当前位置：网站首页 » 导读 » 内容详情

alphago论文直播_alphago作文(2024年11月全新视觉)

内容来源：AI全自动内容创作接口所属栏目：导读更新日期：2024-11-27

alphago论文

DeepMind 【DeepMind推出芯片领域的“AlphaGo”，几小时搞定设计，已被联发科等采用】一直以来，计算机芯片是驱动 #AI# 发展的重要基础。现在，AI 也能够加速和优化芯片的设计了。近日，#谷歌# DeepMind 公布了一项名为 AlphaChip 的强化学习方法，可以大幅加速和优化芯片布局设计过程。而且，已被谷歌、联发科等公司采用，该方法的实用性得到了广泛验证。 DeepMind⠥œ襍š客中写道：“AlphaChip 是首批用于解决实际工程问题的强化学习方法之一。它可以在数小时内生成超越人类设计或同等水平的芯片布局，而无需耗费数周或数月的人力，其布局已应用于数据中心、手机等产品中的芯片。” 实际上，DeepMind 早在 2020 和 2021 年就分别发布了相关的论文，介绍了这种强化学习方法。戳链接查看详情：

昨天，诺贝尔物理学奖颁给了Geoffrey Hinton（杰弗里ⷨ𞛩`𜉯𜌥‡𚤹Ž不少人的意料。不管有没有争议，辛顿在深度神经网络领域的地位毋庸置疑，而且他不是那种只待在象牙塔里的人，跟产业的连接也很密，现在全球AGI领域各条战线上的明星，或者明星公司，基本都能跟他搭上线。关于他的故事我们写过很多，这里摘录一些： 1. 2012年10月，辛顿带两个学生ImageNet图像识别比赛上夺冠，然后把自己和两个学生打包成一家公司（图1），起名叫DNNresearch，给自己估值1200万美元，邀请几家科技大厂来拍卖。是谁促成这件事的呢？是百度。 2. 当时百度多媒体部的负责人，拿过第一届ImageNet大赛的冠军，所以在读了论文后，马上意识到辛顿团队的巨大价值，就给辛顿发邮件要合作，这个人就是余凯，就是汽车芯片和智驾领域的独角兽“地平线”的创始人（图2）。 3. 过了多年苦日子的辛顿，看到邮件后一口答应，顺带提出100万美元的合作经费，余凯向李彦宏请示，后者爽快地答应。然后辛顿意识到产业界如此饥渴，干脆多问几家，于是合作就变成了竞标，邀请四家公司参与：Google、微软、百度，和当时还没做出阿法狗的DeepMind。 4. 拍卖在加州和内华达州交界处的太浩湖（Lake Tahoe）举行，这个地方就是《教父2》开头科里昂家族开派对的地方。 5. 起价1200万美元，每抬一次价格是100万美元，然后四家公司迅速抬到了4400万美元，把辛顿搞的有些头晕，果断喊停，把公司卖给最后的喊价者Google。百度尽管没能夺标，但这件事足够余凯和李彦宏吹一辈子。 6. 当时代表微软参与竞标的，是邓力（图3）。邓力是语音识别领域的大神级人物，跟辛顿相识多年，深度神经网络用到语音领域，这两人贡献巨大。提到语音识别，你是不是就想起了科大讯飞？是的，邓力的母校就是中科大，科大讯飞创始人刘庆峰在1998年拿到ISCSL最佳学生论文奖，就是邓力给发的奖，他之后也多次回合肥跟讯飞团队交流。 7. 代表Google参与竞标的，是谷歌的传奇大神Jeff Dean（图4）。虽然最后夺标，但Jeff Dean心情复杂，因为辛顿在2012年6月曾经短暂参与了Google的The Cat Neurons项目（即“谷歌猫”），然后辛顿一眼就指出了这个项目的缺陷——使用16000块CPU来，但没有使用GPU。 8. 当年推荐辛顿去“谷歌猫”项目的，是另一位人工智能领域的大神吴恩达（图5）。他后来经过余凯的牵线，去百度待了一段时间。 9. 正是受谷歌猫项目的启发，辛顿就带着学生搞出了AlexNet算法，里面只用了4块英伟达的GPU。而夺冠之后，全球学术和产业界终于意识到了GPU在深度神经网络训练方面的独特优势，订单像雪花一样向英伟达飘去——所以ImageNet这场比赛，其实也改变了黄仁勋的命运。 10. 但讽刺的是，2009年辛顿给英伟达写了一封邮件，想要一块免费的显卡：“我刚刚告诉一千名机器学习研究人员，他们应该去买英伟达的显卡。你能免费送我一个吗？” 然后英伟达……拒绝了。AlexNet算法用的那两块英伟达GTX580，是辛顿拿出紧张的经费自己买的。 11. 当然，ImageNet这场比赛还链接到另外两个人——一个是大赛的创办者李飞飞（图6），是华人在AI学术领域最至高的存在；另一个是辛顿团队两名学生之一的Ilya Sutskever（图7），后面是OpenAI的创始人兼首席科学家。这里就不多赘述了。 12. 参与竞标的DeepMind，拿到了马斯克的投资，然后马斯克又推荐给Google创始人拉里ⷤ𝩥凯𜌤𚎦˜ogle就让辛顿参与收购评估。由于辛顿腰不好（只能躺，不能坐），所以他们包了一架私人飞机，改造了座椅，让辛顿躺着飞过去。最后Google花4亿美金收购DeepMind，之后DeepMind做出了震惊世界的AlphaGo。 13. Google对辛顿团队的竞标，其实引发了一场科技大厂抢夺教授的风潮，思路很奇特：先把老师挖过来人，然后期待他们把学生也带过来。于是Facebook挖了杨立昆（图8），亚马逊挖了Alex Smola（图9），苹果挖了Ruslan Salakhutdinov（也是辛顿的学生）。这个几个人都带了很多学生加入，“带徒入组”。 14. 总之，从2012年6月的“谷歌猫”项目，到10月的ImageNet大赛，再到12月的太浩湖竞拍，差不多6个月的时间里，围绕着杰弗里ⷨ𞛩Ῠ🙤𘪤𚺯𜌥…觐ƒAI领域最重要的公司和人，几乎都串了起来。历史就是这么有意思。 15. 我们之前根据这段历史，写过一篇「2012，改变人类命运的180天」，链接附上评论里，大家有兴趣可以一看。另外，关于辛顿家族，还有很多趣事，这个大家可以看刘群老师写的这篇博文刘群MT-to-Death 16. 这个故事其实还有一个启发，就是中国的科技大厂，一定要参与对全球人才的盘点和追逐，虽然现在这个国际环境下越来越难，但你不参与，很多时候就可能连外面正在发生什么都不知道；你参与了，能第一时间感受到温度。越是这种环境，国内大厂越不能闭门造车。

