alphago

　　 NBA 的大结局可能是什么？是时候将一位油管博主的创作纳入其中了。 　　 在一个名为 “Stuff Made Here” 的频道，名叫 Shane Wighton 的国外老哥展示了这样一块神奇篮板—— 无论球砸到篮板的哪个位置，都能被反弹进入篮筐 。 看看这个演示效果： 　　 　　（来源：YouTube） 　　或许很多人会认为，和全球数以万计的因新冠疫情被困家中的工程师一样，Wighton 只不过是又做出了一个无聊的产物。 　　要打造一块百发百中的篮板绝非易事。 　　因为每次投篮的角度不一样，球撞击篮板的运动轨迹就会发生变化，加上重力的影响， 在 Shane Wighton 创造出来的篮筐之前，我们很难想象一个百发百中的篮板会是什么样。 　　那么，这位工程师又是如何实现的？ 　　 　　（来源：YouTube） 　　现在我们所看到的篮球框，本身就已经是经过工程学设计的产品，只有击中特定的区域才会进篮，因此成为篮球运动员的核心竞争力，如果要将其设计成能够百发百中， 意味着只要将球抛向并击中篮板，这个篮筐就可以将球“引导”到筐中。 　　 　　（来源： YouTube） 　　根据 Shane Wighton 在视频中的介绍，他首先考虑的就是要摒弃这种不能“引导”篮球的平板设计。因为平板的设计意味着篮球只有打在特定的位置才能进篮筐。 　　 　　图丨iPad 在 Shane

作者|Peter Yu 编译|Flin 来源|towardsdatascience 最近，我一直在寻找方法来加快我的研究和管理我的实验，特别是围绕着写训练管道和管理实验配置文件这两个方面，我发现这两个新项目叫做PyTorch Lightning和Hydra。PyTorch Lightning可以帮助你快速编写训练管道，而Hydra可以帮助你有效地管理配置文件。 PyTorch Lightning： https://github.com/PyTorchLightning/pytorch-lightning Hydra： https://hydra.cc/ 为了练习使用它们，我决定为Leela Zero( https://github.com/leela-zero/leela-zero ) 编写一个训练管道。我这样做，是因为这是一个范围很广的项目，涉及到使用多个gpu在大数据集上训练大型网络，可以说是一个十分有趣的技术挑战。此外，我以前曾经实现过一个更小版本的AlphaGo国际象棋（ https://medium.com/@peterkeunwoo/beating-my-brother-in-chess-cb17739ffe2） ，所以我认为这将是一个有趣的业余项目。 在这个博客中，我将解释这个项目的主要细节，以便你能够轻松理解我所做的工作。你可以在这里阅读我的代码: https:/

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 图灵的毒苹果 1954年6月7日，艾伦·麦席森·图灵被发现死在家中。剥夺图灵生命的是一只沾有氰化物的苹果，尽管他母亲坚持这是一桩意外——因为图灵的住所常常散落着各种危险化学试剂，但大多数人都认为，这是图灵难以忍受侮辱而做出的选择。 两年前，图灵因同性恋取向而被英国政府定罪，随后在接近长达一年的时间里一直进行着所谓的“荷尔蒙疗法”，即接受雌激素注射，伴之而生的乳房发育等副作用让他饱受折磨、痛苦不堪。* 图灵的早逝无疑是人类历史上的一个巨大损失。作为“计算机之父”、“人工智能之父”，图灵在计算机科学与人工智能领域有诸多贡献，他提出的“图灵机”设想启发了现代计算机的发明，而其更著名的“遗产”，是一种用于判定机器是否具备智能的测试方法，即“图灵测试”。 图片来源于网络 在1950年发表的《机器能思考吗？》一文中，图灵第一次提出“机器思维”的概念，他大胆假定机器将产生思考能力，并给出了测试方法：假如一台机器通过电传打字机与人沟通，如果有超过30%的人无法在特定时间（5分钟）内分辨出与自己交谈的是人还是机器，即可认为该机器具有思考能力。图灵还预言，到2000年时，将出现足够聪明的机器能够通过测试。 这一测试的聪明之处在于，“意识”、“思维”、“智能”都是难以通过定义来阐释的东西

