感觉自己越来越菜连人机都打不到 太菜了连人机打不过
淘宝搜：【天降红包222】领超级红包，京东搜：【天降红包222】
淘宝互助，淘宝双11微信互助群关注公众号 【淘姐妹】
mumu丨文
这些年，人类一直在想方设法为自己创造对手。
1996年2月10日，IBM的“深蓝”首次挑战国际象棋世界冠军卡斯巴罗夫，但结果以2-4落败。后来程序经过一年时间改良后，1997年5月 深蓝2代 终于以2胜1负3平击败了人类最强棋手。
卡斯巴罗夫在赛后对电脑“完全没有机械惯性”的棋路表示质疑，认为这是IBM一手炮制的宣传营销。然而IBM并没有给棋王机会重赛证明自己，迅速拆卸了“深蓝”。
到了2017 年，谷歌的 Alpha Go 在围棋领域打败了当时世界最强棋手柯洁，一时震惊世界。
而你可能不知道，这些AI专家们早早的就把触手伸向了电子游戏领域。
AlphaGo在战胜人类最强围棋手后就开始转战《星际争霸2》项目，腾讯的人工智能“绝艺”也在《王者荣耀》中进行过实验，而最近“声音”最大的莫过于在Dota2项目活跃的OpenAI了。
国际象棋和围棋等棋类游戏的规则往往十分“稳定”，看似复杂但很有逻辑性，每一次落子总有脉络可寻，而AI在这种“有限制”的情况下更能够发挥它在计算力上的优势。
但电子游戏不一样，像Dota、星际这样的游戏对于计算机来说，有一个难点就是对于复杂条件下非完全信息的决策。
因为信息的不对称，很多时候你需要通过有限的信息做出直觉性的判断：比如在Dota里地图上五个人不见了，有可能是开雾来野区抓人了，也有可能是打肉山了，也有可能5人在自家野区抱团刷野……所以如何攻克类RTS游戏成为了一项艰难的工程。
这游戏最大的魅力在于，你永远也不知道一名E术家在下一刻会做出什么举动
早在去年Dota 2 的年度最大赛事 TI7 上，人工智能 OpenAI 第一次亮相便在影魔中路solo比赛上打败了乌克兰老司机Dendi。
完美的卡兵技巧、强势激进的打法、毫不吝啬的氪芒果行为，让无数玩家打开眼界：原来中单Solo还能这么打？
之后也有数名职业选手轮番挑战，正常比拼之下几乎完败，后来有选手研究了AI的行动模式这才赢下比赛。那时的AI虽然还不是完全体，但中单solo更多的讲究技术和操作上的实力，人打不过电脑也不稀奇。
就在今年，OpenAI开始组建一只叫作 OpenAI Five 的队伍，尝试 5v5 对战的领域。
根据OpenAI官方博客的介绍，新的人工智能每天都会与自己进行“左右互搏”式的自我对战训练，在256颗GPU和12万颗CPU核心的支持下，它一天的训练量相当于人类180年的游戏时间。
经过一年的修炼，OpenAI已经完成了全方位的进化，甚至已经能在限制条件的情况下战胜一些业余玩家的队伍了。
身穿human战衣、平均4000分的OpenAI员工队伍
北京时间8月6日凌晨，OpenAI又跟人类打了一场BO3的Dota 2比赛，最终竟然以 2：1 战胜了人类队伍。这一次人类方的上场选手都是一些前职业选手，也证明了AI确实有一定的实力：
一号位Merlini 北美天梯674名（宙斯冠名，绕树林反杀三个的就是这个老哥）
二号位Blitz 北美天梯576名
三号位Moonmeander 现在COL的劣单 以前DC的劣单
四号位Fogged 北美天梯180名
五号位Cap 北美天梯 961名
但要明确的是，与OpenAI对战的规则和平时游戏很不一样。这次比赛虽然放开了之前比赛的一些规则，但是限制还是很大：
1）每个队伍都有五只无敌的信使，但是不能用来侦查或者运瓶。
2）不能出圣剑、魔瓶，禁止召唤物、幻象。不能用扫描功能。
3）可以打肉山、做视野、隐身。
4）英雄池只有18名：斧王、冰女、死亡先知、撼地神牛、飞机、巫妖、莱恩、死灵法师、女王、剃刀、隐刺、影魔、小鱼人、火枪、斯文、潮汐、毒龙、巫医。
在与AI对决前，还有场与现场观众的热身赛，之后才是BO3的正赛。
第一局双方阵容分别为：
