年，現在很難想象離開手機如何生活。我看到最大的變化就是神經網絡和深度學習。以前如果程序最開始出錯就很難辦，現在借助摩爾定律機器變得快多瞭，機器學習可以自我學習幫助進步。之前我們嘗試過很多方式，現在的技術如果在20年前的電腦上運行不瞭，現在有瞭第二代TPU等新設備的支持，可以讓我們的算法得到很大提升。
如今信息爆炸時代，我們可以通過一些軟件工具來幫助管理。現在的科學傢已無法讀完所有文獻，而人工智能可幫助科學傢有選擇的閱讀，與他人異地分享閱讀。Tensor Flow可以幫助其他公司，比如BAT公司有上百萬用戶群，如果用Tensor Flow可以在很多方面有幫助。
人工智能是可以走進尋常百姓傢，讓更多人受益，並非少數人專屬，人工智能可以推動方方面面進步。我們也希望讓更多人得到好處。中國也在方方面面飛速發展。人工智能並非會讓更多人失業。目前撫養比越來越高，我們希望通過技術來不斷調優這個比例。
DeepMind給我的啟示是，神經網絡等不同領域科學傢可以聚到一起，去實現強人工智能。人工智能開啟美好未來。多年來我都在想，如果我年輕二三十歲會怎麼做，我會加入DeepMind公司。DeepMind在做的，是萬裡長征第一步。盈利的最重要一步，是在科研、醫療等多個領域通過Tensor Flow來實現。信息安全已不再是技術問題，用加密方式就可以實現。隱私則因國情不同而不同。
周健工：BAT擁有巨量數據和技術，如果將來人工智能推動世界進步，美國五大巨頭和中國三大巨頭等是否會壟斷這種進步？
施密特：我不這麼認為。實際上能看到很多新企業傢，會不斷展現出來，很多領域，包括無人機、醫療等等。我們希望在不同行業踐行人工智能優先的原則，可以受益十億人，我們希望這個願景可以實現。
Alphabet董事長埃裡克施密特：我們以前不清楚柯潔參賽會如何，結果差距非常小，說明柯潔準備充分。我想柯潔也借鑒瞭AlphaGo的思路和招法，李世石在首爾也試圖打敗AlphaGo，非常期待明天的第二局比賽。AI對我們的影響越來越大，比如用拍照的方式來幫助翻譯，用很小的團隊非常少的投入就能實現。
谷歌Tensor Flow已運行兩年多，第二代Tensor上周發佈，第二代TPU是針對訓練及推理設計的，比市面上最好的32臺GPU快4倍。TPU艙室有64臺第二臺TPU，每秒11.5千萬億次浮點運算，內存四百萬兆字節，二維環狀多跳網絡。谷歌向致力於研究開放式機器學習的頂尖研究人員免費開放1000臺配有TPU的雲虛擬機。
自動化機器學習（學會學習）：機器學習模型的設計極其復雜，學會學習，我們能自動解決很多學習問題嗎？
現狀：模型=數據+計算+機器學習技能（有限供應量阻礙使用量的增長）
方案：模型=數據+100×計算
研究模型，學習優化方小包裝餅乾推薦程，學習探索方向。
關於智能搜索，未來可查詢的問題示例：“哪副眼部圖像顯示糖尿病性視網膜病變癥狀”“用西班牙語描述這段視頻”“請從廚房為我倒一杯茶”“幫我找出與機器強化學習相關文件並用中文總結一下”。
人工智能有很多可能性，正在產生巨大影響，並且有非常廣泛的發展可能。
傑夫迪恩：當我們面對大量照片時，可以自動識別添加標簽分類；目前谷歌20%的移動搜索是通過語音完成的；Inbox智能回復中12%的回復是用手機發送的。谷歌圖像處理：降噪、消除雨點、欄桿，藝術化處理，明暗識別等等。也應用在谷歌助手裡。端到端的信號+人類模仿。使用機器學習改善健康醫療水平。
deepmind團隊預測，master版本比李世石版本提升瞭三子
傑夫迪恩：人工智能如何工作。
人工智能創造出智慧的電腦，機器學習創造出會學習的電腦，從而完成偉大的壯舉。神經網絡是通過不斷輸入像素等內容參數，根據結果不斷來調優，來達到準確的輸出結果，培訓出模型，直到自己能找到準確答案。包括通過像素識別內容、音頻轉換文字、翻譯、甚至看圖來作文。
2011年，神經網絡識別圖像的錯誤率是26%，而人類是5%。到2016年，神經網絡的錯誤率已經達到3%，打敗瞭人類，隻用瞭5年的時間。
