A.I.工具在2016年出来的实验室

2021-11-30 14:46:02来源:

你应该是“t人思考计算机:他们不喜欢它。

那个笑话至少与深蓝色的胜利一样古老,1997年的胜利当时的世界国际象棋冠军加里·卡斯帕罗夫,但即使在那个时候在人工智能领域制作的巨大进步,我们仍然不太近不得不担心关于计算机“感受。

计算机可以分析我们在社交媒体中表达的情绪,并面对机器人的项目表达,让我们相信他们感到高兴或生气,但没有人认真相信,但他们“有”感情,他们可以体验他们。

另一方面,A.I的其他领域在过去的12个月内看到了硬件和软件的一些令人印象深刻的进步。

深蓝色是一个世界一流的国际象棋对手 - 也是一个在它赢得的时候没有幸运的人,如果迷失了,或者在困境中休息。

然而,直到今年,电脑在另一场棋盘游戏中没有匹配人类。这一切都在3月份改变了alphago,由谷歌子公司Deepmind开发,击败Lee Sedol,那么世界上最强大的去参加者,4-1在五场比赛中。

alphano的秘密武器是一种称为强化学习的技术,其中一项课程为自己带来哪些行动使其更接近其目标,并加强这些行为,而无需由一个步骤正确地教授的人员。这意味着它可以反复对自身反对并逐步了解哪些策略更好。

强化学习技术已经存在了几十年,但才唯一的是,计算机已经有足够的处理能力(轮流测试每个可能的路径)和记忆(要记住哪些步骤导致目标)播放高 - 按照竞争速度的级别游戏。

更好的表演硬件也在其他方面移动了AI。

5月,谷歌揭示了其TPU(张量处理单元),是其Tensorflow深度学习算法的硬件加速器。ASIC(应用程序特定的集成电路)可以更快地执行机器学习中使用的计算类型,而不是甚至GPU的功率更快,并且谷歌已经在先前为硬盘驱动器保留的插槽中安装了数千个。

事实证明,TPU是如此迅速制作了alphago的事情之一,但谷歌还使用芯片加速街道视图中的映射和导航功能,并通过新的a.i改善搜索结果。工具名为RankBrain。

谷歌现在将其TPU保持自身,但其他人正在发布为A.I的硬件调整。应用程序。例如,微软已经配备了一些具有FPGA(现场可编程门阵列)的Azure服务器,以加速某些机器学习功能,而IBM正在针对类似的应用程序,其中一系列使用自定义硬件将其电源CPU链接的PowerAI服务器nvidia gpus。

对于想要部署尖端A.I的企业。无需开发从划痕本身的所有内容,轻松访问高性能硬件的技术是一个开始,但不够。云运算符认识到,也提供A.I.软件作为服务。亚马逊Web服务和微软的Azure都有两个增加的机器学习API,而IBM正在围绕云访问其Watson A.I构建业务。

这些硬件和软件工具是基于云的事实将有助于A.I.系统以其他方式。

能够存储和处理巨大的数据,仅适用于A.I.可以访问大量数据,从中学习 - 例如由云服务收集和传递的数据,例如,无论是有关天气,邮件订单交付,乘坐的请求或人民的信息的信息。

访问所有原始数据 - 而不是由以前几代人提供的人工培训师处理和标记的分钟子集。系统 - 是改变A.I的最大因素之一。根据斯坦福大学在接下来的100年的研究中,今天研究今天。

在有计算机时观看我们所做的一切,在线和关闭,以便学习如何与我们合作可能似乎令人毛骨悚然,它真的只在我们的脑海中。电脑不感觉到任何东西。然而。


返回科技金融网首页 >>

版权及免责声明:凡本网所属版权作品,转载时须获得授权并注明来源“科技金融网”,违者本网将保留追究其相关法律责任的权力。凡转载文章,不代表本网观点和立场,如有侵权,请联系我们删除。


相关文章