AlphaGo对阵Lee Sedola：职业球员的成绩和比分
围棋比赛的最后第五场比赛昨天在首尔四个季节饭店举行。他们每个人都在Geektimes上忙了整整一周的时间。该系列中的某人获胜，但如果不是一个事实，那么这样的访问者不太可能会对高科技和俄文的俄语网站感兴趣。由第九个职业丹的拥有者李·塞多尔（Li Sedol）演奏，他是世界上最好的围棋大师之一。他的对手是由Google DeepMind开发的AlphaGo的计算机访问系统。在比赛开始之前，人们相信没有产品能击败高水平的大师。但是AI赢了4-1。AlphaGo磨削的速度非常有趣。甚至在去年10月，演示比赛的系统使球员的能力也大大降低。五个月后，她成为最好的人之一。看来我们到了1997年下象棋，当时计算机在比赛中首次击败了卫冕冠军。从那一刻起，国际象棋程序将他们的技能提高到一个水平，以至于人们不再能够在正常情况下击败他们。这期待吗？我应该害怕人工智能的力量吗？我设法获得了“俄罗斯围棋协会”副主席和“圣彼得堡围棋运动联合会”主席马克西姆·波多利亚克（Maxim Podolyak），围棋职业选手以及多个欧洲冠军Ilya Shikshin（第一职业丹）和亚历山大·迪纳斯坦（第三职业丹）。困难去了
这场胜利可以与另一场历史比赛相提并论。1997年，深蓝超级计算机在世界上首次击败了在位的国际象棋冠军。卡斯帕罗夫（Kasparov）的失败不是人们的最后失败。在随后的几年中，计算机象棋已经达到了一个点，即使最强的象棋手在正常情况下也无法击败他们。Go（巴杜克，围棋）是一种棋盘游戏，起源于中国古代，并在韩国，中国和日本广受欢迎。今天，大约有六千万人在玩游戏。玩家将两种颜色的石头放在一定大小的板上。我们的目标是与围栏上的对手隔离开更大的区域。国际象棋联合会主席并非没有高兴地表示，现在国际象棋的命运在等待和消失。从创建AI的角度来看，它具有外部简洁性，比国际象棋（googol）（10 100）更加精确，难度要高很多倍。在标准的19×19板上，比国际象棋中的石头可能定位的位置要多得多。在AlphaGo出现之前，人们相信到目前为止，所有程序都是在业余水平上播放的，直到大师水平，它们都是又一个十年。董事会的规模远非唯一障碍。用于国际象棋的许多算法都不适用。动作次数大于国际象棋。游戏开始时有55种可能的动作，不久您需要考虑棋盘上几乎所有361点。有些举动更受欢迎，有些则几乎从未使用过。该党的最初行动-funki-很快就开始具有原创性。在国际象棋中，将棋子从棋盘上取下，然后将棋子添加（尽管可以通过捕获石头来将棋子取下）。这不包括为聚会结尾创建基础。现有的系统在游戏结束时无法很好地应对，包括由于同战而造成的。确实存在计算机执行系统。通常，此类产品使用树搜索或蒙特卡洛方法评估运动，并使用具有良好运动，模式匹配和机器学习数据库的专家系统。诸如Crazy Stone，Zen或GnuGo之类的产品可能会显示出良好的效果，但仍然会输给专业人士。1989年，巨人以17个石头的巨大障碍无法击败业余第六人。在AlphaGo之前，以4个障碍球获胜被认为是最高成就。今年，他们正等待减少到3个障碍赛。但是突然之间出现了一个在同等情况下胜过冠军的系统。各方力量
AlphaGo
年龄：不到2年的国家：英国敦 ？2014年，谷歌收购了英国人工智能公司DeepMind。过去，DeepMind通过创建人工智能DQN吸引了人们的注意，该DQN 独立学习了49款古老的Atari游戏。描述另一种公司产品AlphaGo时，您也可以使用“您自己”一词。该计算机执行系统简单地由Monte Carlo方法与策略神经网络和价值网络的组合组成。从第六名到第九名的KGS服务器的2840万个位置的16万场比赛中，通过16万场比赛，对神经网络进行了机器学习的多个阶段的培训。另外一百万个职位被分配用于测试。首先，直接利用人类参与者的行动对政策网络进行受控培训。另一个政策网络已加强学习。第二个则与第一个一起发挥作用并对其进行优化，以使政策转向获胜，而不仅仅是预测行动。最后，进行了培训，并通过价值网络进行了强化，这些价值网络预测了政策网络所玩游戏的获胜者。正确预测下一步行动的结果在57％的情况下得以实现。在AlphaGo之前，最好的结果占 44％。在“ Giktayms”和“ Habr”上都更详细地考虑了技术组件。