𐟓š Day 2 阅读记录与心得分享 𐟎‰ 周末愉快！今天我们来聊聊如何高效地记录和整理阅读过的学术文章。𐟓– 𐟔 深度学习：LeCun et al (2015) 在《Nature》上发表的这篇论文，详细介绍了深度学习的基础概念、发展历程和成功应用。深度学习是一种特殊的机器学习方法，利用神经网络进行数据表示和学习。 𐟌𓠩š机森林：Breiman (2001) 在《Machine Learning》上发表的论文，介绍了随机森林算法，这是一种基于决策树的集成学习方法。随机森林在分类和回归任务中表现出色，具有高准确性和稳定性。 𐟓𘠥›𞥃分类：Krizhevsky et al (2012) 在《Advances in Neural Information Processing Systems》上发表的论文，提出了一种基于深度卷积神经网络的图像分类方法，大幅提升了ImageNet竞赛的性能。 𐟒ᠨ‡꦳覄力：Vaswani et al (2017) 在《Advances in Neural Information Processing Systems》上发表的论文，提出了Transformer模型，引入了自注意力（self-attention）机制。Transformer模型在自然语言处理任务中取得了显著成果。 𐟎𒠥›𔦣‹AI：Silver et al (2016) 在《Nature》上发表的论文，介绍了AlphaGo，一种结合深度神经网络和蒙特卡洛树搜索的围棋AI。AlphaGo在2016年战胜了世界围棋冠军李世石，成为了人工智能领域的一个里程碑。学术研究需要认真对待，如果有任何问题，欢迎大家指正和交流！𐟤

传统科学意义上最看重的理论和创新在深度学习领域也开始变得可疑，性能似乎是绝对的指标，但也因此，让工程和科学的界限变得模糊。我个人喜欢的计算机研究是在有复杂且精巧的工程的同时，又有方法上的合理与惊艳，最后带有思想的简洁有力，我心目中最符合条件的论文一个是Unix，一个是AlphaGo 5/

