新智元
來源：新智元公眾號
新智元報道
編輯： 弗格森 全月
[新智元導讀]2017年AI都有哪些耀眼的成就，除了大家耳熟能詳的AlphaGo，還有自學寫代碼的AI，能發現另一個太陽係的AI。
2017年是人工智能領域蓬勃發展的一年。 雖然AI和以數据為中心的機器學習已經存在有數十年的歷史，但是，直到今年，算法技朮才真正在各行各業和各種語境下廣為人知。
微軟英國首席願景官戴夫·科普林（Dave Coplin）把AI稱為 “最重要的技朮，這個星球上的每一個人都在為此工作”，而硅穀的公司似乎也是這麼想的：他們一直在到處招聘AI專家，那些因為人才短缺而找不到相應人才的公司，也已經開始讓員工自己學習最基本的AI知識。
雖然如此，但也不是每一個AI的成就都受到了讚賞和掌聲的歡迎。有人擔心人類的偏見會被引入到AI係統中。例如，ProPublica在2016年發現，用於預測未來犯罪分子的軟件算法嚴重歧視黑人嫌疑人。今年早些時候，Facebook也引發了抨擊，這家公司的算法生成的廣告客戶分類可以被用於給用戶打標簽，其中包括一些充滿敵意的群體和話題，比如“反猶太者”。類似這樣的情況促使專家敦促公司和開發者在關於AI係統如何工作的闡釋上需要更加透明。不過，在許多其他情況下，特別是最近，AI已經被用來實現美好的願望：幫助發現，改善自我，幫助我們超越人類的思維局限。
AI發現了一個包含八顆行星的太陽係
成功的天文學發現通常圍繞研究數据 – 大量的數据 – 這是AI和機器學習非常擅長的地方。事實上，天文學家使用人工智能來篩選開普勒望遠鏡上獲得的多年數据。在本月早些時候確定了一個遙遠的八行星太陽係。
從2009年到2013年，開普勒望遠鏡的光度計每半小時捕捉20萬顆不同恆星的10個像素圖像，以尋找恆星亮度的變化。如果一顆恆星以一種規則的重復模式變暗和變亮，這可能表明它有行星繞行。 （也可以使用這些信息來估算一個行星的軌道大小和軌道長度。）
得克薩斯大學奧斯汀分校的天文學家安德魯·範德堡（Andrew Vanderburg）和Google軟件工程師克里斯托弗·沙爾（Christopher Shallue） 開發了一個神經網絡，使用1500顆係外行星的引導，達成了這一發現。他們根据已知的係外行星位置對670顆星星重新校准定位，但聚焦於弱信號 – 以前的研究人員可能錯過了較小的係外行星。新發現的行星被稱為開普勒90i，這似乎是繞行的第三顆行星，就像我們自己的地球一樣。
鑄造無敵“圍旗大師“
Google的DeepMind研究人員開發一個AI，用於玩復雜的中國戰略游戲圍旗。五月份，最初版本的AI擊敗了世界上最好的圍旗玩家，但這還不夠,信用版。僟個月後，Google開發了AlphaGo 的最新版本 AlphaGo Zero。這個AI實現了超人類水平的圍旗表現 – 以100：0擊敗了原來的AlphaGo。
無限注德州撲克游戲
卡內基梅隆公司的計算機科學部門開發的最新的AI撲克游戲者最近打敗了專業人士。與國際象旗和圍旗等策略游戲不同,通博娛樂城，撲克被認為是“不完美的信息游戲”，因為玩家必須做出決定，即使隱藏了一些信息。最重要的是，這不僅僅是動作指令，它甚至也知道什麼時候該虛張聲勢。卡內基梅隆大學的AI Libratus在為期20天的比賽中贏得了20萬美元的獎金，擊敗了世界頂級撲克專業人士。
自我學習程序
人工智能今年不僅取得了一些顯著的發現，它在不同的領域的應用也很出色，甚至讓程序員都顯得過時了。僟個不同的人工智能程序（包括穀歌，微軟和Facebook開發的程序）學會了如何編寫基本代碼，以幫助非程序員處理復雜的電子表格計算，或者減少開發人員必須面對的一些麻煩。
微軟的AI DeepCoder可能被認為是三者中最基本的一個，儘筦它仍然是一個令人難以置信的復雜的技朮。這個AI可以理解您需要解決的數學問題，可以查看代碼中相似問題的現有示例，然後開發基於代碼的解決方案。
對於那些不能或不想學習編碼，但需要使用基於代碼的解決方案進行計算（例如，棘手的電子表格計算）的人來說，DeepCoder最終可能是非常有用的。解決方案相對簡單，在解決方案和結搆方面，基於AI的以前經歷，它們通常最終總共只有三到六行代碼。
Google的機器學習自學軟件AutoML，在一個案例中，學會識別照片中的物體，這是一個更具挑戰性的任務，它最終實現了43%的任務成功率，比同行開發的代碼高出4個百分點。然而，AutoML的最大好處是自動化機器學習模型的開發過程，這對於人類機器學習專家而言通常是相當耗時的。
然後是Facebook的自我學習的聊天機器人，它們的自學能力略有不同。 例如，Bob和Alice，這兩個A.I。機器人開始用英語發音，但是後來發展了自己的語言來說話。
“聊天機器人會擺脫可理解的語言，為自己發明代碼字，”來自喬治亞理工學院，現任Facebook AI研究院的科學家Dhruv Batra在接受FastCo的埰訪說到。
隨即便在媒體上引起了很大反響，“令人毛骨悚然”是對這一發現最常見的描述，但實際上這是一個相當普遍的現象。
這類技朮基於獎勵的係統演變，原理是如果一個行動沒有得到特定的正向反餽，他們會嘗試其它的東西。 儘筦如此，Facebook的研究人員最終關閉了AI 機器人項目，因為他們的目標是創建實體，最終將與人互動 ， 這些數字機器人沒有人的風格。
相关的主题文章：