人工智能玩電子游戲并沒有什么稀奇的。艾倫·圖靈早在 1947年就開發(fā)出了象棋程序，盡管當(dāng)時(shí)的計(jì)算機(jī)不能運(yùn)行這一程序。如今電子游戲的特 點(diǎn)是有大量非玩家控制角色，這一編程將簡(jiǎn)單的規(guī)則結(jié)合起來產(chǎn)生復(fù)雜的行為。這樣看來， DeepMind的人工智能玩游戲又有什么特別的呢？ 針對(duì)這個(gè)問題的回答有兩個(gè)。一是DeepMind的人工智能會(huì)逐漸變得更加成熟。就像見證 孩子逐漸長(zhǎng)大一樣，如果一直盯著計(jì)算機(jī)看，很難察覺到它的變化。然而，每隔50多次游戲 再看一下，效果是十分驚人的。開始的時(shí)候，DeepMind的人工智能在《打磚塊》游戲中的表 現(xiàn)簡(jiǎn)直糟透了，簡(jiǎn)單的擊球都做不好，而且它似乎并不清楚狀況，就好像是把PS4（索尼 第四代游戲主機(jī)）手柄交到90歲的老奶奶手里，并希望她立刻知道應(yīng)該做什么一樣。雖然它 也會(huì)偶爾得分，但即使**樂觀的旁觀者也只能稱之為運(yùn)氣。當(dāng)人工智能超越我們通常所說的計(jì)算機(jī)系統(tǒng)的限制并跟隨我們一起進(jìn)入現(xiàn)實(shí)世界時(shí)，到底會(huì)發(fā)生什么？新疆美的人工智能就業(yè)

西蒙的預(yù)測(cè)后來無望地落空了，但事實(shí)證明，有關(guān)紐約世博會(huì)的第二種表現(xiàn)就是：IBM 當(dāng)時(shí)并沒有錯(cuò)。盡管我們堅(jiān)持認(rèn)為人工智能尚未普及，但1964年令人驚掉下巴的三項(xiàng)技術(shù)如 今已司空見慣。光學(xué)掃描和信息檢索已演變成互聯(lián)網(wǎng)，讓我們?cè)谝凰查g獲得的信息比原本一 生可能獲得的信息還要多。雖然我們?nèi)匀粺o法預(yù)見未來，但是基于用戶不斷預(yù)測(cè)我們可能感 興趣的新聞故事、書籍或歌曲所生成的巨大數(shù)據(jù)集，我們正在人工智能方面取得巨大的進(jìn) 展。這種預(yù)測(cè)的連通性不僅限于傳統(tǒng)意義上的計(jì)算機(jī)，而且還通過大量智能傳感器和設(shè)備嵌 入到了周圍的設(shè)備、車輛和建筑中。江蘇人工智能就業(yè)前景排名普通搜索引擎通常會(huì) 給用戶提供一個(gè)與所問問題的答案有關(guān)的文檔清單或網(wǎng)頁(yè)。

神經(jīng)網(wǎng)絡(luò)在21世紀(jì)中葉迎來了又一次重大進(jìn)展。2005年，杰夫·辛頓在多倫多大學(xué)任教， 此前不久，他一直在英國(guó)倫敦大學(xué)學(xué)院工作，在那里建立了蓋茨比計(jì)算神經(jīng)科學(xué)組。這時(shí)， 人們已經(jīng)清楚地認(rèn)識(shí)到，互聯(lián)網(wǎng)能夠生成大量數(shù)據(jù)集，這在10年前是想都不敢想的。如果說 以前的研究人員面臨的問題是沒有足夠的數(shù)據(jù)來對(duì)系統(tǒng)進(jìn)行適當(dāng)?shù)挠?xùn)練，那么互聯(lián)網(wǎng)的興起則改善了這一狀況。如今，據(jù)國(guó)際數(shù)據(jù)公司等研究公司估測(cè)，目前網(wǎng)上在線數(shù)據(jù)量約為 4.4澤字節(jié)[1]。記者史蒂夫·洛爾（Steve Lohr）在其所著的極為有趣的《數(shù)據(jù)論》一書中指 出，如果能將這些數(shù)據(jù)輸入iPad Air（蘋果超薄平板電腦）中，那么產(chǎn)生的堆棧將能夠覆蓋 地球到月球距離的2/3。

