2017 AI四大成就:自学写代码、发现新太阳系、击败围棋高手、击败无限扑克高手

简介: 2017年AI都有哪些耀眼的成就,除了大家耳熟能详的AlphaGo,还有自学写代码的AI,能发现另一个太阳系的AI。

2017年是人工智能领域蓬勃发展的一年。 虽然AI和以数据为中心的机器学习已经存在有数十年的历史,但是,直到今年,算法技术才真正在各行各业和各种语境下广为人知。

微软英国首席愿景官戴夫·科普林(Dave Coplin)把AI称为 “最重要的技术,这个星球上的每一个人都在为此工作”,而硅谷的公司似乎也是这么想的:他们一直在到处招聘AI专家,那些因为人才短缺而找不到相应人才的公司,也已经开始让员工自己学习最基本的AI知识。

虽然如此,但也不是每一个AI的成就都受到了赞赏和掌声的欢迎。有人担心人类的偏见会被引入到AI系统中。例如,ProPublica在2016年发现,用于预测未来犯罪分子的软件算法严重歧视黑人嫌疑人。今年早些时候,Facebook也引发了抨击,这家公司的算法生成的广告客户分类可以被用于给用户打标签,其中包括一些充满敌意的群体和话题,比如“反犹太者”。类似这样的情况促使专家敦促公司和开发者在关于AI系统如何工作的阐释上需要更加透明。不过,在许多其他情况下,特别是最近,AI已经被用来实现美好的愿望:帮助发现,改善自我,帮助我们超越人类的思维局限。

AI发现了一个包含八颗行星的太阳系

成功的天文学发现通常围绕研究数据 - 大量的数据 - 这是AI和机器学习非常擅长的地方。事实上,天文学家使用人工智能来筛选开普勒望远镜上获得的多年数据。在本月早些时候确定了一个遥远的八行星太阳系。

从2009年到2013年,开普勒望远镜的光度计每半小时捕捉20万颗不同恒星的10个像素图像,以寻找恒星亮度的变化。如果一颗恒星以一种规则的重复模式变暗和变亮,这可能表明它有行星绕行。 (也可以使用这些信息来估算一个行星的轨道大小和轨道长度。)

得克萨斯大学奥斯汀分校的天文学家安德鲁·范德堡(Andrew Vanderburg)和Google软件工程师克里斯托弗·沙尔(Christopher Shallue) 开发了一个神经网络,使用1500颗系外行星的引导,达成了这一发现。他们根据已知的系外行星位置对670颗星星重新校准定位,但聚焦于弱信号 - 以前的研究人员可能错过了较小的系外行星。新发现的行星被称为开普勒90i,这似乎是绕行的第三颗行星,就像我们自己的地球一样。

铸造无敌“围棋大师“

Google的DeepMind研究人员开发一个AI,用于玩复杂的中国战略游戏围棋。五月份,最初版本的AI击败了世界上最好的围棋玩家,但这还不够。几个月后,Google开发了AlphaGo 的最新版本 AlphaGo Zero。这个AI实现了超人类水平的围棋表现 - 以100:0击败了原来的AlphaGo。

无限注德州扑克游戏

卡内基梅隆公司的计算机科学部门开发的最新的AI扑克游戏者最近打败了专业人士。与国际象棋和围棋等策略游戏不同,扑克被认为是“不完美的信息游戏”,因为玩家必须做出决定,即使隐藏了一些信息。最重要的是,这不仅仅是动作指令,它甚至也知道什么时候该虚张声势。卡内基梅隆大学的AI Libratus在为期20天的比赛中赢得了20万美元的奖金,击败了世界顶级扑克专业人士。

自我学习程序

人工智能今年不仅取得了一些显著的发现,它在不同的领域的应用也很出色,甚至让程序员都显得过时了。几个不同的人工智能程序(包括谷歌,微软和Facebook开发的程序)学会了如何编写基本代码,以帮助非程序员处理复杂的电子表格计算,或者减少开发人员必须面对的一些麻烦。

微软的AI DeepCoder可能被认为是三者中最基本的一个,尽管它仍然是一个令人难以置信的复杂的技术。这个AI可以理解您需要解决的数学问题,可以查看代码中相似问题的现有示例,然后开发基于代码的解决方案。

对于那些不能或不想学习编码,但需要使用基于代码的解决方案进行计算(例如,棘手的电子表格计算)的人来说,DeepCoder最终可能是非常有用的。解决方案相对简单,在解决方案和结构方面,基于AI的以前经历,它们通常最终总共只有三到六行代码。

Google的机器学习自学软件AutoML,在一个案例中,学会识别照片中的物体,这是一个更具挑战性的任务,它最终实现了43%的任务成功率,比同行开发的代码高出4个百分点。然而,AutoML的最大好处是自动化机器学习模型的开发过程,这对于人类机器学习专家而言通常是相当耗时的。

