图说：神秘网络棋手“master”揭开身份AlphaGo
近日横扫围棋界的神秘网络棋手“master”终于揭开了庐山真面目。1月4日晚间，在腾讯野狐围棋网站上，神秘的Master宣布自己就是就是AlphaGo，而代为执子的就是AlphaGo团队的黄士杰博士！
从2016年12月29日晚起，一个注册为“master”、标注为韩国九段的“网络棋手”接连“踢馆”著名在线围棋网站弈城网和野狐网。截至2017年1月4日夜，master已经斩获了59连胜，击败15位世界冠军，其中包括中国、韩国、日本各自的“当今第一人”柯洁、朴廷桓和井山裕太。尤其是在1月3日晚执白中盘战胜千呼万唤始出来的柯洁之后，master的“踢馆”也差不多变成了“表演赛”。
Master稳定性惊人，豪取一波50连胜，风格也别具一格，曾在开局阶段走出一手“点三三”。外界普遍认为，这位Master不是人类，而是人工智能。
同时，在这一周，谷歌DeepMind团队在其网站上发文回顾2016年工作进展，全文翻译如下：
我们相信智能程序能够在从气候到疑难杂症组成的极其复杂、瞬息万变的系统中，帮助我们发掘造福社会的新科学知识。为了实现这一点，我们需要一个全能的学习系统，它能够从零开始建立自己对问题的理解，并用它的能力识别到那些可能会被人类忽略的模式和突破。这便是DeepMind长期研究任务的关注所在。
虽然我们距离实现接近人脑智能水平的目标还差很远，但2016年已是伟大的一年。我们在一些核心的潜在挑战上取得令人振奋的进展，并看到它给现实世界带来的影响。
我们很高兴看到AlphaGo代表项目组第二次荣登自然杂志封面。AlphaGo在古老的围棋比赛中击败人类的世界冠军李世乭。许多专家称赞这一突破领先时代十年。其中最让我们兴奋的还是AlphaGo在比赛中所展现出来的创造性能力，某些棋步挑战了千年的围棋智慧。AlphaGo在围棋上的表现给我们带来新的见解和启发，期待在2017年AI可以掌握更多游戏和比赛。
在生成模型领域，我们也取得了有意义的进展，打造了能够自主设想结构和场景的程序。在我们基于PixelCNN图像模型的论文之后，我们关于WaveNet的论文展示了语音合成的新进展。通过创建原始波形而非拼接录音样本实现了世界上最自然的语音合成。我们正准备同谷歌一起将这一技术应用到产品中去，并对改进数百万用户的使用体验感到兴奋。
另一个重要研究领域是记忆，特别是将神经网络的决策能力同其对复杂结构化数据的储存和推理能力相结合的挑战。我们在差分神经机上的工作——这是我们在十八个月内第三篇登上《自然》的文章——描述了可以同时以神经网络和记忆数据计算机的模式进行学习的模型。这些模型已经能够掌握如何回答诸如族谱图和地铁线路图的数据结构等问题。这些进步让我们距离使用AI在复杂数据集中进行科学发现的目标更近了一步。
除了扩展这些系统的能力范围，我们还投入了大量时间来改进它们的学习方式。名为《用无监督辅助任务进行增强学习（Reinforcement Learning with Unsupervised Auxiliary Tasks）》的论文描述了将某些任务的学习速度提高一个数量级的方法。鉴于高品质培训环境对客户的重要性，我们向大家开放了我们顶级的DeepMind Lab研究环境，并与暴雪游戏合作，为《星际争霸II》开发AI训练环境。
以上所述只不过是冰山一角。要了解更多，你可以参阅我们发表在Neuron、PNAS等顶级期刊上的论文，以及在ICLR、NIPS等机器学习会议上发表的论文。看到社区中的其他人已经开始参照这些论文进行建设是令人惊奇的。围棋计算机程序在2016年下半年迎来复兴，此外我们还见证了AI和机器学习适用领域的不断扩展。
研究给现实世界带来的影响也同样令人惊讶。我们谷歌数据中心的合作伙伴使用类似于AlphaGo的技术来开发数据中心冷却的新方法，使得建筑能源效率提高了15%。如果这些技术可以被拓展应用到其他大规模工业系统中去的话，将会产生巨大的环境和成本效益。我们与谷歌很多团队合作，将我们的前沿技术应用在产品和基础设施中，这只是一个其中例子。我们与英国两家NHS医疗团体合作将机器学习带入医疗领域，探索如何使用技术实现更好的诊断和治疗。还同另外两家医疗团体探索在移动应用和基础设置上的应用，以期改善临床一线的护理条件。
科技的积极社会影响并不只是致力于解决现世问题，同时还涉及算法与模型的设计、培训和部署。我们还很荣幸地参与创建人工智能合作组织“Partnership on AI”。它致力于以非营利的方式将民间社会团体和学术界领先的研究实验室联系起来，有助于在算法透明度和安全性等领域的建设。通过促进经验和洞察力的多样化，我们希望能够帮助解决其中一些挑战，并寻找将社会目的置于AI社区价值核心的方法。
我们仍然是一个处在发展前期的年轻公司，如果2017年里我们可以在以下这三个方面——算法突破、社会影响和道德最佳实践——同时有所进展，那么我们将以良好的姿态继续给科学和世界作出贡献。
文章来源：人工智能学家
《机器读心术之神经网络与深度学习》通过学习熟悉神经网络技术和深度学习，懂得怎样运用到自己的实际工作，设计有一定规模的学习系统，智能化地解决某些场景的实际问题。个人技术能力和数据分析能力，知识见解有明显增长点击下方二维码查看课程详情