上周，Google DeepMind 所開發的 AlphaGo 與圍棋棋王李世乭對弈，電腦打敗了人類，引起大家諸多的關注與討論。近日，微軟公司也發布一項消息：他們將訓練人工智慧玩 Minecraft，並將免費開放人工智慧角色的開發平台 AIX。Minecraft 的虛擬世界Minecraft（當個創世神）最初是由瑞典程式設計師 Markus “Notch" Persson 所獨立開發的遊戲，後來由 Mojang 公司開發並發行。Minecraft 是高度自由的開放世界，玩家可以發揮創造力，建構自己的世界及運作規則。遊戲介面類似數位化的樂高世界，有生存、創造、冒險等多種模式，從最基本的閒逛漫遊、打怪，到製作工具、砍樹、採礦、蓋建築物、團隊合作，沒有一套固定的玩法或任務，脫離了傳統制式化遊戲的概念。2014 年，微軟公司以 25 億美元的價格收購 Minecraft 這套熱門遊戲。現在微軟研究團隊更運用 Minecraft 的虛擬遊戲環境來訓練人工智慧角色，教他們的角色如何爬上山丘、執行各種動作。 （Source：微軟）由於 Minecraft 是高自由度、極富創造性的虛擬 3D 環境，提供了一個很好的平台來訓練人工智慧，讓人工智慧學習應對複雜環境的策略，爬山丘、跨越河流、避開熔岩或是各種障礙物。相對來說，在虛擬環境中訓練人工智慧，也比實際建造一個真正的機器人簡單、便宜很多。其實目前很多對人類來說輕而易舉的事，對機器來說仍然很困難。電腦科學家近年不斷改進人工智慧，希望讓機器從只能夠處理單純的問題、完成具體特定的任務、或是進行規則簡單的遊戲的弱人工智慧（Artificial Narrow Intelligence），逐漸進步到能夠做出複雜決策、溝通、計畫甚至擁有學習及創新能力的強人工智慧（Artificial General Intelligence）。下圍棋或是玩 Minecraft 只是其中一小步。 微軟將釋出 AIX 開發平台AIX 是研究人員用來開發 Minecraft 人工智慧角色的平台。微軟在英國劍橋的研究中心的成員，同時也是 AIX 平台的開發人員 Katja Hofmann 表示，當初開發 AIX 是因為其他人工智慧研究大多使用較簡單的平台及較不複雜的遊戲，這些限制讓她覺得很受挫，因此才有了 AIX 的構想。微軟公司預計於夏天免費釋出 AIX 開源平台，讓更多研究人員和有興趣的電腦玩家加入，希望讓人工智慧角色能更進一步模仿人類玩家，在 Minecraft 環境中學習從事更多複雜的行為與任務。 Minecraft to run...
現今圍棋排名世界第 2 的，不是人，是 AlphaGo 人工智慧系統。在完成與南韓棋王李世乭的對戰後，AlphaGo 的排名在世界職業圍棋排名網站（Go Ratings）晉升到第 2 名。15 日，AlphaGo 人工智慧系統挑戰李世乭的 5 盤競賽終於落幕，結果由 AlphaGo 以 4：1 取得最終勝利。第 4 盤賽後，AlphaGo 排名即空降世界第 4 名（要有敗績才會進入該排名統計），第 5 盤完賽後更是晉升到世界第 2 名。而被 AlphaGo 擊敗的李世乭排名仍停留在世界第 5 名。 韓國棋院更在賽後授予 AlphaGo「名譽九段棋士」的最高榮譽。九段，是職業棋手中的最高段位，名譽九段更是韓國棋院史上首張名譽段位證書。該棋院發言人表示：「從未有人或機器能獲封為名譽職業棋士，多數只是獲頒授名譽業餘棋士證書。」AlphaGo 是由 Google 旗下子公司 DeepMind 所開發的人工智慧系統，利用深度學習和蒙地卡羅樹狀搜尋演算法，學習圍棋，並在對弈中判斷當前局面、決定下一步的策略函數。而與李世乭對戰的 AlphaGo，是分散式版 AlphaGo，擁有 1,202 個中央處理器和 176 個圖形處理器。目前世界排名第一的中國棋手柯潔頻頻放話想挑戰 AlphaGo，並說他有信心能比李世乭下得好，此外他已看出 AlphaGo 下棋缺點，像是在複雜局面上會盡量尋求簡明下法，證明它是非常害怕像劫爭等複雜對抗局面。但 DeepMind 執行長 Demis Hassabis 在賽後記者會上說道，團隊尚未決定 AlphaGo 是否接受其他人類棋手的挑戰。（首圖來源：Flickr / Jaro...
