※ 引述《tank44444 (tank)》之铭言：
: 最近看到的新闻找了下
: 游戏高手别自傲 你的人工对手已经诞生
: http://technews.tw/2015/02/26/ai_beats_human_progamer/
: GOOGLE的人工智能在以前的数款街机已经可以超越人类了
: 包括小精灵、小蜜蜂、立体弹珠台
: 这不同于一般的人工智能都是对某项游戏特化(like:深蓝)
: 是让电脑自己去摸索、尝试、训练、学习。
: 而且不是靠串联许多台电脑，它仅在一台电脑上运作
: 这项发表在“自然”杂志的最新成果，DeepMind 其实是结合两套人工智能学习系统而成
: 。第一种叫“深度学习”(Deep Learning)，将可以加强累积经验的模拟神经元，以多层
: 次方式组合并连接在一起，这与脑部神经细胞彼此用突触连接的方式很像。深度学习系统
: 可以从大量没有结构化的资料中获取复杂的资讯，Google 的翻译及照片分类功能就是采
: 用类似的架构。
: 第二种叫“强化学习”(reinforcement learning)，是一种模仿神经传递物质“多巴胺”
: 运作的决策系统，它收集游戏画面中的像素资料与得分，判断进行什么动作可以得到较多
: 分数，例如往左、往右或是射击；套句电玩术语，“练功”，也就升级了。
: 这团队下个目标是要让不同的游戏经验能彼此交流，另外同时兼顾长期布局和短期目标
: 　　DeepMind 共同创办人暨 Google 工程部副总裁 Demis Hassabis 表示，这项技术并
: 非用来玩游戏作弊，旨在未来日常生活中透过学习，采取对应行动，寻求各类场景的最佳
: 解决方案。不过他也谈到，人工智能能游玩游戏并不代表已建构概念性及抽象知识，它需
: 能独立判断思考，而 Google 距离完美目标仍长远之路要走。
: 会不会以后玩GTA7 路上杀的是真人还AI都不知道了
→ Justisaac: 这种程式搞不好可以挑战围棋0.0a
一年前我还以为 DeepMind 只是玩些小游戏
没想到真的能在围棋上胜过职业棋士了
虽说只是职业二段,但以前都要靠让子才能赢
http://technews.tw/2016/01/28/google-alphago/
类神经网络+深度学习潜力比想像还大
physo pass里的西比拉系统或许真的有可能了
Don't be evil, google

靠杯 这文有控制码

我记得之前是"不能输"的压力 后来就赢了

拿来做色情不知道能干嘛

最打脸的好像是 脸书才说我们要做...估狗过了几天就说 那个 其实 我们已经做到了...

如果到了AI会自己成长的程度 那就已经差不多了毕竟 人类各个体的智力差异其实没有很大下的赢职业二段 距离下赢全人类就没多远了

以后手机游戏就会要求你要课金 她才好打怪了

然后就出现天网了(?

MarI/O就是这样运作啊

类神经是近几年才又起来的 不过还是需要有新的突破

类神经的新突破就是量子电脑啊~量身订做

Deep learning 是近来的显学啊... (不过目前无力去追)但是连 reinforcement learning 都用了...看来已经永远追不到了 (思)

真正用量子逻辑乏去做的量子电脑还没实用话D啥的那个是用量子退火 还要严格控制温度和计算时间深度学习+强化学习+GOOGLE庞大数据库... 希望是用在善的地方

希望有生之年能看到GLaDOS

google早把don't be evil拿掉了吧..

没有 只拿掉Don't

现在是 Do the right thing ...有黑化的可能了