然后是Facebook的自我学习的聊天机器人,它们的自学能力略有不同。 例如,Bob和Alice,这两个A.I.机器人开始用英语发音,但是后来发展了自己的语言来说话。

“聊天机器人会摆脱可理解的语言,为自己发明代码字,”来自乔治亚理工学院,现任Facebook AI研究院的科学家Dhruv Batra在接受FastCo的采访说到。

随即便在媒体上引起了很大反响,“令人毛骨悚然”是对这一发现最常见的描述,但实际上这是一个相当普遍的现象。

这类技术基于奖励的系统演变,原理是如果一个行动没有得到特定的正向反馈,他们会尝试其它的东西。 尽管如此,Facebook的研究人员最终关闭了AI 机器人项目,因为他们的目标是创建实体,最终将与人互动 , 这些数字机器人没有人的风格。


原文发布时间为:2017-12-30

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:2017 AI四大成就:自学写代码、发现新太阳系、击败围棋高手、击败无限扑克高手

相关文章
|
3月前
|
人工智能 IDE Java
AI Coding实践:CodeFuse + prompt 从系分到代码
在蚂蚁国际信贷业务系统建设过程中,技术团队始终面临双重考验:一方面需应对日益加速的需求迭代周期,满足严苛的代码质量规范与金融安全合规要求;另一方面,跨地域研发团队的协同效率与代码标准统一性,在传统开发模式下逐渐显现瓶颈。为突破效率制约、提升交付质量,我们积极探索人工智能辅助代码生成技术(AI Coding)的应用实践。本文基于蚂蚁国际信贷技术团队近期的实际项目经验,梳理AI辅助开发在金融级系统快速迭代场景中的实施要点并分享阶段性实践心得。
871 25
AI Coding实践:CodeFuse + prompt 从系分到代码
|
4月前
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
954 109
|
4月前
|
数据采集 人工智能 监控
零代码改造!LoongSuite AI 采集套件观测实战
在 AI 时代,随着模型和应用侧的快速演化,对于推理过程,成本和性能显得尤为重要,而端到端的 AI 可观测是其中至关重要的一环。本文将介绍端到端 AI 可观测的基本概念与痛点,并通过阿里云可观测团队最新开源的 AI 采集套件 LoongSuite Agent 来对大模型应用进行全链路可观测以解决这些痛点。帮助客户无侵入,低成本地进行全链路的大模型可观测。
494 55
零代码改造!LoongSuite AI 采集套件观测实战
|
3月前
|
人工智能 自然语言处理 安全
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
AI兴起催生“氛围编程”——用自然语言生成代码,看似高效实则陷阱。它让人跳过编程基本功,沦为只会提示、不懂原理的“中间商”。真实案例显示,此类项目易崩溃、难维护,安全漏洞频出。AI是技能倍增器,非替代品;真正强大的开发者,永远是那些基础扎实、能独立解决问题的人。
360 11
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
|
3月前
|
人工智能 机器人 测试技术
AI写的代码为何金玉其外败絮其中
本文分析AI编码看着好看其实很烂的现象、原因,探索行之有效的的解决方案。并从理论上延伸到如何更好的与AI协作的方式上。
162 3
|
4月前
|
人工智能 测试技术 开发工具
如何将 AI 代码采纳率从30%提升到80%?
AI编码采纳率低的根本原因在于人类期望其独立完成模糊需求,本文提出了解决之道,讲解如何通过结构化文档和任务拆解提高AI的基础可靠性。
1313 24
|
4月前
|
人工智能 数据可视化 定位技术
不会编程也能体验的 AI 魔法,外滩大会代码原生地等你解锁
不会编程也能体验的 AI 魔法,外滩大会代码原生地等你解锁
479 39
|
4月前
|
数据采集 人工智能 监控
零代码改造!LoongSuite AI 采集套件观测实战
本文介绍了AI应用生态的快速发展及可观测性的重要性,重点阐述了LLM(大语言模型)应用的复杂性对全链路监控的需求。LoongSuite作为开源的可观测性数据采集套件,提供无侵入式埋点、全栈观测与多语言支持,助力AI应用实现从端侧到模型层的端到端链路追踪,提升系统稳定性与运维效率。
317 1
|
3月前
|
人工智能 监控 Java
零代码改造 + 全链路追踪!Spring AI 最新可观测性详细解读
Spring AI Alibaba 通过集成 OpenTelemetry 实现可观测性,支持框架原生和无侵入探针两种方式。原生方案依赖 Micrometer 自动埋点,适用于快速接入;无侵入探针基于 LoongSuite 商业版,无需修改代码即可采集标准 OTLP 数据,解决了原生方案扩展性差、调用链易断链等问题。未来将开源无侵入探针方案,整合至 AgentScope Studio,并进一步增强多 Agent 场景下的观测能力。
2016 61