應用深度學習的人工智慧 AlphaGo 戰勝人類，讓全球許多人類都感到危機意識，不過，或許在擔心未來可能遭到「天網」統治之前，先來想想人工智慧的好處。機器學習技術其實可以應用在許多複雜領域，幫助人類解開困難的習題，譬如過去想開發新材料，成分比例與製備方式要一試再試，但透過機器學習的人工智慧根據化學原理來幫忙找出最佳解答，那不就輕鬆多了嗎？人類史上最偉大的材料發明，大概是某天有位先民不知為何把錫混進了銅裡頭，創造出青銅，青銅遠比柔軟的銅更有用處，開創了青銅器文明，但是人類發明青銅的過程完全是碰運氣，事實上，就算在發明青銅之後的 7 ,000 年，人類發明新材料也往往都是透過瞎貓碰到死耗子，不過，自然界可是有 95 個元素，發展新材料的混合、化合以及聚合方式有幾乎無限種可能，要靠人類碰運氣一個個慢慢試，得試到什麼時候？康乃狄克大學的研究團隊認為，該是派出機器學習的人工智慧的時候了，研究團隊讓機器自動學習每個已知的聚合物，了解不同反應聚合產生的材料在原子層級的特性，最後為何有的成為良好的導體、有的卻成為絕緣體，經過機器深度學習以後，人工智慧就能預測需要什麼樣的反應才會產生什麼樣的成果，就有如 AlphaGo 預測圍棋的盤面情勢變化一樣。不過畢竟不是人人都是家大業大的 Google，研究團隊只先測試 7 種不同的化學元件組成的聚合物，在其中只先給予電腦 283 種的基本資料去分析，一但電腦從這 283 種聚合物「學會」了化學的真理，它就不再需要從量子層級重新分析起，而是能直接預測新分子的特性，而且準確度相當高，由於不用從基本的量子層級去計算，演算速度比起過去的方式快很多。能預測新材料的特質對化工產業可說有重大影響，現在工程師們可以先找出想要的特質的聚合物，然後才去合成它，最後發現果然真的跟預測一樣，如此能大幅減少開發時間，也免除了一再試錯而產生的大量成本。就如同 AlphaGo 雖然厲害，但專家表示它仍然只是個弱人工智慧，是機器學習的過程讓它變得如此強大，機器學習應用在其他方面，也可望大幅加速許多運算需求的效能，或是降低硬體的需求，而能對人類產生相當大的貢獻。或許我們先別悲嘆 AlphaGo 戰勝人類，而是該歡呼像 AlphaGo 這樣的機器學習人工智慧，將很快的能為我們的生活與科技發展，帶來許多貢獻。 Building a better mouse trap, from the atoms up （首圖來源：science daily）
南韓圍棋王與 Google 人工智慧（AI）程式 AlphaGo 決鬥慘敗，反倒激發韓國政府不服輸的鬥志，未來五年決定投入 1 兆韓圜打造 AI 研發中心，務求提升南韓 AI 軟硬體實力。政府帶頭拚 AI，包含三星、LG 等電子大廠，SKT、KT 等電訊業，以及入口網站 Naver 與現代汽車等均決定共襄盛舉，每家公司都將贊助約 30 億韓圜。