APP下载

阿尔法狗VS百度大脑,谁更胜一筹?

2017-03-10

中国总会计师 2017年1期
关键词:阿尔法人脸识别百度

近期人机大战又在不断上演,这次比较巧的是,谷歌的阿尔法狗在网络上化身Master,碾压各路9段高手,最后以60胜的成绩战胜了所有人类对手,也创造了有史以来第一次,人类在棋艺领域被人工智能全面碾压的情况。

而另一方,近期江苏卫视播出的《最强大脑》节目,也开启了人机决战的比赛,而在第一期以人脸跨年龄识别挑战的节目中,百度大脑以3:2的优势战胜了人类,人工智能也再次战胜了人类。

而这两场战役也引发了网友们对于阿尔法狗与百度大脑谁更厉害的讨论,更多的人倾向于下围棋的阿尔法狗应该更胜一筹,因为下围棋似乎难度更大,但实际上并非如此。

深度学习到底是什么

阿尔法狗与百度大脑的技术,其实师出同门,都是采取了最前沿的基于神经网络的深度学习技术。

传统的计算机技术都是线性模型,即输入一个值之后,就会获得一个唯一的答案。但是深度学习则通过模拟人脑的方式,将数据网络进行“分层”,通过监督学习的方式,给机器各种数据,不断反复训练,最终让机器给出一个最大概率的答案,如果答案不够准确,那么机器就会通过监督反复学习。而阿尔法狗下围棋与百度大脑的人脸识别,背后都采用了深度学习的方法。

阿尔法狗下围棋的原理

下棋一直都是机器的难题,因为把每颗棋子可能的落子考虑进去,以输赢为结束,那么所有落子的可能性太多了!早期的机器受制于存储根本无法胜任如此巨大的挑战。而随着这几年硬件设备的发展,计算机的存储、CPU、集群运算等能力急剧提升,机器的存储问题已不在是问题。

另一个关键点则是深度学习技术。深度学习技术,可以反复地训练与模拟对决,而以胜负为终结标志,有了学习反馈,因此可以模拟出成千上万个棋局,再日以继夜的学习后,最终达成大师水平。

也就是说,集群计算+深度学习,让计算机大幅度减少了暴力穷举的次数,调试人员只需要不断修改算法模型,就可以获得最佳结果。

百度大脑跨年龄识别的核心原理

此次百度大脑所挑战的跨年龄识别,同样运用的也是深度学习原理,但是也有区别。

即使下棋用了深度识别,但是本质依然是暴力计算,只不过深度学习模型让其大大减少了无用的暴力计算程度。而图像识别并非简单的暴力计算就可以达成,因为面对太多的不确定性,每一张图片中都充满了太多意外的问题,例如光照因素、侧脸、脸部眼镜口罩等遮挡物,等等,都会影响到机器的结果。

因此,长期以来,机器在各种棋艺上对人类有着颇多挑战,但是从没有看过机器挑战人脸识别的案例,正是因为难度极高,即使有深度学习的助力,依然不能取得立竿见影的成果。

此外,此次比赛是跨年龄识别,这更是一个世界顶级难题,对于下棋的深度训练来说,最终可以通过胜负给机器一个反馈结果,机器可以有效地进行反复训练,直到胜出为止。但是人脸的跨年龄识别就没这么幸运了,这其中的数据实在太少,训练数据难以收集。没有足够多的数据,基于深度学习的神经网络很难学习到跨年龄的类内和类间变化。

而此次百度大脑挑战跨年龄识别,则是在数据稀缺的情况下做出的挑战,其通过更改各种算法策略,以及深度训练模型,最终实现了一个非常好的结果。

人脸识别难于下围棋,但引起的感受效果不同

机器善于做的就是做重复性的逻辑性工作,而对于围棋这种黑白分明,完全依赖经验的事情,对于机器来说其实更为容易,因为并不需要面对不确定的环境。

而像人脸识别这种工作就不是如此了,机器不仅能够依赖的经验有限,更需要面对随时出现的不确定性,因此整个攻克难度依然巨大。

当然,归根到底上述所说的都只是方向上的問题,人工智能在人脸识别的这个研究方向,整体上难于下棋。因此,人脸识别要想取得一点点的进步,所需要花费的代价比下棋的代价大多了。

下棋是机器所擅长的领域恰恰又是代表着人类的智力颠覆,因此给我们所有人造成的震撼也就更大一些,而人脸识别则是机器的弱项,但又是我们每个人与生俱来的能力,并不能让人产生很大的震撼,因此有人认为下棋的难度大于人脸识别,这不过是站在人的立场上去考虑问题而已。

猜你喜欢

阿尔法人脸识别百度
极狐阿尔法S HI版
人脸识别 等
“萤火虫-阿尔法”小型火箭首飞概述
ARCFOX极狐阿尔法S
Robust adaptive UKF based on SVR for inertial based integrated navigation
揭开人脸识别的神秘面纱
基于类独立核稀疏表示的鲁棒人脸识别
百度医生
百度“放卫星”,有没有可能?
阿尔法磁谱仪(AMS)