AlphaGo与其他程序进行了比较-几乎总是比任何竞争对手都要出色-并且是人类玩家。为此，在来自英国围棋协会的一名法官的陪同下，组织了一场三届欧洲冠军和第二届单打冠军范慧的比赛。Hui输掉了全部五场比赛。李·塞多尔
年龄： '33国家：韩国丹： 9个专业比赛的另一位与会者-专业的李世乭的球员。塞多尔（Sedol）于1996年13岁时接受了他的第一个职业丹。塞多尔拥有18个国际冠军，他是世界上最强的五名球员之一。AlphaGo击败了欧洲冠军，后者的走位较低。同时，程序和慧都犯了错误。毫不奇怪，Sedoll很快接受了挑战并同意与AlphaGo对抗。Lee 说他很容易以4：1或5：0的分数获胜。塞多尔说，在两三年内，谷歌会想报仇，然后玩起来会更有趣。活动历程
从3月9日到3月15日，根据中国规定，在汉城四季酒店举行了一场5场比赛，其中白人对黑人的第一步补偿（科米）为7.5分。比赛的冠军获得了100万美元的奖励。如果AI获胜，则奖金将捐给慈善机构：联合国儿童基金会，发展组织等。对游戏的重视程度很高。由于技术需求，Google不得不在酒店铺设光纤线路。这家搜索巨头并没有发送到韩国1920处理器内核和280个显卡，其运行的AI。相反，它与美国中西部某处的Google Cloud Platform服务器建立了连接。 AlphaGo板上的石头由摄影师Aja Huan（第六个业余运动员）安排。不仅部门主管Demis Hassabis参加了比赛，谷歌前首席执行官埃里克·施密特（Eric Schmidt）也是公司的主要工程师之一杰夫·迪恩（Jeff Dean）参加了比赛。围棋是韩国流行的游戏。这场比赛毫不费力地进入了韩国报纸的头版，并且有韩国国会议员参加。游戏以韩文，日文，中文和英文播出。仅英语一项，平均就有80,000人观看了YouTube广播。3月9日，星期三。比赛一
照片DeepMind联合创始人穆斯塔法·苏莱曼黑色：李世乭白： AlphaGo结果：李世乭认输圈数： 186点移到全广播的英文简称游戏内容的“俄罗斯联邦的”评论上Geektimes空腹1点钟本地时间，开始了第一场比赛。布莱克扮演家庭作业，而在七个动作中，组合将超越任何基础。那个满头白发的男人表现出了他典型的风格并受到攻击。但是AlphaGo并没有退缩-在大约12颗石头之后，系统开始前进。正如评论员所说，AlphaGo的运行就像人类一样：该系统寻找并创造了易受攻击的石头群体，以采取强有力的行动。尽管AI犯了一些错误，但Black还是有令人担忧的严重原因。在比赛的最后二十分钟，AlphaGo发挥了优势。比赛进行了3.5个小时，第九届丹师傅承认失败。正如Sedoll稍后所说，AlphaGo采取了一个人类没有做过的不寻常的举动。一群人的代表没想到会有这样的比赛。该系统的表现明显强于对抗欧洲冠军。正如DeepMind Hassabis的负责人所说，这甚至与计算能力无关，它们几乎相同就像在对付慧的比赛中一样。在过去的五个月中，AlphaGo一直在与自己比赛，并通过强化训练来提高自己的技能。功率的增加令人惊讶。在2015年10月与范晖比赛之后，比赛的能力和风格是否有所提高？所有三位评论员都认为存在重大变化。Ilya Shikshin表示，该计划从10月份的欧洲冠军比赛水平显着提高了技能，使之达到了世界冠军的水平：“我必须说这是一个很大的不同。该节目针对范慧的公开比赛，极大地怀疑了AlfaGo能否击败李·塞多尔。但是在过去的几个月中，该程序取得了巨大的飞跃。”