規劃中的 AI 研發中心可能落腳在首爾城南，負責單位韓國工信部（Ministry of Science, ICT and Future Planning）表示，研發中心成立後，政府將還將針對核心研發專案給予財務上的補助。此前，韓國政府因推動第四代工業革命腳步落後招致批評，若非南韓圍棋王慘敗，政府還不一定知道覺醒，說來這還要感謝谷歌 AlphaGo 這一記當頭棒喝。官方估算數據顯示，全球 AI 產值去年達 1,270 億美元，雖然南韓企業目前只佔得 3.2%，但現在急起直追猶未晚矣。（本文由 MoneyDJ新聞 授權轉載）
在人工智慧系統 AlphaGo 與南韓棋王李世乭的對弈直播中，許多網友都在問：AlphaGo 怎麼決定要下哪顆棋子？AlphaGo 懂得投降嗎？AlphaGo 是不是看破李世乭的棋路才贏的這麼順利？黃士傑為什麼都不用喝水上廁所？黃士傑，在世紀人機大賽中負責為 AlphaGo 執棋、同時也是 AlphaGo 開發者之一的台灣博士，在賽後回到台灣，特別為人們解答對於 AlphaGo 的一切好奇。AlphaGo 怎麼下棋，怎麼贏？圍棋第一步有 361 個點可以下，第二步有 360 個點可以下，整個盤面的可能性高達 10 的 170 次方，比宇宙的原子數量還要高，就知道這是多可怕的天文數字，因此才說圍棋是最複雜的棋盤遊戲。然而 Google 旗下人工智慧公司 DeepMind 所開發的 AlphaGo，其過人之處就在於利用深度學習技術搭配「策略網路（Policy Network）」和「值網路（Value Network）」，把搜尋層面縮小，讓電腦運算足以負荷。 ▲DeepMind 利用「策略網路」和「值網路」，讓 AlphaGo 把搜尋層面縮小，也極大幅度縮小運算需求。綠色和粉紅色區塊為被排除掉的搜尋範圍。黃士傑說明，他們先是讓 AlphaGo 看 2、30 萬個棋譜，等於是汲取人類幾千年來的智慧，之後「策略網路」會要求 AlphaGo 利用所學找出前 20 個最佳的棋步，「值網路」再來判斷盤面，分析每個步數的權重。一方面減少搜尋廣度，另一方面減少搜尋深度，變成 AlphaGo 可以處理的運算範圍，讓 AlphaGo 效能有極大的提升，也是今日電腦能贏過人腦的關鍵。 澄清：並非靠研究對手、識破棋路獲勝在最新出刊的天下雜誌 593 期，陳文茜女士在專文中寫下，「AlphaGo 短時間內記住了李世乭的棋譜，識破『冠軍高手』的棋路。」這說法也遭黃士傑反駁，「AlphaGo 並沒有針對李世乭九段做任何訓練，他跟任何人下棋都是一樣的。」也就是說，AlphaGo 都是依上述的方式行動，盤面怎麼發展，他就接著運算、下棋。另外，陳文茜在同篇文章所說的「AlphaGo 更是史上首次開發出默默學習的人工智慧」也並非事實。黃士傑在會中有提到，目前人工智慧已成功應用在圖片分析、語言分析等多個領域，其他許多領域也有探討。科技新報也寫過不少關於機器學習、人工智慧的報導。 AlphaGo 在勝率低於 20%...
