人工智能的重要性
今天，人工智能（AI）的发展比以往任何时候都快。然而，人工智能进步的本质是，大规模的技术突破可能不会引起人们的注意，而较小的改进却引起了媒体的广泛关注。
以人脸识别技术为例。AI识别人脸的能力似乎很重要，但是当您考虑应用AI的本质时，这并不是开创性的
另一方面，假设要求AI在音乐类型（例如R＆B或摇滚）之间进行选择。尽管这似乎是一个简单的选择，但AI做出决定之前必须解决的数学算法可能要花费数小时甚至数天。
通用AI与高级AI
大多数人都从好莱坞电影和科幻小说中获得了关于AI的想法。他们认为AI机器人的工作方式和思维方式与人类相同。他们倾向于想到《终结者》或《星际迷航：下一代》（TNG）中的数据。
这些虚构的角色为我们提供了以一般方式表现的AI示例。开发人员正在使用的AI实际上要先进得多。该AI将能够执行非常复杂的计算，但是在一个非常有限的领域，而它仍将无法执行人类执行的某些基本功能。
通用人工智能不是很赚钱
以可编程的洗碗机为例，它可以很好地清洗餐具。洗碗碟制造商可能会对其进行编程，以响应语音命令并播放音乐。洗碗机可以帮助您了解晚餐时间，并根据自己的喜好提高洗碗机的洗涤质量。
但是，教这台洗碗机如何识别面部表情和操作员的情绪是否有意义甚至经济？
通用的AI可以执行许多任务，但是不能很好地完成每个任务。建造专门用于特定任务的机器在经济上会更有效率。
人们会喜欢在商店中看到通用的AI机器并发现它们很有趣，但没人会真正在家购买这些杂物。这就是为什么在特定任务中先进的AI会更加有用，并且得到商业开发人员更多关注的原因。
人工智能和机器学习
开发人员面临的真正任务是构建无需人工输入就能学习，思考和感受的AI。这种独立的AI能够自行做出决策，并且被认为是真正的智能。
在此AI完成并准备投入实际应用之前，它将在其神经网络上执行数百万次仿真，这将有助于改善其在现实世界中的行为。
AI通过重复计算并在学习过程的每个阶段记录结果来做到这一点。一旦AI找到第一个正确的解决方案，它将从第二阶段开始运行测试，反复进行计算，直到找到最佳解决方案为止。找到此解决方案后，AI将从第三阶段开始测试解决方案。
在一些旧的视频游戏上使用这种方法，开发人员能够获得惊人的结果。他们在诸如Hungry Snake之类的经典游戏中测试了该模型，在该模型中，人工智能学会了如何通过正确的向左或向右移动以达到最大水平来玩游戏，即使是最熟练的人类玩家也很难做到这一点。 。
该模型在PC Snooker上进行了测试，其中AI能够确定出色的撞球动作，使其得分接近完美。
Google DeepMind
Deepmind是全球领先的AI开发公司之一。它成立于2010年，并于2014年被Google收购。该公司一直处于全球技术突破的最前沿。Google可以访问非常大的数据库，这也使该公司的研究人员能够测试许多人工智能概念。
使用AI测试游戏选择
电子游戏在测试和改善AI学习方面非常有用。大多数视频游戏都是为人类开发的，具有学习曲线。由于我们的直觉，人们可以快速学习并变得精通游戏，而AI通常是从零开始，在一开始就表现不佳。
Deepmind的研究团队使用了DMLab-30训练集，该训练集是基于ID Software的Quake III游戏构建的。团队使用运行Atari游戏的Arcade学习环境，为AI开发了一种新的AI培训系统，称为重要性加权Actor-Learner体系结构，简称IMPALA。
IMPALA允许AI真正快速地播放大量视频游戏。它将来自一系列参与者的培训信息发送给一系列AI学习者。开发人员没有将AI直接连接到游戏引擎，而是从控制器输入告诉AI动作的结果，就像人类玩家会体验游戏一样。
基于单个AI玩家与游戏世界的互动，开发人员发现结果相当不错。AI在对抗人类玩家方面的表现仍在测试中。
游戏中的大多数AI都比人类玩家处于劣势。开发人员试图通过允许AI对抗人类的某些优势来弥补这一点。在街机游戏中，这是通过赋予人类玩家没有的AI特殊能力来实现的。在战略游戏中，这是通过为AI提供额外的资源来完成的。
对人类玩家表现良好且没有任何潜在好处的AI确实被认为是一项了不起的进步。
自学机器人手
神经网络的发展使机器人能够以比人类更快的速度运行数百万个仿真或运行复杂的计算。但是，在解决物理问题时，人工智能机器人仍然很努力，因为它们有许多无限的可能性可供选择。
为了解决这个问题，DeepMind为AI机器人创建了创新的范例。预定辅助控制（SAC-X）为机器人提供了一个简单的任务，例如“清理此托盘”，并奖励机器人完成任务。
有
耳麦不提供有关如何完成任务的说明。这是机器人AI手必须自己弄清楚的事情。
开发人员认为，在执行物理和精确任务方面的进步将导致下一代机器人和AI
了解思维过程
DeepMind的研究人员也在寻找使AI理解人类如何使用推理并理解周围事物的方法。
人类具有直观的能力来评估周围其他人的信念和意图。这是动物界中很少有生物共有的特征。例如，如果我们看到某人喝了一杯水，我们可以推断出该人渴了，水可以解渴。
理解这些抽象概念的能力称为“心理理论”，在我们的社会互动中起着至关重要的作用。DeepMind的开发人员执行了一个简单的任务。
他们首先允许ToM-Net AI观察11乘11的网格，其中包含四个彩色物体和许多内墙。第二个AI被赋予行走到特定彩色正方形的任务。途中还必须经过另一种颜色。
当第二个AI尝试完成任务时，开发人员将移动初始目标。然后，他们询问ToM第二个AI将做什么。
ToM可以根据提供给它的信息正确预测第二个AI的动作。
题库