3月:AlphaGo大胜人类棋手,深度学习加速
相关报告
- 2015-2020年中国车联网导航行业运行研究及市场投资发展分析报告(2015-05-27)
- 2016-2022年中国车联网导航区域行业市场调查研究及发展分析报告(2015-11-04)
- 2015-2019年车载摄像头项目商业计划书(2014-10-27)
- 2015-2020年中国车载摄像头行业市场调查研究及投资发展分析报告(2015-05-27)
- 2016-2022年中国车载摄像头区域行业市场调查研究及发展分析报告(2015-11-04)
- 2016-2022年中国车载摄像头行业市场深度调查研究及投资咨询报告(2015-11-30)
- 2015-2019版车载摄像头行业企业建设项目可行性研究报告(2014-10-27)
- 2014-2018年中国车联网行业市场深度剖析及投资前景趋势研究报告(2014-01-05)
- 中国车联网导航行业市场深度调查研究及投资咨询报告(2018-08-05)
- 2015-2019年中国车载摄像头业兼并重组及投资建议研究分析报告(2014-10-28)
AlphaGo大胜人类棋手,深度学习算法进步神速。2016年3月9日至15日间,由“谷歌深度学习”开发的人工智能AI“AlphaGo”,与世界著名围棋选手李世石进行对决;除了13日李世石以白78“神之一手”取胜外,其余各局均以AlphaGo战胜李世石告终,使得比赛最终以4:1划上句号。
AlphaGo=模拟人脑的卷积神经系统+普适性的深度强化学习模型。(1)卷积神经网络(ConvolutionalNeuralNetwork,CNN),是AlphaGo的基础架构,由谷歌旗下人工智能公司DeepMind开发,曾在大型图像处理上表现优异。与早期“深蓝”系统不同,AlphaGo是一个由许多个数据中心作为节点相连、每个节点内有着多台超级计算机的神经网络系统,能够与由50-100亿个神经元所组成的人脑相类比。(2)深度强化学习模型(DeepQ-Learning,DQN),是AlphaGo的运行机制。深度学习是指,在持续外生刺激下,逐步形成对未来刺激的预期,以产生能获得最大利益的习惯性行为。在AlphaGo中,效用函数(valuefunction)用以判断,策略函数(policyfunction)用以决策下一步行为,是一个具有普适性的算法模型。
AlphaGo的架构

AlphaGo:不是终点,而是起点。AlphaGo进步神速,表明深度学习算法的固化速度或将超预期。期待“一般性学习算法”,运用于无人驾驶、智能识别等多领域。从2011年到2014年,人工智能在图像识别中的错误率,从近25%快速下降至不足5%;应用人工智能抓取数据的准确率,也稳步升高至近1%。此次对战来看,上年10月AlphaGo的棋力评估仍显著低于李世石,3月的对战中却能全面压制,表明AI技术成熟速度超预期,带动无人驾驶产业化全面加速。
人工智能在图像识别中的错误率

应用人工智能抓取数据的准确率


AlphaGo棋力测评(截止2015年10月)

本文地址:http://www.zwzyzx.com/show-269-221490-1.html
相关资讯
- 劳动关系管理信息系统前台技术支持商名单(2014-05-29)
- 智能交通系统市场分析(2016-06-21)
- VR具备IT产品的成功因素:有效提升社会效率(2016-07-25)
- 电子行业的周期性分析(2016-09-30)
- 国防军工:军费中武器装备占比稳中有升(2016-08-10)
- 国内IC下游行业的快速发展(2014-08-08)
- 影响信息技术服务行发展的不利因素(2016-01-08)
- PCB产业下游工业控制行业发展规模及状况(2014-12-23)
合作媒体
最新报告
定制出版
热门报告
免责声明
中为咨询所引述的资料是用于行业市场研究以及讨论和交流,并注明出处,部分内容是由相关机构提供。若有异议请及时联系本公司,我们将立即依据相关法律对文章进行删除或作相应处理。查看详细》》