作為蘋果創始人之一但又因和賈伯斯鬧矛盾而離開蘋果的沃茲尼亞克（Steve Wozniak），一直都是科技界的「點評專家」。在昨天 Reddit 的 Ask Me Anything （向我拋來一切問題吧）欄目上，沃茲回答了關於庫克、蘋果大戰 FBI 等等的問題。而就像外媒形容沃茲「他一直是自己的主人」，這次他的回答也一貫的有個性。庫克在做好產品，但為什麼 Apple Watch 賣這麼貴？作為蘋果聯合創始人，沃茲尼亞克怎麼看蘋果和蘋果的產品，一直都是科技迷關心的重點。而這次有 Reddit 的網友就開門見山，提問沃茲，在他看來，庫克是在做正確的事情嗎？面對這麼直接的問題，沃茲首先表達了對庫克的認可。他說，「庫克確實有把蘋果員工和用戶看做實實在在的人。他繼承了賈伯斯留下來的傳統：做出那些可以幫助人們解決日常生活問題的好產品。」不過，沃茲之後就把矛頭對準了他曾經表示會「忘了戴」的 Apple Watch：我對 Apple Watch 有些擔憂——我的意思是我是喜歡 Apple Watch 的，但是——它將我們帶去奢侈品市場了。人們根據自己對自己的評價來買一隻標價 500 -1100 美元的手錶。而它們的區別僅僅是錶帶不一樣而已。 如果說上面的批評還有些委婉，那之後的幾句話就有些「正中紅心」了。這並不是原來那家蘋果公司了，或者說不是一家真正能大大改變世界的公司。所以它可能是在往前走，不過你卻是在後面追著。說完這些之後，沃茲又口風一轉，誇獎起 iOS 的更新和 AirPlay，並且表示「強烈支持庫克和這個新蘋果」。所以對於沃茲來說，蘋果和庫克離完美只差一個 Apple Watch 了？ 蘋果 VS FBI：支持蘋果不開後門蘋果與 FBI 大戰到現在還沒有決出個「真正的勝負」，因而也成為了昨天 AMA 中網友重點討論的問題。 對於這個問題，沃茲表示，從一開始他就認為，向更新更好的科技發展的前提是把人放在首位，「我們不需要因為科技而改變原來的生活方式」。我們（美國人）有《人權法案》，這對於我來說非常珍貴。《人權法案》說過，因為我們正保護自己作為人的權利，所以壞蛋才不能做壞事。沃茲認為，如果蘋果產品真的開了後門，那麼犯罪分子也就「非常可能」趁虛而入。對比上週比爾·蓋茨在 AMA 上討論如何在給政府賦予獲取公民信息權力的同時保證他們不會亂用，沃茲在這個問題上則顯得更加「自由主義」。 最愛的產品與技術：VR、Amazon Echo 和人工智慧在被問到最喜歡的設備（現存和未來的）時，沃茲第一個就提到了 Oculus Rift，「或者任何一個 VR 頭戴設備」。我非常喜歡用 VR 來看籃球比賽直播；這是一種你難以置信的體驗。有時候我脫下 VR 頭戴設備，都不能相信自己其實是在辦公室或者家裡。 ...
從 19 世紀中葉人工智慧的萌芽時期，到現今人工智慧的重生，從馬文·閔斯基到 AlphaGo，歷史上發生了哪些激動人心的故事？本文以此鋪展人工智慧發展近 70 年來背後發生的故事。前不久，在人工智慧領域發生了兩件大事，一個就是是偉大的人工智慧先驅馬文·閔斯基教授逝世，一個是 Google AlphaGo 擊敗歐洲圍棋冠軍、職業圍棋二段樊麾。馬文·閔斯基教授是幾乎見證了從人工智慧做為一門學科的興起，直至今日成就的所有大風大浪的人，或者可以說教授本人就是這些成就的先鋒，他對人工智慧的發展的影響意義十分深遠。而 Google AlphaGo 此次取得的成就，也可以算是人工智慧領域一次里程碑式的創舉，它的成功標誌著人工智慧領域又進入了一個新高度。這篇文章，我們將從馬文·閔斯基還是哈佛大學本科生的時候講起，一直到今日 AlphaGo 的勝利，整理一下人工智慧是怎樣一步一步走到今日的輝煌成就。要是從宏觀的角度來講，人工智慧的歷史按照所使用的方法，可以分為兩個階段，分水嶺大概在 1986 年神經網路的回歸——在前半段歷史中，我們主要使用的方法和思路是基於規則的方法，也就是我們試圖找到人類認知事物的方法，模仿人類智慧和思惟方法，找到一套方法，模擬出人類思惟的過程，解決人工智慧的問題。 