“李·塞多尔不知道他在和谁一起玩。他在第一批文章中尝试借助非标准的第一步来使程序出错，这一事实证明了这一点。他应该尝试自己的常规游戏，而不是试图发现程序中的弱点。在这种情况下，谁会获胜并不明显。”
亚历山大·迪纳斯坦（Alexander Dinerstein）注意到该程序有两个不同版本的游戏。与范一起演奏的版本犯了更多的错误。3月10日，星期四。第二局
照片创始人之一DeepMind 穆斯塔法·苏莱曼黑色： AlphaGo白：李世石结果：李世石认输圈数： 211点移到全部直播比赛的综述中英文“俄罗斯联邦的”评论上Geektimes空腹的第一场比赛SEDOL后承认，他很震惊，但仍持乐观态度：他认为开放的动作将有可能获得更大的获胜机会。第二局比赛的结果更加令人期待。AlphaGo系统打黑，即先走。人工智能采取了积极行动。开始是不寻常的。评论员不能说是好是坏。怀特打得比较保守。没有为最大点数配置神经网络。该计划正在寻找将取得胜利的举动。这就是DeepMind研究人员Thor Grapel对奇怪决定的解释。在两次移动之间（这将使您获得80％的优势），在另一次移动（这将使您以1.5分的优势赢得99％的概率）之间，AlphaGo将选择后者。有时系统会损失积分，但只会增加获胜的机会。这是否意味着微弱的举动表明了汽车对胜利的信心？在第一场比赛中，塞多尔还有时间在他的手表上。这次他筋疲力尽，所以一个人只能花一分钟时间。最终，AlphaGo也用尽了时间，因此移动交换的速度加快到了极限。但时间不长-怀特承认失败。至于说 DeepMind Hassabis的头，AlphaGo了胜利的肯定，从游戏中仍然某处。DeepMind可以考虑特定玩家的特征并将其特征放置在AI中吗？ Maxim Podolyak说，技术能力为：“由于专业游戏的基础是公共领域，因此如果不将其用于AlphaGo的编写，那将是令人惊讶的。因此，我们可以预期该程序对所有职业玩家都有详细的描述，因为它的构建原则上与用户偏好的描述没有什么不同。Google在这方面很强大。”
Ilya Shikshin表示了类似的观点：“我确定Lee Sedol（超过1000个）的公开聚会的所有游戏都已上传到其中。知道这些游戏并能够随时复制它们可以为该程序带来好处，而李塞多尔只能在比赛前对阵樊辉学习这些游戏，而AlphaGo的比赛率要低得多。”
但是，DeepMind 说，AlphaGo并未专门针对Lee Sedola重新配置。是的，几乎不可能通过运行数百个参与者来对神经网络进行重大更改。3月12日，星期六。第三局
从左至右：DeepMind创始人Demis Hassabis，第九位职业丹老板Lee Sedol和Google联合创始人Sergey Brin。黑色：李世乭白： AlphaGo结果：李世乭认输圈数： 176点移到全部直播比赛的综述中英文“俄罗斯联邦的”评论上Geektimes空腹决定比赛结果的机会已经引起了人们的关注。谷歌联合创始人谢尔盖·布林（Sergey Brin）没有抽水就飞往汉城，并参观了游戏。显然，胜利是技术力量的证明，它是搜索巨头服务的基础。从广告偏好到可以独立移动的机器人移动车，几乎所有Google在某种程度上都依赖于具有人工智能元素的系统。与第一局一样，塞多尔也变成了黑色，即第一局。同样，两方的经验可以归因于一个人的许多有利时刻。有传言说，Sedoll和一组专家会花整夜寻找AlphaGo的弱点。亚历山大·迪纳斯坦（Alexander Dinerstein）对此表示赞同：« , , – . , . , . , . , – .»
