“奇点”临近——从汽车到轮式机器人的变革

2016-05-11 09:17

　　智车优行沈海寅：

　　大家下午好！这是我的主题—互联网如何夯实造车。刚刚黄总介绍了我们公司叫智车优行，我们的汽车品牌在3月9日发布了，叫奇点汽车。我印象比较深，那天我们发布了奇点汽车，也是谷歌的AlpheGO战胜了韩国的棋手李世石第一局的那一天。当时有很多的报导说人工智能战胜了我们人类，“奇点来临了”。那么AlphaGO为什么能取胜，深蓝系统已经在国际象棋上战胜了人类。国际象棋每回合基本上有35种可能性，一盘象棋可达80个回合，机器运算是35个80次方。而围棋每回合有250种可能，一盘棋可长达150回合，达到250的150次方，这个运算量很大。以前讲叫千古无同局，现在几乎没有同样的局出现过。这也是过去为什么我们一直认为一台机器要战胜人类的棋手是很难的原因，因为要做搜索，要做排列组合，运算量非常大。

　　但是AlphaGO抛弃了传统的程序，它建立了两套基于深度卷积神经网络的两套模型，这个起到什么样的作用？一套叫Value Network，用来判断这个棋局，对这个棋局的态势进行评估。我到底是占优？还是打平？或者现在处于劣势。这是对当前进行一个判断。

　　第二个叫Policy Network，是通过观察其他人类之间对弈的棋局来学习的，主要学习的目标是：“给定一个棋局，我接下来的一步应该怎么走”？这样一套网络，它其实并不是像深蓝的系统由程序员完成这样一套程序。那它是如何完成的？是靠深度学习。那深度学习是什么呢？就是自己都不知道这个机器他在学什么，这个虽然听起来有点悬，但是事实如此，不断通过搜集海量的棋局样本，通过有取胜或者落败的棋谱，来使人工智能获得新的认知，这是人工智能深度学习非常大的特点。

　　过去一个人一年当中，认认真真下棋能下多少？能下一千盘，所以从一千盘的学习当中，去了解我们应该去如何进行布局。但是AlphaGO它是靠着海量的数据，把过去所有的能够搜索到的棋谱，全部学习了以后，它才能在这个基础上去战胜我们人类的这个棋手。这就意味着深度学习不决定它本身制造出、研发出这一套核心的程序员有多强，而是在于多少数据能为他所学习。原来我在奇虎360任副总，当时把新加坡国立大学的一个教授请回来，他是人工智能深度学习的专家，我打动他最核心的一个点就是如果你在一个学校里，你的深度学习只能搭一个模型，因为没有数据。你有多少数据可以去能够做图象识别的判断呢？但是对于一家搜索引擎公司来讲，这可以讲是一个海量的数字。那么有这么多的资源可以学习，就意味着它可以在上面做出更多的成果出来。这个是我们深度学习的一个非常重要的一个方面。

1 2 3 4 下一页>