【成长-AI输出】20171024_数据与人工智能
在AI漫漫的发展史上，历经N次起伏跌宕而逐渐向上。每次算法（技术）的突破总能缔造一个顶峰，每次遇到算法瓶颈（或现实缺陷）就有一个低谷，如下图：
文章图片
图片发自App （本图摘自“AI产品经理大本营”@黄钊老师 著名的200页PPT《人工智能产品经理的新起点》）
近几年人工智能逐渐实现落地并商业化，而被预测是新一个顶峰，众所周知是因为现阶段的计算力、算法和大数据的完善。内容为王的迹象也逐渐崭露头角。如果将人工智能喻为婴儿，那大数据就是婴儿看世界的眼睛了，些许不同的是婴儿的眼睛不带任何经验色彩，而大数据则是人类经验（存在认知局限）的集锦。因此才会有“人类把计算机教坏了！”的说法。以下：
10月19号，DeepMind团队研发的AlphaGo-Zero以100:0完胜AlphaGo。令人匪夷所思的是AlphaGo-Zero没有经过任何数据（标注样本）的训练，完全从零开始，完全靠自己的强化学习和参悟。人工智能越来越“独立”了。以下整理几点：
1.最有趣的是证明了人类经验由于样本空间大小的限制，往往都收敛于局部最优而不自知（或无法发现）。——美国杜克大学人工智能专家@陈怡然教授
2.技术方面：①采用类似DQN的一个DNN网络实现决策过程，并利用这个DNN得到两种输出policy和value，然后利用一个蒙特卡罗搜索树完成当前步骤选择；②采用了ResNet网络中的Residual。——杜克大学博士生@吴春鹏
3.对于眼前流行的东西，不要盲目追逐，要先审时度势，看看自己擅长啥、有啥积累，看准了坑再跳。——人工智能专家、美国卡罗莱纳大学夏洛特分校@洪韬教授
因而，计算力、算法和大数据这三大支柱中，大数据的位置是否岌岌可危？的确是有待商榷：
DeepMind发表论文的几日后，民生证券组织了活动《民生计算机电话圆桌会：AlphaGo-Zero横空出世》，活动邀请了嘉宾：任海兵（英特尔中国研究院主任研究科学家），刘刚（腾讯社交网络事业群产品总监），乐祎凡（懂球帝创新业务部总监）。嘉宾们对此持并不乐观的态度：很多场景并没有围棋那样的规则，并没有一个确定的结果（目标可衡量）。
在10月19日的《“二十一世纪的计算”学术研讨会》上，微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文博士提出：人类和机器具备各自独特的特质和技能优势。前者拥有创造力，更擅长“化繁为简”；后者则拥有处理海量数据并从中挖掘复杂模式的强大计算能力，这是一种“以繁制繁”的能力。机器要从“以繁制繁”跨越到“以简制繁”、达到抽象的更高层次，还非常困难。如果真的要做人的智能，不应该从大数据着手，而应该基于小数据、甚至零数据展开研究。
在这个方向上，微软提出了新的学习范式——对偶学习来降低对大规模标注数据的依赖性。此外，自增强学习方法利用未完成训练的卷积神经网络对无标签数据进行测试，生成增强数据进行训练。
各方观点并没有冲突，AlphaGo-Zero是在特定的、有规则、有结果的领域里将未来需要在大范围领域内解决的数据问题，给解决了。这是一个信号（无数据的可能性）、这也是一个好的开始。
【【成长-AI输出】20171024_数据与人工智能】对于未来，充满期待。
推荐阅读
- 【晨读感悟】三个月能流利说英语吗（）
- 以前我心中的大学
- 龙母的领袖魅力
- 喵喵机Max（这个小工具，能给学生党们带来很多便利）
- 咖啡冥想
- 【奇幻】《神奇龙与呆萌马的奇妙历险》（2）
- 我辜负了自己
- 过年
- ES(8.1)认证题目
- 亲子日记20|亲子日记20 假期时间的合理安排