确实，在第三局中，布莱克的第一步是具有侵略性的。根据比赛的解说员，塞多尔在前两场比赛中尝试了与以往不同的风格，试图对系统的弱点施加压力。在第三局中，他以出色的开端和强壮的ko展示了自己的典型风格。尽管有错误，AlphaGo仍具有协同作战的能力-通常，计算机系统无法很好地应对此类挑战。在以前的游戏中，没有机会展示此技能。决定性的政党确定了所发生事件的历史价值。这是AlphaGo在五场比赛中的第三场胜利。这意味着计算机系统已经显示出优越性。随后的两场比赛将展示其深度。3月13日，星期日。第四局
所以AlphaGo认输黑色： AlphaGo白：李世乭结果： AlphaGo不服输的圈数： 180点移到全部直播比赛的综述中英文“俄罗斯联邦的”评论上Geektimes空腹新闻发布会的人之一的第三次失败后是一个问题有AlphaGo是否有缺点。那个白发男子提到了他的感觉。他为此向朝鲜民族和围棋选手道歉。Sedoll选择了Amasi策略，占领了周边地区而不是中心地区。怀特的开局动作与第二局相同。白色允许黑色捕获中心，集中在边缘和角落。和以前的比赛一样，塞多尔（Sedol）没时间在对手之前，这意味着每步只有一分钟。怀特的78 笔举动如此之大，以至于评论员将其描述为tesuji，有人称其为“上帝之手”。也许Sedol确实在计算机系统中发现了薄弱环节。 AlphaGo的回答很弱。根据DeepMind的负责人Demis Hassabis的说法，在第79步中，由于获胜的机会是70％，该系统犯了一个错误。但是她只有在第87步时才理解。之后，AI感到困惑。坦率地说，AlphaGo采取了虚弱而可怕的举动。当获胜几率降至20％以下时，系统会识别失败。关于这一点，谷歌工程师戴维·西尔弗（David Silver）在一次休息中回忆了一下，当时休息了一下李·塞多尔。这对于维持比赛的文化很有必要-继续处于明显的不利位置对对手是无礼的。白银拒绝就一系列言辞不一的系统举动发表评论。比赛继续进行，而塞多尔仍然被迫在缺乏时间的情况下工作。 AI犯了另一个错误，后来被击败。这场长达4.5小时的对抗的结果是男子在这场比赛中的首场胜利。塞多尔说，他从来没有为一个胜利而如此祝贺。他提到这辆车变黑时不是很坚固。3月15日，星期二。第五局
控制室AlphaGo，穆斯塔法·苏莱曼黑色：李世乭白： AlphaGo结果：李世乭认输圈数： 280点移到全网络直播的比赛中英文摘要“俄罗斯联邦的”评论禁食Geektimes黑开始在类似风格的第一场比赛。然后塞多尔试图在右上角和左上角标记区域，这是他在第四局中成功使用的策略。AlphaGo占据了中心位置。从48点到58点，那人和汽车冲了起来。但是AlphaGo没有看到黑人的手筋，而李突然冲了过去。由于一个小错误，AlphaGo的位置略有恶化。经过漫长的战斗，两个玩家都没时间了，也就是说，他们又不得不在不到一分钟的时间内放置每块石头。游戏以深沉的姿态出现，棋盘上几乎完全充满了石头。怀特仍然设法重新获得了优势。在评估职位时，塞多尔意识到自己正在输。五小时后，他承认失败。问题
