在2016年3月人機圍棋大戰(zhàn)最后一輪的比拼中，韓國棋王李世石不敵谷歌圍棋人工智能AlphaGo，投子認輸。從這一刻起，人類開始以另一種眼光看待人工智能。以下是學習啦小編整理分享的人工智能最新的論文的相關文章，歡迎閱讀!

　　人工智能最新的論文篇一

　　人工智能還能做什么

　　在今年3月人機圍棋大戰(zhàn)最后一輪的比拼中，韓國棋王李世石不敵谷歌圍棋人工智能AlphaGo，投子認輸。從這一刻起，人類開始以另一種眼光看待人工智能。

　　從不被看好到連勝三局，人們在驚愕之余不得不承認，人工智能已經發(fā)展到了能輕易超越人類的水平。

　　今天，人工智能已走過了近60年的歷史，并幾經高峰和寒冬，目前已滲入生活的方方面面。對于人類而言，人工智能的發(fā)展到底是福還是禍?它會對我們的生活造成怎樣的影響?除了下棋，人工智能還能做些什么?

　　不久前，谷歌在舊金山舉行了一場畫展和拍賣會，展示了電腦在人類的指導下創(chuàng)作的畫作。此次展示的畫作包括迷幻的海景、梵高風格的森林以及城堡和狗組成的奇觀。其中6幅尺寸最大的作品被一位職業(yè)拍賣人以高達8000美元的價格拍得。

　　谷歌最初開發(fā)這項技術是為了識別照片中的物體。但為了進行藝術創(chuàng)作，工程師又隨機為電腦算法提供各種形狀，使其能在識別物體的基礎上逐步改變圖像，并讓圖像更接近于真實。當然，這個算法與AlphaGo的算法有怎樣的差距，目前無法得知。

　　人工智能擁有如此強大的計算能力，人類怎會放過利用它賺錢的機會?將人工智能引入股市、銀行等，從而讓其代替人類成為交易員，在最近幾年漸漸盛行。以下幾個經典的案例足以讓你體會人工智能的強大。

　　高頻程序化交易Virtu Financial LLC公司在1238個交易日中，僅在1個交易日中出現了虧損。

　　第一個以人工智能驅動的基金Rebellion預測了2008年的股市崩盤，并在2009年9月給希臘債券F評級，而當時惠譽的評級仍為A。通過人工智能手段，Rebellion比官方提前了一個月降級。

　　掌管900億美元的對沖基金Cerebellum也使用了人工智能技術，結果自2009年以來，沒有一個月出現虧損。

　　根據花旗銀行的最新研究報告，人工智能投資顧問管理的資產在2012年基本為0，到2014年底已增至140億美元。在未來10年內，它管理的財產還會呈現指數級增長的勢頭，總額將達5萬億美元。

　　19年前，美國IBM公司的超級電腦“深藍”擊敗了國際象棋大師卡斯帕羅夫。之后“深藍”在象棋界打遍天下無敵手，除了棋力持續(xù)大增之外，還在其他領域發(fā)揮重要作用，比如為MD癌癥中心工作。

　　2015年，IBM推出一個新的認知計算機健康平臺――Watson Healthcare Cloud，目前與生物制藥公司諾和諾德以及強生等公司已達成合作關系。Watson能從病人的病例和豐富的研究資料庫中尋找資料，為臨床醫(yī)生提供有價值的信息，從而幫助醫(yī)護人員找到最有效的治療方案。

　　在AlphaGo 與李世石比賽前，谷歌宣布創(chuàng)造出 AlphaGo 的 Google DeepMind 實驗室將進軍醫(yī)療技術領域。他們成立了 DeepMind Health 團隊，與英國倫敦帝國理工學院和倫敦皇家自由醫(yī)院展開合作。同時推出了一款名為 Streams 的移動端應用程序，醫(yī)療人員可以利用 Streams 更快地觀察到醫(yī)療結果。

　　想象一下，有一天我們出門打車，車上沒有司機，你只要告訴它目的地，它會自動搜索路線并啟動上路。其實現在已經不用想象，因為這一切正在成為現實。

　　谷歌、特斯拉、蘋果甚至是寶馬公司等都在開發(fā)無人駕駛汽車。谷歌的無人駕駛汽車已在公司附近的山景城測試了無數次，雖然交通事故發(fā)生過十多起，但都屬于小摩擦，尚未造成嚴重損失。

　　有人說，即使發(fā)生了這些事故，無人駕駛汽車發(fā)生事故的概率也遠遠低于人類駕車發(fā)生事故的概率。當然，這同樣有賴于人工智能強大而精準的計算能力。

　　關于這些無人車何時正式大量地上路載人，業(yè)內普遍的說法是2020年，目前它們正努力學習物體識別及交通規(guī)則。

　　想要全面了解人工智能個人助手，看一遍電影《Her》就可以了。其中的人工智能操作系統薩曼莎不僅可以幫助主人公快速處理各種郵件、文件等，還能像朋友一樣與之交流。

　　現實生活中，這樣的個人助手也正在成為現實，如蘋果的Siri、微軟的Cortana 以及谷歌的Google Now，國內也有科大訊飛的靈犀、圖靈的蟲洞語音助手等。

　　這些語音助手一般存在于個人電腦或手機中，近年隨著服務機器人的發(fā)展，它們開始有了新的載體。機器人除了有語音功能外，還具備自主行動的能力，因此有望在其他方面幫助人類。

　　與AlphaGo一樣，以上這些功能的實現都是通往全面人工智能的必要步驟。正如市面上有無數針對下棋的程序，但并非每一個都只是為了下棋，DeepMind團隊開發(fā)AlphaGo 是為了讓它找到邏輯判斷的方式并不斷自我學習，這些是人工智能深度學習的基礎。

　　當它擁有了這些能力后，即能迅速學習其他方面的能力，最終服務于人類。

下一頁分享更優(yōu)秀的<<<人工智能最新的論文