後半段的歷史，也就是我們現在所處的這個時期，我們主要採取的方法是基於統計的方法，也就是我們現在發現，有的時候我們不需要把人類的思惟過程類比出一套規則來教給電腦，我們可以在一個大的數量集裡面來訓練電腦，讓它自己找到規律從而完成人工智慧遇到的問題。這個轉化也可以用一個形象的例子來描述，就像我們想造出飛機，就觀察鳥是怎麼樣飛的，然後模仿鳥的動作就行，不需要什麼空氣動力學什麼的，這種思想在人類歷史上也被稱為「鳥飛派」。但是我們都知道，懷特兄弟造出飛機靠的是空氣動力學，而不是仿生學。不過我們不能就因為這一點就笑話人工智慧前半段各位研究人員和前輩的努力和心血，因為這是人類認知事物的普遍規律，其實現在也有不少人會認為，電腦可以讀懂文字、看懂圖片靠的是依靠和我們人類一樣的認知過程。在研究基於規則的探索中，人工智慧經歷了 3 個主要階段——興起、繁盛和蕭條。會有這樣的過程，一個重要原因是基於規則方法的局限性。 一、萌芽階段人工智慧的萌芽時期大概出現在 19 世紀中葉，第一位需要介紹的人物便是馬文·閔斯基。閔斯基於 1946 年進入哈佛大學主修物理專業，但他選修的課程相當廣泛，從電氣工程、數學，到遺傳學、心理學等涉及多個學科專業，後來他放棄物理改修數學。1950 年，也就是閔斯基本科的最後一年，他和他的同學 Dean Edmonds 建造了世界上第一台神經網路電腦，並命名其為 SNARC（Stochastic Neural Analog Reinforcement Calculator）。這台電腦是由 3,000 個真空管和 B-24 轟炸機上一個多餘的自動指示裝置來類比 40 個神經元組成網路的。後來，閔斯基又到普林斯頓大學攻讀數學博士學位，並以「神經網路和腦模型問題」為題完成博士論文，但是當時的評審委員會並不認為這可以看做是數學。▲ 馬文·閔斯基閔斯基的這些成果雖然可以被稱作人工智慧的早期工作，但是鑒於當時的閔斯基還是一個青澀的毛頭小子，所做的博士論文都不能得到相應的認可，所以影響力有限。接著上場的第二位人物影響力就大很多，那就是電腦科學之父艾倫·圖靈，他是被認為最早提出機器智慧設想的人。圖靈在 1950 年的時候（也就是閔斯基還在讀本科的時候）在雜誌《思想》（Mind）發表了一篇名為「電腦與智慧」的文章，在文章中，圖靈並沒有提出什麼具體的研究方法，但是文章中提到的好多概念，諸如圖靈測試、機器學習、遺傳演算法和強化學習等，至今都是人工智慧領域十分重要的分支。▲ 圖靈在 1950 年的時候在雜誌《思想》（Mind）發表的名為「電腦與智慧」的文章。介紹完以上兩大人物，接下來標誌著人工智慧做為一個獨立領域而誕生的盛會——達特茅斯研討會就要粉墨登場了。不過在介紹達特茅斯研討會之前，我們不得不介紹這第三位重量級的人物，那就是約翰·麥卡錫，因為他正是這次研討會的發起人。約翰·麥卡錫於 1948 年獲得加州理工學院數學學士學位，1951 年獲得普林斯頓大學數學博士學位。然後又在那裡當了兩年老師，接著短暫地在史丹佛大學任職後到了達特茅斯大學，正是這個時期，它組織了達特茅斯研討會。在這次大會上，麥卡錫的術語人工智慧第一次被正式使用，所以麥卡錫也被稱作人工智慧之父。其實麥卡錫在達特茅斯會議前後，他的主要研究方向正是電腦下棋。▲ 約翰·麥卡錫下棋程式的關鍵之一是如何減少電腦需要考慮的棋步。麥卡錫經過艱苦探索，終於發明了著名的 α-β 搜索法，使搜索能有效進行。α-β 搜索法說核心就是，演算法在採取最佳招數的情況下允許忽略一些未來不會發生的事情。說的有點抽象，我們來舉個十分簡單的例子。假如你面前有兩個口袋和一個你的敵人，每個口袋放著面值不等的人民幣，你來選擇口袋，你的敵人決定給你這個口袋裡哪張面值的錢。假設你一次只能找一個口袋，在找口袋時一次只能從裡面摸出一次。當然你希望面值越大越好，你的敵人自然希望面值越小越好。假如你選擇了第一個口袋。現在我們從第一個口袋開始，看每一張面值，並對口袋做出評價。比方說口袋裡有一張 5 元和一張 10 元。如果你挑了這個口袋敵人自然會給你 5 元的，10 元的就無關緊要了。現在你開始翻第二個口袋，你每次看一張面值，都會跟你能得到的最好的那張面值（5 元）去比較。所以此時你肯定就去找這個口袋裡面值最小的，因為只要最少的要比 5 元好，那麼你就可以挑這個口袋。假如你在第二個口袋摸出一張...
