2017 AI 四大成就：自学写代码、发现新太阳系、击败围棋高手

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

本文来自  新智元 ，编译自 9to5Mac ，36氪经受权转载。

编者按：人工智能往年不只获得了一些明显的发现，它在不同的范畴的使用也很出色，甚至让顺序员都显得过时了。

2017年是人工智能范畴蓬勃开展的一年。 虽然AI和以数据为中心的机器学习曾经存在无数十年的历史，但是，直到往年，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

而硅谷的公司似乎也是这么想的：他们不断在四处招聘AI专家，那些由于人才充足而找不到相应人才的公司，也曾经开端让员工本人学习最根本的AI知识。

虽然如此，但也不是每一个AI的成就都遭到了赞赏和掌声的欢送。有人担忧人类的成见会被引入到AI零碎中。例如，ProPublica在2016年发现，用于预测将来立功分子的软件算法严重歧视黑人嫌疑人。往年早些时分，Facebook也引发了鞭挞，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，其中包括一些充溢敌意的群体和话题，比方“反犹太者”。相似这样的状况促使专家敦促公司和开发者在关于AI零碎如何任务的阐释上需求愈加通明。不过，在许多其他状况下，特别是最近，AI曾经被用来完成美妙的愿望：协助发现，改善自我，协助我们逾越人类的思想局限。

AI发现了一个包括八颗行星的太阳系

成功的地理学发现通常围绕研讨数据 - 少量的数据 - 这是AI和机器学习十分擅长的中央。现实上，地理学家运用人工智能来挑选开普勒望远镜上取得的多年数据。在本月早些时分确定了一个悠远的八行星太阳系。 

从2009年到2013年，开普勒望远镜的光度计每半小时捕获20万颗不同恒星的10个像素图像，以寻觅恒星亮度的变化。假如一颗恒星以一种规则的反复形式变暗和变亮，这能够标明它有行星绕行。 （也可以运用这些信息来预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地理学家安德鲁·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，运用1500颗系内行星的引导，达成了这一发现。他们依据已知的系内行星地位对670颗星星重新校准定位，但聚焦于弱信号 - 以前的研讨人员能够错过了较小的系内行星。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，就像我们本人的地球一样。

铸造无敌“围棋巨匠“

Google的DeepMind研讨人员开发一个AI，用于玩复杂的中国战略游戏围棋。五月份，最后版本的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完成了超人类程度的围棋表现 - 以100：0击败了原来的AlphaGo。

有限注德州扑克游戏

卡内基梅隆公司的计算机迷信部门开发的最新的AI扑克游戏者最近打败了专业人士。与国际象棋和围棋等战略游戏不同，扑克被以为是“不完满的信息游戏”，由于玩家必需做出决议，即便隐藏了一些信息。最重要的是，这不只仅是举措指令，它甚至也晓得什么时分该虚张气势。卡内基梅隆大学的AI  Libratus在为期20天的竞赛中博得了20万美元的奖金，击败了世界顶级扑克专业人士。

自我学习顺序

人工智能往年不只获得了一些明显的发现，它在不同的范畴的使用也很出色，甚至让顺序员都显得过时了。几个不同的人工智能顺序（包括谷歌，微软和Facebook开发的顺序）学会了如何编写根本代码，以协助非顺序员处置复杂的电子表格计算，或许增加开发人员必需面对的一些费事。

微软的AI DeepCoder能够被以为是三者中最根本的一个，虽然它依然是一个令人难以相信的复杂的技术。这个AI可以了解您需求处理的数学成绩，可以检查代码中类似成绩的现有示例，然后开发基于代码的处理方案。 

关于那些不能或不想学习编码，但需求运用基于代码的处理方案停止计算（例如，顺手的电子表格计算）的人来说，DeepCoder最终能够是十分有用的。处理方案绝对复杂，在处理方案和构造方面，基于AI的以前阅历，它们通常最终总共只要三到六行代码。

Google的机器学习自学软件AutoML，在一个案例中，学会辨认照片中的物体，这是一个更具应战性的义务，它最终完成了43％的义务成功率，比同行开发的代码高出4个百分点。但是，AutoML的最大益处是自动化机器学习模型的开发进程，这关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，它们的自学才能略有不同。 例如，Bob和Alice，这两个A.I.机器人开端用英语发音，但是后来开展了本人的言语来说话。

来自乔治亚理工学院，现任Facebook AI研讨院的迷信家Dhruv Batra在承受FastCo的采访说到。

随即使在媒体上惹起了很大反响，“令人毛骨悚然”是对这一发现最罕见的描绘，但实践上这是一个相当普遍的景象。

这类技术基于奖励的零碎演化，原理是假如一个举动没有失掉特定的正向反应，他们会尝试其它的东西。 虽然如此，Facebook的研讨人员最终封闭了AI 机器人项目，由于他们的目的是创立实体，最终将与人互动 ， 这些数字机器人没有人的作风。