智能文明

顾骏、顾晓英、郭毅可等

目录

  • 1 计算机:人机交融的哲学基础与技术支撑何在?
    • 1.1 从工业文明到信息文明
    • 1.2 智能文明中的区块链
    • 1.3 智能文明中的机器智能
    • 1.4 机器智能的运行机制
    • 1.5 机器智能的问题与思考
    • 1.6 智能文明中的科学与哲学
  • 2 社会学:人工智能,人在哪里?
    • 2.1 如何学习“智能文明”这门课?
    • 2.2 人工智能是对人的模拟吗?
    • 2.3 人工智能模拟了人类吗?
    • 2.4 平行的人工智能会独立于人类吗?
    • 2.5 人类对人工智能的需要有边界吗?
    • 2.6 人机融合中的问题
  • 3 建筑学:人与机器如何一起为机器人设计住房
    • 3.1 人工智能+其他领域
    • 3.2 早期的智能建筑
    • 3.3 人工智能+建筑
    • 3.4 为机器人建造智能建筑
    • 3.5 物理空间与数字空间的融合
    • 3.6 人和机器的相互理解
  • 4 管理学:人机之间 “谁管谁”?
    • 4.1 人类能力的外化与机器的发展
    • 4.2 我与AI
    • 4.3 谁是管理者?管理者干什么?
    • 4.4 智能时代如何管理?
    • 4.5 人们需要做什么准备?
    • 4.6 如何解析人机管理问题?
    • 4.7 人机管理中的思考
  • 5 法学:法官的自由裁量权也让渡给机器人吗?
    • 5.1 司法审判需要人工智能
    • 5.2 司法裁判就是形式理性吗?
    • 5.3 司法裁判的结果与自由裁量
    • 5.4 机器人能自由裁量吗?
    • 5.5 机器人能体现法律精神吗?
    • 5.6 机器人如何公平正义地审判?
  • 6 经济学:智能小机器与市场大机器如何对接?
    • 6.1 市场的智能:看不见的手
    • 6.2 人工智能与经济学的关系
    • 6.3 人工智能对传统经济学的影响
    • 6.4 人工智能对生产生活方式的改变
    • 6.5 人工智能式的市场
  • 7 生命科学:人机融合之后生命的边界在哪里?
    • 7.1 科技对人类功能的补充
    • 7.2 意识与计算机的融合
    • 7.3 生命的边界
    • 7.4 自我意识与生命延续
  • 8 新闻学:机器推送下如何构建个人的世界?
    • 8.1 机器人新闻的产生与发展
    • 8.2 机器人新闻来了,记者会失业吗?
    • 8.3 算法新闻,真的那么好吗?
    • 8.4 追求真相:记者的价值
    • 8.5 在算法新闻的背后
  • 9 文学:人机融合有益于人性实现吗?
    • 9.1 关于诗词和艺术的校园故事
    • 9.2 人工智能的崛起与文学艺术上的表现
    • 9.3 机器人伴侣的两面与人类家庭日常的回归
    • 9.4 人类本性的追问与美好世界的呼唤
    • 9.5 人性化机器人的可能与极限
  • 10 阅读
    • 10.1 阅读
从工业文明到信息文明
  • 1 视频
  • 2 章节测验

AlphaGo

   阿尔法围棋(AlphaGo)是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人,由谷歌(Google)旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。

  2016年3月,阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战,以4比1的总比分获胜;2016年末2017年初,该程序在中国棋类网站上以“大师”(Master)为注册账号与中日韩数十位围棋高手进行快棋对决,连续60局无一败绩;2017年5月,在中国乌镇围棋峰会上,它与排名世界第一的世界围棋冠军柯洁对战,以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平,在GoRatings网站公布的世界职业围棋排名中,其等级分曾超过排名人类第一的棋手柯洁。

  2017年5月27日,在柯洁与阿尔法围棋的人机大战之后,阿尔法围棋团队宣布阿尔法围棋将不再参加围棋比赛。2017年10月18日,DeepMind团队公布了最强版阿尔法围棋,代号AlphaGo Zero。


   阿尔法围棋(AlphaGo)是一款围棋人工智能程序。其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入,通过非线性激活方法取权重,再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样,通过合适的矩阵数量,多层组织链接一起,形成神经网络“大脑”进行精准复杂的处理,就像人们识别物体标注图片一样。

   阿尔法围棋用到了很多新技术,如神经网络、深度学习、蒙特卡洛树搜索法等,使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说,阿尔法围棋系统主要由几个部分组成:一、策略网络(Policy Network),给定当前局面,预测并采样下一步的走棋;二、快速走子(Fast rollout),目标和策略网络一样,但在适当牺牲走棋质量的条件下,速度要比策略网络快1000倍;三、价值网络(Value Network),给定当前局面,估计是白胜概率大还是黑胜概率大;四、蒙特卡洛树搜索(Monte Carlo Tree Search),把以上这三个部分连起来,形成一个完整的系统。



设计团队:

   戴密斯·哈萨比斯(Demis Hassabis),人工智能企业家,DeepMind Technologies公司创始人,人称“阿尔法围棋之父”。4岁开始下国际象棋,8岁自学编程,13岁获得国际象棋大师称号。17岁进入剑桥大学攻读计算机科学专业。在大学里,他开始学习围棋。2005年进入伦敦大学学院攻读神经科学博士,选择大脑中的海马体作为研究对象。两年后,他证明了5位因为海马体受伤而患上健忘症的病人,在畅想未来时也会面临障碍,并凭这项研究入选《科学》杂志的“年度突破奖”。2011年创办DeepMind Technologies公司,以“解决智能”为公司的终极目标。

   大卫·席尔瓦(David Silver),剑桥大学计算机科学学士、硕士,加拿大阿尔伯塔大学计算机科学博士,伦敦大学学院讲师,Google DeepMind研究员,阿尔法围棋主要设计者之一。

   除上述人员之外,阿尔法围棋设计团队核心人员还有黄士杰(Aja Huang)、施恩·莱格(Shane Legg)和穆斯塔法·苏莱曼(Mustafa Suleyman)等。