人工智慧的發展已行之有年，至今其縝密度已幾乎能與人腦相當，舉例來說，Google 開發的 AlphaGo 人工智慧系統就能輕鬆打敗許多專業級的圍棋好手，實力更是不容小覷。科學家開發人工智慧的初衷想必是立意良善，希望能減輕人力負擔，讓人類能有更多享受休閒活動的時間，但學者 Moshe Vardi 卻不這麼想，他認為，人工智慧和機器人將在未來 30 年內，造成全球 50% 的人失業。長期關注人工智慧、超人類主義等議題的現任 Google 工程總監 Ray Kurzweil 認為，在不遠的未來，人類有可能會成為半個機器人。他表示，在 2030 年時，「人類的思考模式就會演變成生物與非生物學的思考綜合體」，由此可見，不到幾十年內，社會中的所有情況可能會與現在非常不同，人工智慧的發展將會影響人類至深。14 日在華盛頓舉辦的美國科學促進會（AAAS）上，來自美國萊斯大學的電機系教授 Moshe Vardi 發表了一段演講，他質疑許多科學上的發展是否真的只帶給人類益處，而非壞處。若詢問科學家為什麼要鑽研人工智慧等技術，想必「最典型的答案就是，如果機器能幫我們做所有的事，我們就能自由地享受休閒活動。」機器人的研發固然有好的地方，但也會帶來壞處。Vardi 認為人不可能總是活在休閒娛樂中，要想有休閒活動，首先要有收入來源才行。此外，對人類來說工作也是生活的元素之一，缺少了也會乏味。他表示，未來 30 年，機器人將幾乎可以執行任何人類能做的事，更有可能取代他大學教授的職位，並導致將近 50% 的人類失業，到時不用說是休閒活動，可能連基本的食衣住行都有困難。然而，科學家們並不會因為可能衍生的後果，而停下他們的腳步，Vardi 也認為，人工智慧的研發已無法停止，並早已造成難以遏止的惡果，現在應該做的是要開始認真思考，並找出該如何與這些進化的自動化未來和平共處的方法才對。Vardi 也不是唯一一位有如此擔憂的學者，知名物理學家霍金也曾對外表達他對人工智慧發展的憂慮，特斯拉執行長 Elon Musk 更曾在 2014 年時表示，人工智慧災難將在 5 年內爆發，可見人工智慧所帶來的不僅全然是益處而已。Google、Facebook 和許多科技公司目前也開始著手研發人工智慧的這塊大餅，期望能率先在這個領域中站穩腳，搶得先機，但在此同時，不知道他們是否也有顧及道德良知，在其技術上的進步也該有個基本的限制，才不會造成日後可能發生的災難等。而在這人工智慧發展以來的幾十年，人類似乎就像個實驗中的白老鼠一樣，等著實驗結果出爐而已，該怎麼防範於未然也成為許多評論家最擔憂的事。相關連結 Robots could push unemployment to 50% in 30 years, prof says （首圖來源：Flickr/A Health Blog CC BY 2.0）延伸閱讀 繼霍金之後，Elon...