【「AI几小时设计的芯片超越人类」：已经被用于世界各地的芯片中】谷歌 DeepMind 推出名为 AlphaChip 的 AI 系统。AlphaChip 设计芯片，用的是强化学习的原理。也就是说，芯片布局设计对它来说是一种游戏，就像 AlphaGo 一样，它在游戏中，学习如何设计出最好的芯片布局。几小时内，它就能生成超出人类水平，或是与人类专家相当的芯片布局了。现在，它已经用于设计多代 TPU 芯片（TPU v5e、TPU v5p 和 Trillium）。而且跟人类专家相比，AlphaChip 放置的块数越来越多，线长也减少了许多。其实谷歌对于这个 AI，已经布局多年了。早在 2020 年，团队就发表了一篇预印本论文，介绍了谷歌的全新强化学习方法，用于设计芯片布局。在数小时内，它就可以生成超人或类似的芯片布局，而不需要花费数周或数月的人类。它设计的芯片布局，已经被用于世界各地的芯片中，包括数据中心和移动电话。（综合IT之家、新智元）

#alphafold拿下诺贝尔化学奖# 【独家专访诺奖得主DeepMind CEO哈萨比斯：我们将看到一种全新的科学复兴】注：本文系旧文重发，首发于2022年02月17日。近日，《#麻省理工科技评论# 》独家专访了 DeepMind 的 CEO 兼联合创始人戴密斯ⷥ“ˆ萨比斯（Demis Hassabis），从他的学生时代聊到创业历程，亦从 AlphaGo 聊到了 AlphaFold。尽管 AlphaFold 在 2021 年名声大噪，但很明显这是哈萨比斯的起点，而不是终点。他对《麻省理工科技评论》说：“我们将看到一种全新的科学复兴，这些 AI 技术将继续变得更加复杂，并被应用到广泛的科学领域。随着 AI 浪潮的兴起，更多的问题将变得可以处理。” 如他所言，2 月 16 日，DeepMind “果真”公布了 AI 用于核聚变的新成果。当天，该公司与瑞士等离子体中心（Swiss Plasma Center，SPC）宣布，双方训练出一种深度强化学习算法，可用于核聚变研究中的等离子体磁控制。相关论文以《通过深度强化学习对托卡马克等离子体进行磁控制》（Magnetic control of tokamak plasmas through deep reinforcement learning）为题发表在 Nature 上 [1]。戳链接查看详情：

今年真是AI大年，科学领域连拿物理化学这两个可以说是最重磅的奖项，商业领域老黄成为三万亿龙头，一度登顶…hinton还有三巨头加上Schmidhuber就不说了，哈萨比斯可以说是年轻一辈里我最喜欢的AI科学家，AlphaGo（不是拿奖的fold）至今还是我最喜欢的ai论文，甚至没有之一 1/

《深度强化学习》让你轻松入门强化学习 𐟓š《深度强化学习》这本书由王树森、黎彧君和张志华共同撰写，旨在帮助读者入门深度强化学习领域。 1️⃣ 内容新颖：本书聚焦了近10年来深度强化学习领域的突破性进展，包括DQN、A3C、TRPO、DDPG、AlphaGo等技术。 2️⃣ 知识精简：剔除了不必要的概念和公式，使得学习过程更为轻松。 3️⃣ 易于理解：书中使用了简洁清晰的语言和生动形象的图示，帮助读者扫除学习障碍。 4️⃣ 系统讲解：虽然内容精简，但书中并不回避数学公式和各种模型，提供了100多幅原创精美插图，并以全彩印刷展示。 5️⃣ 内容结构：全书内容分为五部分，包括基础知识、价值学习、策略学习、多智能体强化学习、应用与展望。 6️⃣ 面向读者：本书面向深度强化学习的入门读者，帮助构建完整的知识体系。学完本书后，读者将能够轻松看懂深度强化学习的实现代码、读懂该领域的论文、听懂学术报告，并具备进一步自学和深挖的能力。 7️⃣ 作者背景：王树森是百度基础模型团队负责人，黎彧君是华为诺亚方舟实验室高级研究员，张志华是北京大学数学科学学院教授。这本书以其实用性、新颖性和易懂性为特点，适合希望深入了解深度强化学习领域的读者。