在學習英語到韓語的翻譯時，也同時學習英語到日語的翻譯，從而達到更好效果，也自動學會日韓之間的翻譯。現在我們有強大計算能力、大量訓練數據等從而實現目標。即時相機翻譯如何運作？首先拍攝圖片找出每個字母再翻譯。
大衛席爾瓦：介紹AlphaGo算法。
為什麼選擇圍棋？它是人類最古老、研究最深入的遊戲；是構建理解運算的最佳試驗臺；人工智能面臨巨大挑戰：遊戲大至可以進行窮舉搜索。
我們利用卷積神經網絡來實現，原版AlphaGo有12層，Master有40層。我們用策略網絡和價值網絡來解決問題，策略網絡進行落子選點，價值網絡進行評估。通過人類棋譜來進行監督式學習，調整參數來達到理想效果，通過策略網絡來進行強化學習，自我對局成千上萬盤，通過價值網絡來評估，預測每一步棋後終局的輸贏。
如果用窮舉搜索，范圍實在太大，我們需要簡化減少搜索量，通過策略網絡來聚焦幾個有可能的選項，用價值網絡來降低搜索深度。就是AlphaGo的樹搜索，從樹根開始，一個搜索基礎上加上一個新搜索，最終把結果提交給樹頂。這個過程會重復成百上千次，直到發現哪一步贏棋概率最高。AlphaGo Lee在谷歌雲上有50 TPUs在運作，搜索50個棋步為10000個位置/秒，於2016年在首爾大敗李世石。
AlphaGo並不是比深藍更聰明，而是用價值策略網絡減少瞭搜索范圍。AlphaGo Master版本更強大，在單個TPU機器上進行遊戲，相當於AlphaGo成為自己的老師，從自己的搜索裡學習，使用最好的來自AlphaGo自己的數據；更強大的策略/價值網絡。TPU在谷歌雲上可供大傢使用。
AlphaGo Master強化學習如何實現：AlphaGo與自己對弈，強化學習，自己吸辦公室零食推薦取經驗來改進。策略網絡P以預測AlphaGo的移動，價值網絡V以預測獲勝者。比如通過復盤發現那一步是勝招，是第10步，我們通過這樣的方式反復迭代，新策略和價值網絡用於AlphaGo的下一個迭代中，新版AlphaGo可以得到更好結果和數據，達成良性循環。
AlphaGo的表現如何呢？以圍棋等級分來看，以前ZEN、CrazyStone軟件達到約2000分，樊麾版AlphaGo達到3000分，李世石版AlphaGo上漲3子，達到3500分，AlphaGo Master又漲3子，達到4500分以上。
DeepMind深度強化學習的目標是：超越AlphaGo。比如在3D射擊遊戲中，深度強化學習完全通過收到的像素來自我推理學習，達到人類的能力。通過不斷學習應對未來的挑戰。
去年的AlphaGo 與此次AlphaGo 不同之處。
未來能看到人機結合的巨大力量，1+1 2，在AI支持下人類能變得更加強大，有點像哈勃望遠鏡探索宇宙，人工智能讓我們更好瞭解世界，為人類所用的好工具，在科學、醫學等領域幫助人類進步。我們尋求最優，探尋距離最優還有多遠，怎樣才是完美的棋局；3000年對弈都不足以找到最佳棋局；AlphaGo讓我們可以探尋這些有趣奧秘；無數其他領域也將遭遇“組合轟炸”；強人工智能是我們研究和探尋宇宙的終極工具。
在科學研究、新藥研制等領域，不僅在玩遊戲，也要在現實生活中應用，在數據中心優化方面，我們能節省谷歌中心40%電能。元解決方案：信息過載和系統冗雜是巨大挑戰；開發人工智能技術可能是這些問題的元解決方案；目標：實現“人工智能科學傢”或“人工智能輔助科學”；和所有強大的新技術一樣，在倫理和責任約束中造福人類。我對自己大腦也非常感興趣，包括如何運作、做夢等等，希望人工智能幫助我們更好瞭解自己。
哈薩比斯：李世石表示人機大戰給瞭圍棋新啟發，這令人歡欣鼓舞。關於直覺，就是通過體驗直接獲得初步感知，但無法言傳、表達出來，可通過行為確認其存在和正誤。而創造力是通過組合已有知識產生新穎獨特想法的能力，AlphaGo顯然已在圍棋上展現出瞭創造力。我們希望打造完美的AlphaGo。在首爾的比賽顯示AlphaGo還有不足，我們希望彌補他的空白，在網上以Master的名字來做測試，獲得60比0的佳績，棋手們獲得很多啟發。展現出很多新招法，比如點三三、序盤連續爬二路，等等。柯潔表示人與AI應攜手並進，古力也表示人與AI合作的時代大幕已拉開。卡斯帕羅夫也在書中說，深藍已結束，而AlphaGo才剛開始。AlphaGo有點像吳清源在三四十年代一樣帶來圍棋新時代。棋類程序講戰術，而AlphaGo講戰略。