圍棋不僅是世界上最古老的棋類遊戲，更是眾多數學家公認複雜度相當高的遊戲。每一步都變幻莫測，甚至有億億種可能！Google 22 日公布旗下人工智慧公司 Deep Mind 所開發的「AlphaGo」人工智慧系統挑戰世界圍棋天才李世乭的賽程和細節，邀請大家共同見證這場精彩的人機對弈！此圍棋對弈將於 3 月 9 日（三）至 3 月 15 日（二）期間分五場次於首爾舉行。值得一提的是，若李世乭於這場賽局中獲勝，將獨得 100 萬美元做為獎勵；若 Google 人工智慧系統「AlphaGo」獲勝，Google 將捐出此獎金予聯合國兒童基金會（UNICEF）、Science,Technology, Engineering, and Mathematics（STEM）教育機構以及圍棋公益組織。為有效透過人工智慧技術解決人類史上需要龐大數據與演算法的多項分析，許多人工智慧科技公司將「圍棋」（Go）視為發展人工智慧演算法的終極目標。因此，若「AlphaGo」系統能夠在與人腦的圍棋對弈中獲勝，將有助於人工智慧技術後續發展與分析。這場人機對弈的世紀對決將於賽期期間透過 DeepMind YouTube 頻道進行直播，更邀請到職業九段棋手邁克‧雷蒙德（Michael Redmond）、劉昌赫、宋泰坤等擔任賽局評論員，絕對精彩可期！若「AlphaGo」人工智慧系統能夠於變幻莫測的圍棋對弈中戰勝人腦，將成為人工智慧發展史上一大重要里程碑。 相關對弈資訊： 第一場次對弈：2016 年 3 月 9 日（三） ，中午 12 點。 第二場次對弈：2016 年 3 月 10 日（四），中午 12 點。 第三場次對弈：2016 年...
還記得上個月人工智慧擊敗人類圍棋冠軍這件事嗎？Google DeepMind 實驗室名為 AlphaGo 的人工智慧在沒有任何讓子的情況下，以 5：0 完勝歐洲冠軍、職業圍棋二段樊麾。近日 VentureBeat 消息稱，這個創造出 AlphaGo 的 Google DeepMind 實驗室將會把觸角伸向醫療技術領域，希望自己的技術能夠運用在醫療保健之中。總部位於英國倫敦的 DeepMind 實驗室表示，他們為了進軍醫療技術領域成立了 DeepMind Health 團隊，之後 DeepMind Health 團隊將與英國倫敦帝國理工學院和倫敦皇家自由醫院展開合作。他們現已推出一款名為 Streams 的行動端應用程式，醫療人員可以利用 Streams 更快地觀察到醫療結果。目前 Streams 正在皇家自由醫院進行試驗，在談到這款應用程式時，皇家自由醫院患者安全助理醫學總監 Chris Laing 表示：「Streams 只需幾秒鐘就可以查看存在急性腎臟損傷病人的驗血結果，並能夠針對病人的實際情況給出治療方案。」另外他們還收購了 Hark，將為倫敦帝國理工學院的臨床醫生開發任務管理應用。關於這一舉措，DeepMind 的聯合創始人 Mustafa Suleyman 說：「目前我們的重點是要取得臨床醫生的信賴，之後計劃與醫生和護士進行合作，將我們的機器學習技術推向健康保健領域，從長遠來講，我們希望向臨床醫生提供工具，説明他們處理龐大的資料資訊。」（Source：YouTube）關於 DeepMind Health 的目的，Google DeepMind 在他們的新網站上提到：對於醫療人員來講，他們比任何人都知道該用病人提供優秀的護理，我們旨在為醫療人員提供構建服務所需的技術支援，以便能更好地照顧病人。實際上，Google DeepMind 實驗室這次進軍醫療健康醫院，也是 Google 的母公司 Alphabet 向醫療保健和醫療技術領域進軍的一部分，Alphabet 目前旗下有幾家醫療科學子公司和一家抗衰老公司；同時，Google 也在進行基礎的醫療科學研究。（本文由 愛范兒 授權轉載；首圖來源：CB...