LLaMA版o1开源，数学大提升！最近，上海AI Lab团队发布了他们的最新成果——LLaMA版o1项目。这个项目的目标是复刻OpenAI的o1推理大模型，并且已经将相关代码开源了。LLaMa版o1采用了蒙特卡洛树搜索、Self-Play强化学习、PPO以及AlphaGo Zero的双重策略范式，使得模型在数学能力上有了显著的提升。其实，这个项目早在2024年6月就开始了，当时团队就在探索如何通过蒙特卡洛树搜索来提高大模型的数学能力。他们的研究在开发者社区中引起了不小的关注。随着OpenAI o1系列的发布，团队进一步升级了算法，专注于解决数学奥赛问题，作为OpenAI草莓项目的开源版本。到了10月初，团队发布了一篇新论文，介绍了他们使用成对优化的方法来提高Llama模型在数学奥赛中的表现。在AIME2024基准测试中，优化后的LLaMA-3.1-8B-Instruct模型在30道题中做对了8道，超过了除o1-preview和o1-mini之外的其他商业闭源方案。到了10月底，团队宣布他们在复刻OpenAI o1的努力中取得了重大进展。他们成功使模型在学习过程中通过与搜索树交互获得高级思维能力，且无需人工标注。项目在不到一周的时间内就完成了开源。目前，LLaMA版o1已经开源了预训练数据集、预训练模型和强化学习训练代码。OpenLongCoT-Pretrain数据集包含超过10万条长思维链数据，每条数据都包含一个完整的数学问题推理过程，包括思考内容和评分结果。这样的数据集使得模型能够读取和输出类似o1的长思维链过程。尽管预训练代码尚未发布，但推荐使用LLaMaFactory作为替代。在预训练模型的基础上，可以继续进行强化学习训练。训练过程包括使用蒙特卡洛树搜索进行自我对弈、将经验存储在优先经验回放缓冲区中、从缓冲区采样批次数据进行训练以及更新模型参数和经验优先级。训练代码中还使用了LoRA进行参数高效微调、PPO算法作为策略优化方法、GAE算法用于计算优势函数以及优先经验回放提高训练效率等关键技术点。 LLaMA-O1的代码发布在名为SimpleBerry的GitHub账号下，该账号并没有特别简介，显得相当神秘。与SimpleBerry相关的账号和官网只透露其为一个研究实验室，并未透露更多研究方向信息。

「2024年诺贝尔物理学奖揭晓」2012年，从6月的谷歌猫，到10月的AlexNet论文，再到12月的太浩湖竞拍，差不多6个月的时间里，AI浪潮的伏笔几乎被全部埋下——深度学习的繁荣、GPU和英伟达的崛起、AlphaGo的称霸、Transformer的诞生、ChatGPT的横空出世……硅基盛世的宏大乐章奏响了第一个音符。 2024年，杰弗里ⷨ𞛩ῨŽ𗥾—诺贝尔物理学奖。

专栏内容推荐

2048 x 1152 · jpeg
AlphaGo e a capacidade de uma IA de replicar a individualidade humana – (En)Cena – A Saúde ...
素材来自:encenasaudemental.com

603 x 315 · jpeg
AlphaGo Zero横空出世完全自学21天虐Master_手机新浪网
素材来自:sports.sina.cn

2892 x 2052 · jpeg
《自然》论文详解：AlphaGo 背后的深度神经网络和树搜索-腾讯云开发者社区-腾讯云
素材来自:cloud.tencent.com
720 x 360 · jpeg
解读AlphaGo论文 - 知乎
素材来自:zhuanlan.zhihu.com

720 x 266 · png
Nature 2016 | AlphaGo 强化学习论文解读系列(一) - 知乎
素材来自:zhuanlan.zhihu.com

720 x 405 · png
AlphaGo 论文详细解读，为什么 AlphaGo的算法就好使？ - 知乎
素材来自:zhuanlan.zhihu.com

1920 x 1080 · jpeg
深度解读 AlphaGo 算法原理_alphago胜率原理-CSDN博客
素材来自:blog.csdn.net

580 x 384 · png
AlphaGo论文解析-第01篇 - 黎明程序员 - 博客园
素材来自:cnblogs.com
2500 x 1544 · jpeg
Nature 2016 | AlphaGo 强化学习论文解读系列(一) - 知乎
素材来自:zhuanlan.zhihu.com

