只知道阿尔法狗？OUT了！AI战胜人类5大瞬间｜厚势
AI一直走在科技前沿，多次在与人类的博弈中获胜，如果你只知道前段时间炒得很火的AlphaGo，那你就OUT啦！厚师妹将为你介绍5大AI贵族成员，带你一起感受一下AI战胜人类的5大瞬间。...
厚势按：AI一直走在科技前沿，并多次在与人类的博弈中获胜。只知道炒得很火的AlphaGo？那你OUT啦！厚师妹将为你介绍5大AI贵族成员，带你一起感受一下AI战胜人类的5大瞬间。
AI（人工智能）相当先进和强大，多次在与人类的博弈中获胜，如果你只知道前段时间炒得很火的AlphaGo，那你就OUT啦！有人担心每次AI的革新都会增强天网（电影《终结者》中的人工智能防御系统）势力，厚师妹觉得这样的想法过于杞人忧天，至少未来几十年里，我们大可积极乐观。
IBM手下的Deep Blue（超级计算机“深蓝”）和Garry Kasparov（国际象棋特级大师）进行了第一次高调的人机大战，结果Kasparov落败，光从结果看，并不能说明什么，他们之间的恩恩怨怨相当复杂。
1989年，Kasparov战胜了DeepBlue的小弟Deep Thought（超级计算机“沉思”），俗话说“君子报仇，十年不晚”，所幸不到十年，1996年IBM重返赛场，派出深度改进、焕然一新的大哥Deep Blue。Kasparov首局失利，第二局打平，第三局开始激流勇进，连续赢了三局最终夺魁。直到1997年的再战，Deep Blue才以一局优势险胜Kasparov。
每走一步之前，它需要对所有可行的步骤和Kasparov的回击进行建模，最多能建模20步，每秒进行上百万次的计算评估，当时这样的建模需要非常给力的并行处理硬件支撑。并行处理能够将任务分解成众多细小的计算任务，分解的同时也顺带完成了各个任务，处理后的数据会整合在一起呈现出最终结果。
也有后来者将这个高大上的硬件用在了资料处理中心上，但必须铭记是Deep Blue将它推向了高潮，Deep Blue将宝贵“遗产”传给了Watson，Watson是IBM认知计算系统的杰出代表。认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够帮助决策者从大量非结构化数据中揭示真理。Watson曾取得《危险边缘》（哥伦比亚广播公司益智问答游戏节目）冠军，这让厚师妹怀念起多年前的央视节目《开心辞典》。后来，IBM将Deep Blue用于商业建模、数据挖掘、药物研发等领域，这些领域都需要大规模的模拟实验，也正是Deep Blue大显身手之处。
2.扑克冠军Polaris
Polaris（北极星）由阿尔伯塔大学研发，是第一款在扑克锦标赛上战胜专业扑克手的AI，程序猿为Polaris选用的是“德州扑克”，“德州扑克”算是最不依赖运气的扑克，这样才能更好地检验Polaris的智能程度。
不同于国际象棋，扑克牌无法通过建模变得“简单粗暴”，因为AI对于扑克比赛的视图很有限，它无从得知对手的牌。出牌的设计是独一无二的，建模不见得有效，因为自己的手牌有没有用，完全取决于对家的手牌，AI这样孤军奋战的不利之处就显而易见了，它不知道自己手牌的好坏，所以很难计算可能性。
Polaris是由多个程序组成，这些程序采用Agent技术（处于一定环境下包装的计算机系统，为实现设计目的，能在该环境下自主灵活地活动）。每个程序都有自己的策略，Agent会从中选择出适合手牌的最佳策略。用来分析扑克比赛的策略是多变的，它需要借助比赛攻略，最基本的方法就是依靠仅有的数据，推算出每个玩家的玩法，最后Polaris通过一种特殊的投机技巧赢得比赛。
后来，Polaris进化为另一程序Cepheus（仙王座），Cepheus的牌技出神入化，走在时代前列，以至于程序猿已经对“德州扑克”不屑一顾，弱者的气息。
3.《危险边缘》天才Watson
在Watson功成名就之前，历史上所有AI的胜利仅仅发生在那些“低调”的比赛中，而Watson创造的那次胜利绝对算得上“里程碑”式的，因为它把人机大战正式带入了美国人的客厅。