这场比赛对李·塞多拉意味着什么？
比赛的结果令人惊讶-击败了人类最好的球员之一，而新的计算机系统之一的突然胜利。而不是一百万，塞多尔将获得17万美元：参与的15万和一次胜利的2万。一个单独的问题是塞多尔为何输了。正如Ilya Shikshin所说，他没有心理准备：AlfaGo成功击败了Lee Sedola。但是，这并不意味着程序可以发挥更大的作用。我认为他们的水平大致相同。仅仅是Lee Sedol在第一批中就没有心理准备与该程序抗争，因为让该程序能够在平等的基础上与之抗衡使他感到非常惊讶。
亚历山大·迪纳斯坦（Alexander Dinerstein）：我承认我没有想到这样的情况。像大多数围棋专家一样，他确信李·塞多尔将轻松获胜。但是我们看到了程序错误。我认为这个问题仍然悬而未决。即使在韩国，李·塞多尔（Lee Sedol）也不是第一名。我认为其他同级别的专业人士都有机会获胜，尤其是当我们看到该程序所玩的一系列游戏时，我们可以通过它来寻找她在游戏中的弱点
匹配对AlphaGo意味着什么？
为了战胜李·塞多尔（Lee Sedol），韩国Paduk协会正式授予该系统第九名专业丹。这意味着她被认为是顶级球员。Lee Sedol不是这个星球上最强大的球员，还有其他人。例如，第九个职业丹的老板柯洁声称，他有60％的概率可以击败AlphaGo。网站围棋等级确实有它的排名更高。 AlphaGo也受到了第九职业丹的中国大师顾莉的挑战。有传言要求对阵犹他州的伊亚马。
当AI选择对手时，重定向器已计算
AlphaGo可能会高于排名中最好的人。根据贝叶斯定理的估计，AlphaGo等级为3649，而杰的等级为3621，低。但是，尽一切可能对系统的强度做任何陈述都是很早的。仅发行了几款游戏，该系统的真正功能尚不清楚。如果系统可以找到一个弱点，那么在评分点上是否有任何意义？根据亚历山大·迪纳斯坦（Alexander Dinerstein）的说法，该程序对于与第9个职业丹的拥有者Takemia Masaki的比赛中进行检查很有趣：“他是90年代初世界上最强大的大师之一。我们注意到该程序更喜欢游戏而不是中心来影响。Lee Sedoll在所有各方中都在拐角处得分。而Takemia-sensei则以非常喜欢扮演中锋而不是在游戏开始时完全“贪婪”而闻名。目前尚不清楚该程序在这种异常的游戏风格下如何表现。”
人们可以从一个人从未想过的计算机系统中获得原始和意想不到的动作。正如马克西姆·波多利亚克（Maxim Podolyak）所说，他在AlphaGo中看到了一位异常强大的球员的自然，可解释的举动：“正如一本书所说，聚会自然而有力地像一条小溪从山腰上流下来。B.102在第一批中看起来令人印象深刻。但这不是“神圣的”举动。”
Dynerstein声称人们并未考虑某些AlphaGo动作：« , , 9 (), . C, , 5 % . 95 – , . , .
Google?