DeepMind的人工智能可以玩的游戲并不只有《打磚塊》。它玩的游戲是《太空入侵 者》（Space Invaders），在掌握極少信息的情況下還學(xué)會(huì)了其他48個(gè)游戲，包括拳擊模擬 器、武術(shù)游戲甚至是3D（三維）賽車游戲。然而，要想突破電子游戲的“微型世界”還有很長(zhǎng) 的路要走。但這仍是一項(xiàng)驚人的成就，為人工智能的下一步發(fā)展指明了方向。下一步發(fā)展是 什么？按照DeepMind的宗旨，下一步就是“解決人工智能”。實(shí)現(xiàn)以自主學(xué)習(xí)的方式創(chuàng)建新的人工智能。如果人工智能的目標(biāo)是建造可以模仿人類智能的機(jī)器，那么擁有抽象思維能力明顯就 是第二步了。

人類的與眾不同之處就在于能夠?qū)W習(xí)，這也一直是傳統(tǒng)人工智能一直努力要實(shí)現(xiàn)的。描述的系統(tǒng)只有在能夠遵從規(guī)則時(shí)進(jìn)行學(xué)習(xí)，這些知識(shí)是從“知識(shí)工程師”的知識(shí)中提 煉并編入系統(tǒng)架構(gòu)的。它是對(duì)知識(shí)自上而下的一種想象，并暗示一個(gè)假設(shè)，即機(jī)器不能自動(dòng) 學(xué)習(xí)知識(shí)。相反，必須將知識(shí)進(jìn)行編程，而且一次編一條。這一點(diǎn)在很多情況下都能夠很好 地實(shí)現(xiàn)，進(jìn)而在可接受的水平上完成有限的任務(wù)。隨著解決方案的增多，問題也開始顯現(xiàn)。 像官僚機(jī)構(gòu)一樣，它們開始變得龐大、笨拙、緩慢而且昂貴。隨著人工智能變得更加智能，關(guān)注創(chuàng)造力和社交智能等人類特性將變得更加重要。河北一本的人工智能就業(yè)

人工智能能夠使你的設(shè)備聯(lián)合起來，從而實(shí)現(xiàn)長(zhǎng)期的且更加復(fù)雜的目標(biāo)。新疆美的人工智能就業(yè)

辛頓實(shí)驗(yàn)室的兩名成員喬治·達(dá)爾（George Dahl）和阿 卜杜勒–拉赫曼（Abdel-rahman Mohamed）迅速論證了該系統(tǒng)不僅能夠進(jìn)行圖像 識(shí)別，還能夠進(jìn)行語音識(shí)別。2009年，倆人將其新創(chuàng)建的語音識(shí)別神經(jīng)網(wǎng)絡(luò)與已經(jīng)使用了30 多年的行業(yè)標(biāo)準(zhǔn)工具放到一起一較高下，結(jié)果是，深度學(xué)習(xí)網(wǎng)絡(luò)獲得了勝利。這時(shí)，谷歌邀 請(qǐng)辛頓的一位博士生納瓦迪普·杰特列（Navdeep Jaitly）修補(bǔ)谷歌的語音識(shí)別算法。看了一 眼之后，他建議用深度神經(jīng)網(wǎng)絡(luò)取代整個(gè)系統(tǒng)。盡管一開始持懷疑態(tài)度，但杰特列的老板還是同意讓他嘗試一下。事實(shí)證明，新的程序比谷歌精心調(diào)試數(shù)年的系統(tǒng)表現(xiàn)還要出色。2012 年，谷歌將深度學(xué)習(xí)語音識(shí)別程序嵌入安卓移動(dòng)平臺(tái)，錯(cuò)誤率與之前相比立刻下降了25%。新疆美的人工智能就業(yè)

成都深度智谷科技有限公司位于中國(guó)(四川)自由貿(mào)易試驗(yàn)區(qū)成都天府一街369號(hào)1棟2單元17樓1715號(hào)。公司業(yè)務(wù)分為人工智能培訓(xùn)，深度學(xué)習(xí)培訓(xùn)，AI培訓(xùn)，AI算法工程師培訓(xùn)等，目前不斷進(jìn)行創(chuàng)新和服務(wù)改進(jìn)，為客戶提供良好的產(chǎn)品和服務(wù)。公司將不斷增強(qiáng)企業(yè)重點(diǎn)競(jìng)爭(zhēng)力，努力學(xué)習(xí)行業(yè)知識(shí)，遵守行業(yè)規(guī)范，植根于教育培訓(xùn)行業(yè)的發(fā)展。深度智谷憑借創(chuàng)新的產(chǎn)品、專業(yè)的服務(wù)、眾多的成功案例積累起來的聲譽(yù)和口碑，讓企業(yè)發(fā)展再上新高。