截至2019年底，我国人工智能核心产业的规模超过510亿元，人工智能企业超过2600家。与此同时，AI+制造、交通、商圈、文旅、政务、园区、金融等一批应用场景也在全力打造中。不少人工智能企业正紧抓“AI+新型基建”的契机展开卡位赛。我国逐步走出了一条由需求导向引领商业模式创新、市场应用倒逼基础理论和关键技术创新的发展路径。 几年前还经常存在于新闻或者故事中的人工智能技术，现如今已普遍走进的我们的生产生活中，比如手机中的智能语音助手、解锁时的人脸识别等。 在今年突发新冠肺炎疫情期间，人工智能技术在抗疫过程中发挥着重要作用，产业发展明显提速。人工智能测温结合人脸检测和红外热成像技术，通过精确定位人脸满足“大规模人群”的远距离测温，实现快速、大面积安全排查，提升效率、节约人力的同时还大大降低一线工作人员被感染的风险；智能机器人承担部分预诊、巡房、递送、消毒等大量简单却又耗力的流程化工作，减少医护人员工作量、降低医患交叉感染风险，同时也节约了医疗资源；肺炎诊断人工智能系统平台能够快速响应并给出诊断报告，帮助医生更快排查筛选“高度疑似肺炎患者”，减少患者的排队时间和院内交叉感染的风险；“智能语音外呼平台”帮助基层社区开展疫情排查等工作。一对一电话呼叫、收集信息、形成报告，一小时最多可外呼5000个以上的电 号 ，效率超人工1000倍；科技公司向科学家开放AI算法资源，大大提升了病毒分析

　　 如果有一台机器人，几乎可以通过 “自学” 的方式，完成人类 80%-90% 的日常工作和任务， 你信吗？ 　　或许你会说，人类可以做到的事，机器人为什么不可以？ 　　但很显然，我们 如今看到的机器人，功能单一，远远达不到我们对智能的期望，也满足不了现实中对任务和场景自适应的需求。 　　 如今，我们会根据不同的任务和场景设计各种机器人和相应的算法，但由于外部变量空间太大，同一机器人在不同任务或操作之间的可迁移性较弱，不能替人类完成各种各样的任务。 　　一直以来， “通用智能” 被认为是一个很好的技术解决方案 ，具备与人类同等智慧或超越人类的人工智能，能表现出正常人类所具有的所有智能行为，可以为机器人提供一个统一的模型，一直都是人工智能行业内的学者、科研机构和企业的追求。 　　但是， 要实现机器人在多领域内的通用，这项技术还需要一个载体 — — “通用智能本体” ，其可以在很大程度上提高机器人对不同任务的可迁移性。 　　事实上， 人本身就是一个通用智能本体。 要像人一样，通用智能本体需要对其所在环境（特别是操作对象）有深度的理解。 　　近期，上海交通大学与非夕机器人科技联合在《中国工程院院刊》上发表了 “通用智能本体” 的论文，提出基础理论概念。论文作者 卢策吾教授告诉 DeepTech，“通用智能本体是机器人（至少是通用机器人）的终极目标。通用智能本体不仅能看懂（人类的行为）

谷歌旗下人工智能公司 DeepMind 发布了一篇新论文，它讲述了团队如何利用 AlphaGo 的机器学习系统，构建了新的项目 AlphaZero。AlphaZero 使用了名为「强化学习」（reinforcement learning）的 AI 技术，它只使用了基本规则，没有人的经验，从零开始训练，横扫了棋类游戏 AI。 今天，我们就给大家介绍一个GitHub上的有趣项目——用机器学习训练AI下五子棋。 这是一个将 AlphaZero 算法应用在五子棋的实现，由于五子棋相比围棋或国际象棋简单得多，所以只需几个小时就可以训练出一个不错的 AI 模型。 从上面的对局样例可以看到，AI 已经学会了怎么下五子棋，知道什么时候要去堵，怎么样才能赢，按我自己对阵 AI 的感受来说，要赢 AI 已经不容易了，经常会打平，有时候稍不留神就会输掉。 有兴趣的朋友可以移步项目地址：https://github.com/junxiaosong/AlphaZero_Gomoku 如此强的AI，你不来一局吗？ 来源： oschina 链接： https://my.oschina.net/u/4329429/blog/4325018

随着人工智能的巨大进步 – 从无人驾驶汽车领域的进步，到掌握扑克和围棋等游戏，以及自动化客户服务交互 – 这项先进技术将为企业带来革命性的变化。但是，AI，机器学习和深度学习这两个术语经常被随意使用，并且可以互换使用，因为每种技术之间存在重大差异。以下是这三种工具之间差异的指南，可帮助您掌握机器智能。 人工智能（AI） 人工智能是思考先进计算机智能的最广泛途径。1956年在达特茅斯人工智能会议上，该技术被描述为：“学习的每一个方面或智能的任何其他特征原则上都可以被精确地描述，以便机器可以被模拟。” 人工智能可以指任何从玩象棋游戏的计算机程序到亚马逊Alexa解释和响应语音的语音识别系统。该技术大致可以分为三类：狭义人工智能，人工智能（AGI）和超智能人工智能。 IBM的Deep Blue在1996年的比赛中击败国际象棋大师Garry Kasparov，或者在2016年击败了Lee Sedol的Google DeepMind的AlphaGo，它们都是狭义AI-AI的例子，它们擅长于一项特定任务。这与人工智能（AGI）不同，后者是人工智能，可以执行一系列任务。 超级智能AI让事情更进一步。正如尼克·博斯特罗姆所描述的那样，这是“在几乎所有领域都比人类最优秀的智慧更聪明的智慧，包括科学创造力，一般智慧和社交技巧。” 换句话说，就是机器超过了我们。 机器学习（ML）