互联网巨头再次表明，它拥有世界上最好的技术。 Google的该部门是第一个能够解决计算机科学另一个任务的部门。在DeepMind中，他们看到了实用的最佳实践应用程序：这些是购物推荐服务或医疗数据分析。但是您可以从商业项目中脱身，仍然梦想着离开。电脑是否开始比人类更好玩并不重要。您可以将一种产品设置在另一种产品上，并观察两家制造公司之间的争斗。他们是：Facebook正在创造一个“ 暗林”机器人，该机器人到目前为止表现较弱，尚未参加与职业选手的正式比赛。本月，暗林应该参加计算机世界锦标赛在日本。比赛中最好的节目将与Koichi Kobayashi对抗。有人会在19×19的板上观看Facebook与Google的战斗吗？顺便说一下，很容易想到对抗和个人敌对情绪。一月份，扎克伯格与 Google 讨论了他的系统。如果Facebook仅拥有发展新闻，那么DeepMind就已经吹嘘击败冠军。Maxim Podolyak：几乎没有 这与查看程序如何在屏幕保护程序上绘制分形或有色斑点相同。没人对期权的机械枚举感兴趣；这没有什么特别的。但是一个人可以做到这一点的事实是一个现象。
亚历山大·迪纳斯坦（Alexander Dinerstein）：对于国际象棋选手来说，这种比赛已经举行了很长时间，并没有引起太大的兴趣。就个人而言，我很想观看一个节目比赛，这个比赛会被一个人评论。顺便说一句，观看带有AlphaGo评论的顶级职业比赛也同样有趣。
伊利亚·希辛（Ilya Shikshin）：我认为计算机程序之间的匹配会引起人们的兴趣。类似的比赛已经播出，并吸引了数百名观众。一个人的水平还远远不够完美。有成长和发展的空间。
比赛对去意味着什么？
人们可能会以不同的方式感知到那些已经吸收了数千年经验的最聪明人的失败，以及一颗没有灵魂的铁片和里面的硅片的胜利，从而发起了一项历时不到两年的计划。在游戏迷社区中，显然有人是负面的。其他人则看到AlphaGo有助于推广。但伊利亚·希克辛（Ilya Shikshin）指出，只有在有人与他竞争并向他学习的情况下，他才会获胜：“该节目非常值得，当之无愧。这场比赛会以不同的方式结束吗？我认为不是。我确信李·塞多尔（Lee Sedol）在这5场比赛中为自己找到了很多。现在他应该准备与AlfaGo战斗了，但是，现在来不及了。Go-world在此计划中获得了真正的竞争对手。
但是，不仅李塞多尔发现了问题。数百万观看了这场比赛的人也发现了一些新东西。某人拥有技术和人工智能的巨大潜力，某人在游戏中找到了一些新事物，现在对它的看法有所不同，对某人而言，围棋游戏本身就是一个启示。
就个人而言，我很高兴看到这些天我最喜欢的游戏已成为全世界关注的焦点。我相信现在走，一切都会变得更好。”
亚历山大·迪纳斯坦（Alexander Dinerstein）：“我怀疑亚洲国家的奖金可能会减少，但是对于世界其他地区来说，为这场比赛做广告的好处是巨大的，应该超过它。我希望有新玩家涌入围棋，我们应该为此感到高兴。许多人是第一次听说这款游戏。”
也可以解决人们没有遇到的问题：“玩转世界无疑令人沮丧，但是随着程序的出现，我们可以学到很多有趣的东西。例如，在Go中，有一个谜题是1713年由日本著名大师Dosetsu Inseki发明的。计算向前走了200步。已经出版了整本书，但是没人能解决。有很多漂亮的解决方案，但是它们不同于作者最初宣布的任务。最后，我们将找出此问题是否有解决方案。还是Dossetsu弄错了？”
如果AlphaGo的电源系统成为常态，那么就很容易欺骗和使用这种系统的动作。到目前为止，冠军已经被庞大的计算集群所击败。从物理上讲不可能将他拖下去。如今，智能手机的计算能力足以将任何人置于国际象棋的肩blade骨上。这并没有立即发生，但是我们应该期待不久的将来会发生类似的事情。总有一天，即使没有无线电通讯，欺诈的可能性也会落在您的口袋里。根据Dienstein的说法，参加围棋锦标赛的电子设备现已放宽：« . . , ( ). , , . . , , , .»
?