905 x 843 · png
AlphaGo论文解析-第01篇 - 黎明程序员 - 博客园
素材来自:cnblogs.com
600 x 338 · jpeg
深度解读AlphaGo - 知乎
素材来自:zhuanlan.zhihu.com

474 x 320 · jpeg
计算机围棋大赛的前世今生 AlphaGo开启新时代云比赛
素材来自:yunbisai.com
1808 x 1586 · jpeg
Nature 2016 | AlphaGo 强化学习论文解读系列(一) - 知乎
素材来自:zhuanlan.zhihu.com

474 x 533 · jpeg
Nature 2016 | AlphaGo 强化学习论文解读系列(一) - 知乎
素材来自:zhuanlan.zhihu.com
1920 x 1080 · jpeg
深度解读 AlphaGo 算法原理 - Alexander - 博客园
素材来自:cnblogs.com

915 x 1128 · png
AlphaGo论文下载|原文解读 - 深度强化学习实验室
素材来自:deeprlhub.com
1280 x 541 · jpeg
《自然》论文详解：AlphaGo 背后的深度神经网络和树搜索-腾讯云开发者社区-腾讯云
素材来自:cloud.tencent.com

740 x 493 · png
One-Page AlphaGo --十分钟看懂 AlphaGo 的核心算法！ | 雷峰网
素材来自:leiphone.com
474 x 298 · jpeg
中英AlphaGo论文：精通围棋博弈的深层神经网络和树搜索算法(附PDF公号发“AlphaGo论文”下载论文双语对照版)_alphago 深度学习算法论文-CSDN博客
素材来自:blog.csdn.net

918 x 1111 · png
AlphaGo论文下载|原文解读 - 深度强化学习实验室
素材来自:deeprlhub.com
1507 x 784 · png
AlphaGo & Model-Based RL_强化学习围棋-CSDN博客
素材来自:blog.csdn.net

402 x 422 · jpeg
AlphaGo 论文详细解读，为什么 AlphaGo的算法就好使？ - 知乎
素材来自:zhuanlan.zhihu.com
1440 x 1415 · jpeg
【论文详解】—AlphaGo中用到的3个关键技术_apalphago论文-CSDN博客
素材来自:blog.csdn.net

1512 x 871 ·
论文解读：AlphaGo的三个关键技术详解Alpha Go 来源：【知乎-机器学习前言-13-Alpha Go】最近又 - 掘金
素材来自:juejin.cn
428 x 463 · jpeg
AlphaGo 论文详细解读，为什么 AlphaGo的算法就好使？ - 知乎
素材来自:zhuanlan.zhihu.com

2090 x 1846 · jpeg
深入浅出看懂AlphaGo Zero （文章最后有原AlphaGo Zero论文地址）_alphago论文讲解-CSDN博客
素材来自:blog.csdn.net
919 x 1071 · png
AlphaGo论文下载|原文解读 - 深度强化学习实验室
素材来自:deeprlhub.com

600 x 563 · jpeg
AlphaGo 论文详细解读，为什么 AlphaGo的算法就好使？ - 知乎
素材来自:zhuanlan.zhihu.com
640 x 480 · jpeg
AlphaGo Zero横空出世完全自学21天虐Master_手机新浪网
素材来自:sports.sina.cn

722 x 535 · png
RL论文阅读19 - AlphaGo Zero原理浅显分析_alphagozero用rl了么-CSDN博客
素材来自:blog.csdn.net
474 x 335 · jpeg
AlphaGo论文译文：用深度神经网络和树搜索征服围棋 Mastering the game of Go with deep neural networks and tree search ...
素材来自:blog.yanjingang.com

1080 x 610 · png
谷歌AlphaGo论文作者离职创业，或将获得2.2亿美元首轮融资|人工智能|谷歌|DeepMind_新浪科技_新浪网
素材来自:finance.sina.com.cn
963 x 608 · png
AlphaGo论文解析-第01篇 - 黎明程序员 - 博客园
素材来自:cnblogs.com

1278 x 373 · png
深度学习（四十三）——深度强化学习（6）AlphaGo全系列_alphago系列-CSDN博客
素材来自:blog.csdn.net

427 x 427 · jpeg
解读AlphaGo论文 - 知乎
素材来自:zhuanlan.zhihu.com

素材来自:查看更多內容

当前用户设备UA：Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)