原创《围棋之后，人工智能的下一个战场是什么》：本论文主要论述了人工智能论文范文相关的参考文献,对您的论文写作有参考作用。
AlphaGo（阿法狗）对传奇围棋棋手李世石的胜利是人工智能研究的一个重大里程碑事件.一直以来,这项复杂的中国棋类游戏被认为无法被机器征服,但DeepMind使用机器学习和神经网络,赋予了AlphaGo世界一流级别的评估和实行技巧的能力.
而我们让这个世界上最聪明的一群人来研究人工智能,并不是只为了征服围棋.DeepMind（深智公司）的研究成果对人工智能领域有着深远的影响,它所使用的深度学习技术有潜力颠覆一切：从你用手机的方式到你驾驶汽车的方式.
首先,围棋的征服之路可能还未结束.柯洁,这位来自中国的18岁天才世界围棋冠军,对自己的胜率似乎持谨慎乐观的态度.在李世石第一局败给AlphaGo之后,他称“我有60%的几率赢AlphaGo”.许多围棋棋手都说他们希望能更多地了解AlphaGo；毕竟,它只公开进行过几场比赛,便展现出了不同寻常的、极具破坏力的策略.AlphaGo最终会向大众展示,而当以后看到它和柯洁对弈时,我们也不必惊讶；李世石被选作AlphaGo的对手,是因为他在漫长的职业生涯中所建立起来的地位,但柯洁却被认为是一个更为强大的棋手.DeepMind的创始人戴米斯·哈萨比斯也宣称其公司计划测试一个没有经过任何人类训练经历的版本,换言之,这个程序需要自学围棋.
但无论如何,有关一台电脑是否可以成为世界一流围棋棋手的争论现已尘埃落定.就全透明的游戏（各方都能看见所有数据）而言,一切成就都已达成.对于非全透明的游戏（如多人无限制）,人工智能依然有些问题,但接下来的攻克前沿很有可能是电子游戏；过去数周,我已经数次听人提起暴雪娱乐经典的实时战略游戏《星际争霸》.鉴于《星际争霸》持久的受欢迎度和其在韩国万人空巷的地位,想象未来一个高调的电脑-电子游戏比赛并非难事.
当我问起哈萨比斯时,他似乎对《星际争霸》有了想法,但他同时也说DeepMind只对那些处在主流的游戏有兴趣.“这些游戏可以当作测试平台,用来编写我们的新算法,或用来测试我们做得有多好；虽然这么做很有效率,但我们最终还是要将这个程序应用于真实世界中的大问题中去.”
问题在于人类还需要更快的学习技能和更有效的数据处理来帮助他们进行决策.在谷歌,机器学习和深度神经网络早已大规模使用,如用在搜索和无人驾驶汽车项目中.在以上任何区域,AlphaGo的经验都可以收获不断累积增加的改进；你可能在还没意识到那些改进之时就能感受到它带来的便利.
计算机科学家杰夫·狄恩被很多谷歌人认为是这家公司最聪明的人.他主管谷歌大脑的深度学习研究项目,并且已经将很多概念应用到这家公司的产品中.目前谷歌排名第三的搜索信号器RankBrain是一个新的深度学习神经网络,过去两年在搜索词条排名上最大的改进就归功于它.同时机器学习也被用在一些更明显、更直面用户的地方,如谷歌照片的搜索功能和自动撰写电子邮件回复等.
谷歌是家靠收集数据、出售广告位置来赚取大部分利润的公司,理所当然地对那些可以提升数据收集效率的新技术感兴趣.当我问及狄恩机器学习是帮助谷歌增强其核心业务还是扩展新的业务渠道时,他回复道：“我不认为这是非黑即白的,我们会用这些技术来改进我们的核心产品,在很多情况下我们会对数据收集有着更深的理解,而这会极大地帮助我们设计新特点.但它也会帮助我们设计一些新颖有趣的产品,即便是在那些我们之前从未深度了解的区域.因此这种改进是双方面的；我并不知道哪个会更重要,但我觉得它们应该会齐头并进.”
当我向Alphabet主席、谷歌前CEO埃里克·施密特问及机器学习会以何种方式提升该公司时,他回答道：“想想谷歌干过的那些大事.我们有大量搜索、大量广告、大量顾客和大量数据中心；那么多次,我看见有许多人用着谷歌电脑或我们的安全软件.只要有许多人在用同一件产品,我们也许就可以用机器学习,用观察和反复训练让这一过程更有效率.”
“我认为我们将来在任何地方都会用上机器学习.”施密特继续说道,他列出了这家公司传统的搜索和广告服务、无人驾驶汽车以及一个名为“Verily”的医疗保健部门,“在我看来,Alphabet公司的每一个部门都会用上这个技术.”
作为一家公司,DeepMind虽然和谷歌大脑保持联系,却和谷歌的其他部门接触甚少.“在优化搜索进程的项目中,我们对自己工作内容有相当大的自由度,”哈萨比斯告诉我,“当然,我们实际上也参与到谷歌内部的很多研发项目中去,但这些项目都在研发的早期阶段,所以现在就讨论它们有点为时过早.”哈萨比斯称谷歌大脑的项目研发周期比DeepMind更短,加上自身站得高、看得远,所以可以关注更多的产品.
所以DeepMind接下来的一步是什么呢?值得注意的是,AlphaGo并不是这个团队唯一的项目,甚至不是最大的那一个.DeepMind已经将智能手机助手、保健和机器人研发作为其最终目标.至于AlphaGo,虽然它只是一个下围棋的系统,哈萨比斯称它的原则也可以用于处理真实世界的问题.
哈萨比斯认为在接下来几年就会见到由先进机器学习辅助的智能手机助手.“我的意思是刚开始会很微妙,但某些方面会越来越好.也许在四到五年,你就会看到（手机助手）功能的重大飞跃.”
哈萨比斯说道：“我只是希望智能手机助手可以变得真正聪明起来,既能够理解上下文,也能对我们想要做的事有着更深的理解.”他一直相信类似的系统需要依赖于AlphaGo之类的学习程式,而不是遵从那些提前写好的对话路径.“目前大部分的系统都非常脆弱；只要你拆除那些提前编好程序的模板,那些系统就变得毫无用处.因此,我们需要让它们变得富有适应性和灵活性,也更加强壮.”
医疗保健就有点远了.DeepMind已经宣布和英国国家医疗服务体系结成合作伙伴,但到现在为止所有细节都只是一个数据追踪的手机应用.哈萨比斯称,在发布更加高级的工具之前,他们的首要目标是要让英国国家医疗服务体系习惯上现代的移动手机软件.
人工智能论文参考资料：
结论：围棋之后，人工智能的下一个战场是什么为关于本文可作为人工智能方面的大学硕士与本科毕业论文人工智能论文开题报告范文和职称论文论文写作参考文献下载。
