本文摘要：机器能为自己思维,能反击人类,这样的场景仍然以来都只不存在于科幻小说中,由于人工智能的近期发展,未来很有可能建构出有需要人类输出就能自学的机器人。谷歌的一个项目正在企图让两种人工智能算法互相对付,期望未来可能会有这种智能机器的经常出现。在谷歌大脑人工智能实验室里,研究人员研发出有了一种被称作“分解对付网络”(GAN)的系统。传统人工智能用于输出来“训练”一种算法,通过输出大量信息“训练”某一特定的主题。 算法训练后的科学知识可以用作特定的任务,例如面部辨识。

机器能为自己思维,能反击人类,这样的场景仍然以来都只不存在于科幻小说中,由于人工智能的近期发展,未来很有可能建构出有需要人类输出就能自学的机器人。谷歌的一个项目正在企图让两种人工智能算法互相对付,期望未来可能会有这种智能机器的经常出现。在谷歌大脑人工智能实验室里,研究人员研发出有了一种被称作“分解对付网络”(GAN)的系统。传统人工智能用于输出来“训练”一种算法,通过输出大量信息“训练”某一特定的主题。

算法训练后的科学知识可以用作特定的任务,例如面部辨识。GAN从这些自学信息中分解新的内容,基于对类似于的现实生活图像和视频的解读,建构出有图片和视频内容。

谷歌的作法是将两种算法互相对付,更进一步完备它们的“想象力”。一个人工智能机器人根据它所学到的真实世界来建构新的内容,而另一个机器人则认为这些建构中的不极致和不精确内容。这使得系统需要建构出更细致的图像、声音和其他原创作品,比一个机器人分开工作时要细致得多。在未来,这一过程,有可能让机器人在无人工参予的情况下自学新的信息——这一过程被称作“无监督自学”,这将沦为人工智能技术的极大进步。

在GoogleMind工作的IanGoodfellow博士对《Wired》说道:“如果人工智能机器人能想象出有现实的细节,自学如何想象现实的图像和现实的声音,这将希望人工智能理解现实不存在的世界的结构,你可以把它想象为艺术家和艺术评论家,分解模型能欺骗艺术评论家,让艺术评论家误以为它产生的图像是现实的。”人工智能系统依赖神经网络,它企图仿真大脑工作的方式来自学。

这些网络可以用作训练来辨识信息的模式,还包括语音、文本数据或视觉图像,这是近年来人工智能发展的基础。他们用于来自数字世界的输出来自学,例如谷歌的语言翻译成服务、Facebook的面部辨识软件和Snapchat的美化滤镜等实用程序。但是,输出这些数据的过程有可能十分耗时,而且仅限于一种类型的科学知识,为了不断扩大这种机器学习的无限大,谷歌早就开始设计互相对付的人工智能机器人了。

今年2月,谷歌的一个团队就用于了他们设计的一款游戏来测试对抗性算法否不会协同工作,还是互相反击。这些实验指出,人工智能很有可能会根据情况而协同工作。

本文来源：ku游官网-www.tjysygb.com