如何评价 DeepMind 在星际中的失利,以及 OpenAI 在 Dota 上的成功?
谢邀
两者都很成功,但是 OpenAI 更擅长宣传。
星际哪怕最简单的 1v1 都需要同时控制大量单位,这与 dota 中 1v1 只需要控制一个单位难度差别很大。两者都证明了在复杂游戏中人工智能已经可以完成相对简单的任务,但暂时还无法完成整个游戏:DeepMind 在星际中已经精通挖矿,建造,控兵,但无法正常比赛。OpenAI 在 Dota 中可以 1v1 但无法 5v5。
不过只要开放了平台与数据,人工智能玩游戏的进步依然会飞速前进。我们都没有必要拘泥于一时的得失,不如把握当下,多多思考如,何利用这些技术造福人类。
继续阅读
全部内容知乎/回答2 分钟
截至 2016 年 3 月,机器学习、数据挖掘、计算机视觉等的泡沫有多大?
谢邀 现在,2016年6月,机器学习、数据挖掘、计算机视觉等应用毫无泡沫,甚至远远没有发挥算法应有的潜力。 从我在 Trulia: Real Estate Listings, Homes For Sale, Housing Data 工作的经验来看,公司几乎每一个产品线都有可以算法化的地方。同时,不少新的算法可以带来全...
知乎/文章2 分钟
谁来颠覆低频刚需?
这篇文章是我2017年写的草稿但一直没有发布,那时候 Google 刚刚提到 AI First 的战略,互联网的迭代重点还是以推荐系统和深度学习为核心。时至今日 LLM 的出现让这个问题有了些许答案,想了想还是把文章发布出来。 推荐系统的胜利 过去五年,机器学习在推荐系统领域的研究,给高科技企业带来了巨大的收益。我们在...
知乎/文章5 分钟
AI and Law, 人工智能与法律(一):欢迎围观
有人曾经提过这么一个问题:法律是否可能被代码化? - 计算机 引发了不少的讨论。从开始时的戾气颇重的清一色的“当然不行”类回答,到慢慢的终于出现了“有的行,有的不行”的更为客观的回答。虽然有不少真知灼见,然而并没有看到有资深的专家出来,做出更详尽的回答。 这其实是一个非常好的问题,这背后是一股无法阻挡的新算法、新模型、...