OpenAI：巫妖、矮人直升机、矮人火枪手、死亡先知、莱恩
人类：撼地神牛、死灵法师、冰女、闪电幽魂、影魔
比赛一开始就进入了AI的节奏。AI莱恩的关键秒羊牛头，让人类方高地团战瞬间溃散，毫不费力的结束了第一局比赛。
第二局双方阵容分别为：
OpenAI：矮人直升机、冰女、巫妖、莱恩、火枪
人类：撼地神牛、影魔、死亡先知、隐形刺客、巫医
最后一把由观众为AI挑选英雄，这一次AI没有选到自己常规的阵容，一下就崩盘了。AI最终以2:1的比分结束了比赛，算是挽回了一点人类的面子。
又是一次秒羊……
AI在对线期凭借着技能的流畅交接、精准的血量计算，加上5只鸟在线上不断运送补给，靠积累小优势前期打出线上优势。然后抱团推进给压力，逼迫人类方打团，最后杀人拿塔、经济滚雪球。
这种打法是不是有点熟悉？
其实这就是类似小语种代练的套路，简单的战术加上坚强的执行力，5个配合默契的选手用速推打5个完全没有配合的路人就是这么简单。
因为比赛限制英雄池只有18个的关系，人类完全没有在BP上进行针对的办法，对线崩了基本就是一崩到底。加上不能有幻象分身，也断绝了带线的科能。――没有光法宙斯这样的守塔英雄，也没有分身辉耀、敌法师、先知这样的带球流，面对AI推进毫无办法。
而且比赛允许五个鸡真的过分了，无限运补给+没有野区经济让英雄对线优势无限放大，推进节奏也变得很快。在限制条件的情况下，这已经完全是两个游戏了。（打个比方，Solo比赛可以无限运大药芒果打消耗，正常对线这么玩马上就会因为没补给品被打回家、或者缩在塔下吃反补经验了。）
在人类方没有研究过AI打法的前提下，这次翻车也就不奇怪了。
目前来说，OpenAI有值得肯定的地方，酱油游走支援到位，对线消耗不吝啬技能，打团进退有据、技能衔接和走位都很到位。――AI在团战的表现已经是做到玩家的极致了。
国外解说在比赛中就多次提到，玩家可以从AI身上学到很多小技巧，比如防御塔的仇恨分担和转移。（AI甚至会插真眼吸引防御塔，从而完成越塔击杀）
因为AI没有经过系统学习，全靠自己“左右互搏”式的摸索，所以很多举动都超出常人的理解。而这些不寻常的举动或许会带给玩家启发。就像以前影魔solo没那么多吃芒果的，在AI大战之后现在都知道吃芒果拼消耗了。
虽然我不知道塔下插眼是什么操作
这次与OpenAI的人机大战其实更像是科技公司的一场营销。
AI的打法很套路，除了会嘲讽以外并没有太智能的感觉。人类方只是输在不习惯这个专门为AI定制的游戏规则上。如果和之前一样开放影魔Solo AI的话，很快就能制定出各种针对AI套路。
被AI嘲讽，求人类方的心里阴影面积
不过AI有一个好，就是可以疯狂自我练习，一天能顶半年用。要知道几个月前的OpenAI还只能进行瘟疫法师，矮人火枪手，冥界亚龙，水晶室女，巫妖的镜像比赛，现在有这样的进步已经非常大了。
目前这个比赛规则是7月18号就定下来的，那个时候开发人员大概就已经对战胜人类这件事胸有成竹了吧。
比赛结束后的新闻发布会上，主持人询问前韩国职业选手、现在活跃在教练解说舞台的 William "Blitz" Lee：现在你相信 Dota2 人工智能可以在 5v5 上击败职业顶级选手了吗？
后者答道：“2017年8月在 solo 上击败 Dendi 时，我依然认为不可能；2018 年 6 月它在 5v5 上击败 4000 分人类玩家时，我认为……有点可能了；而今天的对决之后，我觉得这个可能性很大。”
以前还是新手的时候，因为怕坑人就会经常打AI熟悉游戏技能，提高一下技术。那时候AI还是可以随意蹂躏的对象，谁能想到现在一个半职业选手组成的队伍会在一个“U盘”里的AI程序上翻车。
距离Ti8还有2个星期，两个多星期对AI来说又是好几年的训练时间，谁也不知道现在的OpenAI又会进化成了什么样。
人类到底能不能捍卫自己的尊严，就看到时候的人机大战了。
-END-
戳这里关注→ BB姬(? ? ?) ←戳这里喔~
我们还有很多不可描述可以看喔(?′ω`?)