哈薩比斯回顧去年與李世石的比賽
戴密斯哈薩比斯：今天我將介紹如何賦予機器創造力，以及DeepMind在做什麼。DeepMind2010年創立於倫敦，2014年加入Google，目前進行人工智能“阿波羅計劃”，發現研發科學新方式。我們第一步是要攻克智能。打造通用型學習機器，非程序預設——自主學習原始材料；通用：同一系統可執行多種任務。用原先的經驗應對新挑戰。核心技術是深度學習和強化學習。
通用型的強人工智能與弱人工智能不一樣。最好的例子就是深藍擊敗卡斯帕羅夫，智能之處是用既定代碼輸入深藍，還不算強化學習。
強化學習框架：智能體通過觀察建模來瞭解環境，從而做決定計劃行動，應對挑戰，強人工智能就能實現，從而幫助到人。
雅達利智能體：包括百餘款八十年代的八位雅達利遊戲。通過深度強化學習，在進行300次遊戲後發現捷徑明顯變得更加善於遊戲，獲得更好策略，這是三年前的情況。
這兩年AlphaGo團隊專註於圍棋項目，因圍棋復雜程度讓窮舉搜索都難以解決：“不可能”寫出評估程度已決定誰贏；搜索空間太過龐大。
圍棋與國際象棋相比，不光是簡單計算，更需要直覺。比如問國象棋手，他會說自己有明確的逐步計劃。而圍棋手可能不僅靠計算，而是靠直覺；圍棋中沒有等級概念，所有棋子都一樣；棋盤是空的，要在心中不斷摸索預測未來，圍棋是建築遊戲，因此需要盤算未來；小小一子可撼全局，牽一發而動全身；“妙手”如受天啟，玄妙深奧，好像天賦靈感。
如何才能化繁為簡，是通過兩種網絡來實現：策略和估值網絡。我們在《自然》雜志發表論文，很多公司也隨之作出瞭很不錯的人工智能圍棋程序。去年AlphaGo與李世石的人機大戰令韓國萬人空巷，AlphaGo最終獲勝，這一刻等瞭十年，可以說是十年磨一劍。在第二局中，AlphaGo第37步棋是我最喜歡的，讓世人驚嘆，他走出五路尖沖，是讓人難以想象的。如果在三路是重視實地，在第四路下棋更重視中央，而在第五路下棋則很少，似乎有些落空的感覺，自古人類都低估瞭在五路下棋的價值。而AlphaGo左下早早的兩顆黑子在50步後發揮出瞭作用。而李世石在第四局走出的那一手也顯示出他的天才，那次人機大戰有2.8億觀眾、3.5萬篇報道、棋盤銷量增長10倍。
上臺前的哈薩比斯，今天他會和大傢分享些什麼呢？
參加論壇的樊麾和黃博士
【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)開箱推薦【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)團購美食 【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品) 辦公室團購美食#GOODS_NAME#心得分享【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)伴手禮 【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)網路團購【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)辦公室零食推薦#GOODS_NAME#辦公室零食櫃【五鮮】安格斯嫩肩莎朗21盎司 4包600g-包(莎朗、新鮮、肉品)辦公室零嘴 您或許有興趣的東西:
-
#KEY_LIST_START#
- $2 #KEY_LIST_END#
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