该算法是历时数月创建的，他经过训练可以参加各种聚会，然后独立达到最高水平。这是AI的力量和速度的最佳视觉展示之一。根据Ilya Shikshin所说，他对系统学会演奏的速度感到震惊：“在短时间内，该程序学会了以最高水平播放。“我有兴趣观察该程序在获胜和失败时的表现。”
比赛对我们所有人意味着什么？
是AlphaGo人工智能吗？该系统已学会了与人聚会。人工神经网络所见过的游戏多达一生中从未有人玩过。然后，在与自己对抗的游戏中，系统将技巧提升到了可以击败最优秀的人的水平。当解决方案搜索算法是完全手动设置的时，深蓝色则不是这种情况。这与我们学习语音的方式几乎没有什么不同。孩子们会以某种方式获得重复单词的能力，将单词放入句子中，然后以碎片的形式表达他们的想法。这需要多年的训练，只有在生命中某些时候，大脑最易受影响，这才有可能。 AlphaGo与学会讲话并在写文学之前磨练技巧的人有何不同？您可以查看项目内部，非常失望：有些算法可以解释和理解。但是同时，AlphaGo可以完美地实现其目标。这就是问题所在：在怀疑论者看来，人工智能必须是莫名其妙的，能够做到一切并憎恨人类。简单完成任务会增加计算选项的负担。但是术语本质的问题并不是那么有趣。更令人恐惧的是，人们认为AlphaGo的演奏比其所有创作者甚至参加聚会的人都可以通过神经网络更好地玩。人工智能会毁灭我们吗？除人工智能的作用有时需要程序意识到自己。这正是AI所不具备的。 IBM Watson已将人们打入了智力游戏Jeopardy，但对此一无所知。他并不急于玩游戏。他不为胜利而高兴。他甚至不知道自己赢了。他没有意识。AI不是红色HAL9000灯泡或邪恶的SkyNet形式的规范图像。人工智能没有意识。这只是一个计算机程序，“足够智能”以执行通常需要人工分析参与的任务。这不是冷血杀人机器。例如，今天有太多的科学文章和研究。从物理上讲，不可能阅读所有内容。我们需要一个可以读取和组织这些巨大信息数组的系统。这样的系统将具有人工智能。但是，这种人工智能不会杀死人。相反，它将占用他们的工作。AI会离开我们而没有工作吗？人工智能可以显着提高劳动效率。这是一个值得关注的问题。在文明的曙光中，每个人都从事粮食生产，但这还远远不够。今天，几乎没有人从事农业，但有很多食物。这个谜语的答案是劳动生产率和工具效率。仅需要校对和比较术语的翻译系统可以使翻译人员的工作更加轻松。这是否意味着一半的翻译人员有失去工作的风险？对文本进行简单分析，将在文章中突出显示一个热门短语，然后通过社交网络API发布与原始链接相似的链接。这是否意味着SMM的级别将变薄？提高收银员最低工资要求的答案。
一群无人驾驶的卡车将在城市之间独立移动，而驾驶员有时只会坐在方向盘后面停放。如何处理大量的免费卡车司机？
通过分析体育比赛广播的视频流，机器人可以撰写与个人写作没有任何不同的新闻文章。在这种情况下，哪里可以为记者提供更多工作？专家系统将评估法律文件，并据此做出决定。与律师事务所空缺的初级人员队伍有什么关系？甚至没有失业，但他们的性格很危险。首先，简单的低薪工作将开始消失。这些职位的人在经济上最脆弱。我们能否适应甚至在革命中就不会发生的深刻的社会变革，而是瞬息万变？谁将从人工智能中受益：只有那些拥有这种系统的人？这是否意味着社会不平等现象进一步加剧？这些是应该吓到下一次AI冬季解冻的问题。这不应该是全能机械杀手的这种原始恐惧感。有关汽车起义的新闻仍将是“ 机器人杀死了一个人 ” 的头条新闻。技术只是一种工具。对人的危险造就了其他人。AlphaGo是这样一个晦涩的未来变化的另一个使者。但是这种AI并不是一种威胁，即使仅仅是因为它带来的游戏变得越来越流行。另一位玩家不能做得更糟，其比赛数以百万计。Source: https://habr.com/ru/post/zh-CN391747/
All Articles