AI 將如何走入真實世界?交大資工系吳毅成教授從AlphaGo 談起 | 寵物協尋網
![AI 將如何走入真實世界?交大資工系吳毅成教授從AlphaGo 談起](https://i.imgur.com/voy7JL0.jpg)
2020年5月22日—聚焦於探索更泛化的人工智慧(ArtificialGeneralIntelligence),2017年AlphaGo的開發團隊Deepmind進一步在《Nature》期刊發表AlphaGoZero,採用更 ...
![AI 將如何走入真實世界?交大資工系吳毅成教授從AlphaGo 談起](https://i.imgur.com/voy7JL0.jpg)
20 世紀以來,電腦遊戲(Computer game)就一直被視為 AI 界的果蠅,意思是如果想深入研究 AI 技術,電腦遊戲會是人工智慧的最佳縮影。棋局多變、難度極高的電腦圍棋更視為 AI 的挑戰,打敗職業棋士一直是圍棋程式開發者的終極目標。
2016 年,AlphaGo 擊敗南韓最強棋士李世乭後,AI 頓時成了全世界最熱門關鍵字,關於 AI 的產業應用及哲學思辨如雨後春筍冒出;然而 AlphaGo 問世,宣告的不僅是程式打敗人類的結果,研究方法與技術才是接下來加速全球產業革新的關鍵,圍棋只是 AI 顛覆世界的起點。
國內從事電腦遊戲研究的知名學者吳毅成教授,是台灣在 AI 領域最具指標性的學者之一。吳毅成教授目前正在參與科技部 AI 研究計畫「深度強化式學習技術之應用研究」,聚焦 AI 如何從虛擬環境走入真實世界的應用。透過本次專訪,大眾有機會深入了解吳毅成對 AI 未來趨勢的見解,以及他在深度強化式學習技術的 3 種應用研究。
▲ 吳毅成教授。(Source:交通大學[1])
首先,什麼是深度強化式學習?深度強化式學習(Deep Reinforcement Learning,DRL)是深度學習(DL)與強化式學習(RL)的結合,兩者同屬於機器學習(ML)領域的技術。如果說人工智慧是模擬人的大腦運作,深度學習就如同視覺感知,如學習辨識物件,強化式學習則是學習決策布局,深度強化式學習整合兩者,學習感知及其後決策。
過去單純的強化式學習,需要仰賴人為編寫規則或繁複工具才能獲取訓練特徵,例如傳統西洋棋需要辨識優劣棋型,必須先經過研究分析等步驟,並利用演算法歸納出棋型特徵,再透過獎懲機制強化電腦的認知,以做出最佳的決策。
而深度學習則是具備自動抓取特徵的能力。例如辨別貓狗的問題,只要餵給電腦大量的圖片,深度學習技術就能自動分類出屬於貓或狗的特徵,相當於一顆擁有超強記憶力的「高級人腦」。由於這個學習過程需要相當強大的運算單元來支持,因此深度學習...
AI 將如何走入真實世界?交大資工系吳毅成教授從AlphaGo 談起 | 寵物協尋網
AlphaGo | 寵物協尋網
AlphaGo 之父:AI 打破人類圍棋3000 年來的盲點 | 寵物協尋網
AlphaGo成為「棋靈王」是有多厲害?人工智慧未來又要怎麼走? | 寵物協尋網
只聽過AI你就落伍了,一篇文章讓你秒懂人工智慧的承先啟後 | 寵物協尋網
淺談Alpha Go所涉及的深度學習技術 | 寵物協尋網
混種犬-阿發遺失 - 黑 9.9E+14
於「南投縣國姓鄉北港村長北路」遺失的混種犬阿發,以下提供飼主姓名、電話、Email,以及晶片號碼、寵物外觀及特徵等資訊,...