至顶网软件频道消息:
DeepMind科技有限公司的阿尔法狗在古老的围棋游戏中超过了所有的人类玩家,但是这家Alphabet有限公司旗下的实验室还在继续改进其人工智能冠军。在今天发表的一篇新的研究论文中,DeepMind展示了阿尔法狗在过去两年中的进步情况:它现在已经如此聪明,可以在几乎完全没有人类资源的情况下学习。
DeepMind在《Nature》杂志上发表了一篇题为《不借助人类知识精通围棋游戏》的新论文,并介绍了新的AlphaGo Zero。与以前版本的阿尔法狗不同——之前版本的阿尔法狗是通过分析从人类玩家的真实围棋棋谱中提取的数据来进行学习,而AlphaGo Zero则完全是通过自行随机游戏,自主地学习游戏规则的。
AlphaGo Zero和之前的版本还有一些其他的不同。例如,新版本通过计算机视觉使用白色和黑色棋子作为输入,而不是依赖于定制设计的输入。AlphaGo Zero还只使用了一个神经网络而不是两个神经网络,它依靠该网络来评估位置,而不是针对可能的下法使用快速走子的方法。
Alphabet为了一个棋盘游戏投入了这么大量的研究看起来可能显得很奇怪,但是AlphaGo Zero的成功证明了未来人工智能可以在没有大量数据的情况下被训练的可能性。这在真实数据稀缺或难以收集的领域(如执法或医学领域)中将是一个主重大的优点。
事实上,对机器学习的一个一直存在的批评是,和儿童相比,它要想识别对象所需要的数据和能源要多得多。这表明在机器学习领域占据领导地位的深度学习神经网络近年来在图像和语音识别方面的突破远不能真正地模仿人类的大脑。
DeepMind认为,AlphaGo Zero代表了构建可以解决困难问题的人工智能的重大进步,同样的强化学习方法也可以应用于广泛的用例。
DeepMind首席执行官Demis Hassabis和研究科学家David Silver在一篇博文中表示,“在数百万局阿尔法狗与阿尔法狗对弈的过程中,系统从头开始逐渐学习了围棋的游戏,在短短几天内累积了人类数千年的知识。”他们表示,“AlphaGo Zero还发现了新的知识,开发非常规的策略和创新的下法,回应并超越了在同李世石和柯洁对弈时使用的技术。”
虽然研究人员表示虽然为时尚早,但AlphaGo Zero构成了迈向最终目标的“关键步骤”。他们表示:“如果类似的技术可以应用于其他结构化问题,如蛋白质折叠、减少能源消耗或寻找革命性的新材料,这些突破将有可能会产生积极的社会影响。”
好文章,需要你的鼓励
瑞典央行与金融机构及国家安全部门深化合作,共同应对网络威胁。今年5月,瑞典遭遇大规模分布式拒绝服务攻击,政府和金融机构受到严重冲击。总理克里斯特松承诺增加资金支持,建立更强大的公私合作伙伴关系。央行将举办第二届在线网络安全挑战峰会,鼓励金融机构提升网络安全能力。瑞典金融协会敦促建立危机管理机制,与国家网络安全中心等机构协调配合。
字节跳动发布Seedream 4.0多模态图像生成系统,实现超10倍速度提升,1.4秒可生成2K高清图片。该系统采用创新的扩散变换器架构,统一支持文字生成图像、图像编辑和多图合成功能,在两大国际竞技场排行榜均获第一名,支持4K分辨率输出,已集成至豆包、剪映等平台,为内容创作带来革命性突破。
工作压力源于大脑储存混乱而非系统。本文介绍5个ChatGPT提示词,帮你将工作压力转化为结构化行动:优先级排序任务清单、快速撰写专业邮件回复、从冗长文档中提取关键信息、生成问题解决方案、高效准备会议内容。通过系统化处理工作事务,将分散的精力转为专注执行,让大脑专注于决策而非重复劳动。
红帽公司研究团队提出危险感知系统卡(HASC)框架,为AI系统建立类似"体检报告"的透明度文档,记录安全风险、防护措施和问题修复历史。同时引入ASH识别码系统,为AI安全问题建立统一标识。该框架支持自动生成和持续更新,与ISO/IEC 42001标准兼容,旨在平衡透明度与商业竞争,建立更可信的AI生态系统,推动行业协作和标准化。