《危险边缘》是美国哥伦比亚广播公司推出的益智问答游戏节目，在美国饱受好评，因为它与传统问答节目有所不同，它有独特的挑战机制：选手面对的是答案，需要给出与这个答案相对应的问题。此次竞赛是Brad Rutter与Ken Jennings联手对决Watson。Rutter是《危险边缘》历史上的最高奖金得主，而Jennings是最长连胜保持者，为了确保比赛的公平公正，第三方选择的问题都是随机组合的、各式各样的问题。
其实，Watson最让人啧啧惊叹的地方莫过于它应用自然语言的能力，IBM称之为Deep QA（深度问答），它代表着一整套问答系统，Watson之所以能成功的关键，在于它能靠语境来搜索答案，而不仅仅是靠关键词关联。Watson所用的软件是分布式系统的整合，Hadoop（由Apache基金会所开发的分布式系统基础架构）和UIMA（非结构化信息管理应用）通力合作，共同指引数据，使得Watson的各个节点协同运作。
近期，Watson已被开发用于分析和提议有关癌症患者的医疗方案，最近一次Watson大显身手是用于帮助孩子制定个性化学习应用，由此可见Watson的“雄才大略”，搞笑的是，程序猿竟然还想让Watson学习做菜！╰(￣▽￣)╭
4.自学成才Deepmind
说起谷歌的Deepmind，也许会给书呆子们压力，因为它在经典的雅达利游戏中痛击了人类；事实上，人类在雅达利的某些游戏中还是处于优势的，比如Asteroid（小行星）和Gravitar（银火）。
Deepmind属于神经网络AI，它可以通过使用计算机内存来创造虚拟神经，以便效仿人类思维的工作模式。Deepmind能够分析成像的每一个像素点，同时把获胜条件考虑周全后，决定出“最佳行动”，最后通过控制器输入作出反应。Deepmind通过深度学习来了解游戏内容，并在相应情境下做出最佳选择，而且以后再次遇到还能自动做出相同选择。
Deepmind是独一无二的，因为它加入了外部存储资源。系统依靠保存信息，得以让Deepmind掌握雅达利游戏的运行模式，甚至能够帮它找到突破口和获胜的最佳策略。
5.不可思议AlphaGo
AlphaGo（DeepMind公司的“阿尔法围棋”）属于另一项“DeepMind计划”，但它比之前的DeepMind更举世瞩目，因为它先后成功击败了两位围棋冠军。2015年10月，AlphaGo以5:0完胜欧洲围棋冠军、职业二段选手樊麾；2016年3月，对战世界围棋冠军、职业九段选手李世石，以4:1的总比分获胜。
赛后选手和解说员一致认为，AlphaGo棋艺属保守派，这也不奇怪，因为程序猿设计它的时候就是遵循了“险中求胜”的策略，稳扎稳打，步步为营。以前围棋被认为是AI遥不可及的领域，但如今AlphaGo成为了第一位在围棋界称霸的AI选手。
其实围棋的设计很简单，两位选手分别利用黑白二色圆形棋子，在方形格状棋盘上进行博弈，棋盘上纵横各19条直线，将棋盘分成361个交叉点，棋子走在交叉点上，双方交替行棋，落子无悔，以最后围地多者为胜。围棋中的“步数”和“策略”不胜枚举，如果你有心了解，便能发现比国际象棋难得多。
- 如同“长辈”Watson，DeepMind公司现已成为医学院一员，与英国国家医疗服务系统达成共识，共同分析研究健康记录，这项计划中的数据流能有效鉴定肾损伤患者的病情。
- 谷歌希望AI能有助于自身的搜索业务，继而产生了一个叫做“Rankbrain”的项目，目标是让AI提高网页排名的有效性；
- 微软和脸书合作发布了Chatbots（一款让人爱上聊天的机器人）；
- 特斯拉引领着汽车自驾模式风潮，不甘落后的谷歌紧随其后展开无人驾驶汽车项目。
请相信转角遇到爱的缘份，不久的将来，正在看此文的你，也许就是第一手体验到AI美妙的幸运星。
责任编辑：陈梦月
更多文章
一个老牌设计公司如何转型，并获得北极光千万元融资｜厚势
创业者必读，国务院关于建设双创示范基地实施意见
斯坦福大学美女竟制造了90亿美元的创业骗局｜厚势
一张图解密成功创业家的特质？| 厚势
美国常春藤名校毕业，竟然跑去种菜？| 厚势
点击阅读原文，查看［一个老牌设计公司如何转型，并获得北极光千万元融资 ]
关注 厚势
微信扫一扫关注公众号
