第471章 沸腾云电脑-《重生网游大时代》


    第(1/3)页

    人工智能研发这一块,无论是今世还是前世,无论是硬件还是软件条件,目前国内都是远远落后于国外的。

    当下国内人工智能水平,尤其是游戏ai的智能水平,还停留在“监督学习”阶段。

    所谓“监督学习”,即是指人类出题,告诉ai正确的答案,并赋予相应的对策的学习方式,类似于中小学填鸭式教育。

    反映到游戏应用场景里,就是那种识别看到人类玩家后,人机会主动进行攻击,最多再加一些设定,比如hp小于30%时,会自己找掩体躲避,当敌人躲在某处时间过长时,会扔一颗手雷过去。

    但这些都是很死板的程序判断,严格来说还不具备人工智能的特点,并不是真正意义上的人工智能。

    而国际上,早在97年的时候,ibm用专门设计的计算机,就下赢了国际象棋冠军。

    当然了,那会儿所谓的计算机也不能称之为ai,之所以能下赢国际象棋冠军,采用的是暴力破解方法,也就是穷举法,把所有可能的下法全部计算一遍,然后对比人类的棋谱,选择最优解。

    也就是所谓的“大力出奇迹”。

    但是到了围棋这里,没法再这样穷举了。

    力量再大,终有极限,围棋的可能性走法,远超宇宙中全部原子之和,即使用目前最牛逼的超算,也要算几万年,在量子计算机成熟之前,电子计算机几无可能胜任这样的任务。

    于是,程序员给阿尔法狗多加了一层算法:先计算哪里需要计算,哪里需要忽略,然后再有针对性地计算。

    通俗点说,就是计算机具有了学习能力,能够感知、判断并完成决策,这便具备了ai的基本特征。

    不过,机器的学习方式,和人类有着质的不同,人通过观察少数特征,就能推及多数未知,也就是具有“举一反三”的能力。

    但机器不行,它必须不断地试错排除,不断地识别计算,才能得出结果。

    而且在这个学习过程中,需要三个基本条件:算法、算力、数据。

    算法就是计算方法,也可以称之为计算模型,比如识别一只狗和识别一段人类语音,其算法是不同的,应用场景不同算法就不同,这需要程序员进行相应的设计和优化。

    但有了算法,没有算力和数据,ai也无法进行学习。

    就如同“巧妇难为无米之炊”,算法是食谱,算力就是烹饪工具,数据则是食材,光懂得烹饪方法,没有烹饪工具和食材,一样无法烹饪出美味的佳肴。

    所以要想在人工智能方面有所建树,最根本的就是要解决算法、算力和数据这三个基本条件。

    目前国际上人工智能技术研发进展缓慢,主要就是受制于算力和数据,不过这方面恰好是沸腾的优势。

    经过多年布局,目前这三个基本条件及其外延条件,尽管与国外还无法相提并论,但在国内已经基本具备,所以人工智能技术研发上,方杰认为是时候发一下力了。

    首先算法方面,说白了就是两个分支条件:程序开发人才和算法训练平台。

    人才这一块国内目前并不缺,沸腾研究院、中科院自动化研究所、华为、腾讯等,在相关领域本来就有大量的科研人才。

    而这次发力,方杰还直接拿钱把在海外工作的不少华裔专家砸回到了国内来。

    至于算法平台,那可是老本行,不就是游戏么,这方面沸腾集团拥有天然优势。

    ai的学习,就是通过游戏进行学习的。

    当然,ai游戏与人类游戏,稍稍有点区别,即针对性更强,目的不是为了让ai从游戏里获得成就感,而是为了使其学习进步,并帮助人类完成各种工作任务。

    比如红白机时机就有一款非常简单的游戏:打方块。

    其游戏玩法是玩家左右滑动控制一个具有弹力的短板,接球并反弹小球,消除游戏界面上方一排排的小方块,消掉所有方块就能通关游戏,并以此获得成就感。

    如果将这款游戏用作ai训练平台,通过特定的算法和强化学习,ai就会从一开始完全接不住球,到后来不光能接住球,还能准确计算出小球的反弹角度,消掉上方所有方块。

    甚至经过一段时间的训练和学习,ai还能找到最优的通关方式。

    比如先精准消掉左上角的几个方块,打通所有方块的上方路径,然后再把小球打进去,让小球在方块阵的上方,在墙壁与方块阵之间来回反复反弹,每趟能连击消除几十个方块,大大提高了通关速度,并且获得更多的连击分数加成。

    这样的游戏思路和技术,可能只有高玩才能想到和做到,到了这一步,ai在打方块这款游戏里的技术水平,显然已经超过了普通玩家,其学习方式,就不是“监督学习”了,而是“强化学习”,ai拥有了自主学习的能力。

    同样的方式,如果将ai放入其他游戏,或者说不同算法模型里不断地的学习总结,那么一样也能训练培养出能力极强的ai出来。

    从本质上看,培养教导ai,其实与教育小孩没有太大区别。

    那么反过来说,通过游戏进行寓教于乐学习,才是人类小时候最佳的教育学习方式,将游戏视为洪水猛兽,是不可取的,在教育方法上,自我强化学习也要比填鸭式“监督学习”效果更好。

    算法问题解决了,接下来就要满足算力和数据的条件。

    数据不必多说,游戏训练平台本身就是在不断地收集数据,随着ai智能不断提升,数据收集的速度和质量也在不断提升,而在实际运用场景中,遍布全网的大数据了解一下?

    比如未来的人工智能无人驾驶技术,现在沸腾汽车、沸腾出行就已经在收集相关数据了。

    为什么数据很重要,就重要在这里,谁拥有大数据,谁才能做ai,否则连人工智能的门槛都迈不进去。

    而显然,沸腾集团和方洲国际在数据收集方面,绝对是全球领先的,软硬件基础比其他国际互联网大鳄打得都要好。

    而收集、统计、处理这些数据,又需要海量的算力支持,这就涉及到超算中心项目了。

    经过两年的布局和发展,目前沸腾超算中心已经建立了超过100座超算机房,投资额超过300亿,但算力依然供不应求。

    其中科研云计算、云网吧是目前超算中心最大的两个业务板块,其中又以科研云计算的需求为最。

    原因很简单,国内提供能这么强大算力,并且服务费用这么低廉的超算中心,只有沸腾超算中心了。

    众所周知,搞科研很烧钱,而计算机科研烧钱主要就是烧在了人力、硬件和电力上。

    人力方面还好说,毕竟是高科技人才,值那个价,要做相关科研,这是必须的投入。

    而硬件方面,根据摩尔定律,计算机硬件更新换代的速度很快,如果让科研机构自己时不时地升级硬件设备,成本太高,根本耗不起,但如果不更新升级硬件设备,能耗大不说,工作效率也低,并非长久之计。

    而且还要考虑硬件折旧问题,许多硬件电子设备长期满负荷运转,使用寿命比家庭电脑低得多,沸腾超算中心前头一边在新建机房,后面又一边在更换老旧损坏设备,运营成本居高不下。
    第(1/3)页