人工智能的概念自 1956 年的达特茅斯会议诞生至今，曾经受到万众瞩目，也曾陷入低谷，黯淡无光。 2016 年人工智能机器人AlphaGo 战胜韩国九段围棋国手李世石之后，人工智能强势进入大众视野。 万物皆可人工智能的时代已经到来，但是，你真的了解人工智能吗？你知道人工智能是如何与商业碰撞迸发出火花的吗？你知道人工智能如何从数据中产生价值的吗？ 理解事物，就要抓住其核心理念。 大赚 1 000 亿美元的秘密 如果你读过《从 0 到 1》这本书，应该对 PayPal 这个公司有所了解——硅谷创投教父、PayPal 创始人彼得· 蒂尔便是这本书的作者。另外，PayPal 黑帮（PayPal Mafia）的说法也由来已久。2002 年的时候，eBay（亿贝）以 15 亿美元的价格收购了PayPal，当时 PayPal 公司的许多重要员工纷纷选择创业，自立门户。PayPal 也因此成为硅谷史上创业者群体最多的一家公司，这些人被称为 PayPal 黑帮。 PayPal 是美国一家提供在线支付服务的公司。马云当年受PayPal 的启发，创立了支付宝。PayPal 近几年市值的增幅非常显著，远高于同期纽交所和纳斯达克的增幅。PayPal 公司 2015 年的市值接近 400 亿美元，到 2019 年上半年市值增加至 3 倍多，已经快 1 300 亿美元了——这个体量的市值

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 编者按：本文来自微信公众号“资本侦探”（ID:deep_insights），作者：李婷婷，36氪经授权发布。 核 心 要 点 近几年人工智能风口再起，实际上是技术发展、数据沉淀以及场景延展等多个因素，厚积薄发的结果。 人工智能商业化变现困难的根本原因，仍是底层研究的制约下难以规模化落地的现实。 新基建的加持，对于人工智能底层研究的投入、应用场景的拓展等将大有裨益。 能让马云、马化腾、李彦宏等业界大佬共同看好的方向，除了人工智能，可能很难找到第二个。 在7月9日举行的2020世界人工智能大会云端峰会上，“三马”（马云、马化腾、马斯克）、“二宏”（李彦宏、张文宏）少见地隔空同台。此外，还有包括七位图灵奖得主、一位诺贝尔奖得主在内的550多位业界、学术界嘉宾汇聚一堂。 大会上，以联合国数字合作高级别小组联合主席的身份出席的马云，就疫情期间社会经历的大动荡发表了自己的感悟，他认为，世界已经巨变，技术变革提前并且加速，与其担忧，不如担当，“为活下去而做的创新才是真正最强大和不可阻挡的动力”。 马云有此感叹，一定程度上是因为在疫情危机中，依赖人力、线下运转的传统行业遭受极大冲击，以人工智能为代表的新兴科技彰显出其重要性与必须性。例如，复旦大学附属华山医院感染科主任张文宏提到，

人工智能的发展经历了2016年AlphaGo打败人类后的狂热、2018年由于实际落地困难带来的失望、2019年Deepfake假视频等伦理问题显现，过去一年开始进入稳步落地阶段。在全球抗疫的大背景下，我们看到，医疗影像辅助诊断、服务机器人、新药开发等AI在医疗场景的应用未来有望加速。与此同时，随着健康码等联系人追踪应用的普及，以及国家明确数据成为数字经济时代生产要素，如何规范和促进数据使用成为发展人工智能的重要课题。我们认为，除了加速大数据立法以外，联邦学习、隐私计算等技术手段的普及也是加速后疫情时代人工智能发展的重要一环。 AI投资向中后期转移，或将迎来上市潮 随着AI技术和商业模式的逐渐成熟，我们看到2017年以来中国AI行业私募股权投资中，早期投资频次比例逐年下降、中后期投资比例则逐步提升，同时投资开始向头部的成熟企业集中，投资颗粒度不断变大。整体来看，资金主要投向计算机视觉、自然语言处理等技术，以及企业服务、机器人等应用场景。而2019年以来，我们看到AI投资更加关注芯片、服务机器人等硬件，以及企业数字化转型、工业互联网、零售等新场景。我们相信，随着科创板改革的深化，AI企业上市融资的政策条件已趋于成熟，AI公司或将在不久的将来迎来上市潮。 疫情期间，我们看到 AI请添加链接描述 已经在诊前、诊中、诊后全阶段中发挥重要作用：1）诊前：红外测温仪高效筛查体温异常者