福利时间：关注BB姬，本文评论区点赞最多的两位小可爱将获得50软妹币的奖励内(?′ω`?)
上期中奖的小可爱↓私信一下我哦
蓝莺 IM
原创 会聊天的小蓝AI 蓝莺IM 2022-12-21 11:10 发表于北京
1. 可以在蓝莺IM控制台里直接启用 OpenAI Chatbot，零代码方式设置 OpenAI 引擎。
2. 也可使用蓝莺连接器，直接调用OpenAI API，此工程已在Github开源。
ChatGPT 太火了。自从上周发布后，很多人玩得不亦乐乎，如果你还没有开始玩，可以先看看大家在干啥：
- OpenAI新上线GPT太强了，服务器瞬间挤爆，马斯克：你们太沉迷了
- 爆火的ChatGPT太强了！写代码、改bug，网友：可取代Stack Overflow了
- 从GPT-1到GPT-4看ChatGPT的崛起
但百闻不如一用，我们还是建议你亲自上手体验一下，可以直接去 OpenAI 官网[1]注册。不过由于地区限制，你需要一个境外的手机号，这个去万能的淘宝可以解决，或者直接找一个国外的接码平台收注册验证码即可。
作为日常跟「聊天」「Chat」打交道的互联网人，我们在第一时间就开始体验，自然地也会思考如何利用其打造自己的产品。
OpenAI 说自己将致力于实现安全的通用人工智能，这个目标让人敬佩。因为我们知道，即使是最火的会话机器人，过去了这么多年也只是在非常局限的业务领域做到基本可用而已。
而且我们用得越多，越知道这智能里有多少智障。因为技术发展限制，你想要更聪明的模型，要么需要算法加上大量数据的训练，要么需要专家加上持续的规则维护。这些都不是一般的团队能够负担得起的，因为训练和维护都不是简单的工作。
然而这一回，不得不说 OpenAI 带来了一阵春风。
注意，我说的不是 ChatGPT，是 OpenAI，那个实现了 GPT 系列模型的公司，那个把模型都通过 API 开放出来的公司。
在我们看来，至少还有一件事跟ChatGPT研究本身一样重要，那就是开放的 API。
因为虽然 AI 引擎非常重要，但研究它是一回事，能够在实践中应用它则是另一回事。前者需要大量科学家去研究创新，后者也需要很多企业和开发者去探索实践。
OpenAI 看到了这个问题，因此在一开始，就不仅持续公开着最新的研究成果，也将其作为 API 开放了出来，也因此，我们现在得以用最简单的方式来尝试GPT模型。
将能力封装成 API 给开发者开箱即用，也是我们一直在做的事情，也因此我们决定对接并将其封装给我们的开发者直接使用。
现在这个服务已经在蓝莺IM控制台发布。
开发者在注册蓝莺IM控制台后，不仅可以立即拥有一个聊天SDK，其中的每个账号都可以自动获得 OpenAI 的 AI 能力。
可以零代码实现自己的 AI Chatbot 了！
试玩的话，现在可以直接在蓝莺IM APP里跟小蓝AI聊天哦（添加好友：maxim_chatbot
人工智能时代芯片巨头 类脑芯片发展应该从哪些方面努力
人工智能时代的教育发展心得体会,人工智能时代需要什么样的人才,人工智能时代什么工作不会被替代,人工智能时代还需要劳动吗前言
近日，华为又因被美扩大芯片供应限制引发关注。鲜为人知的是，华为的全资子公司哈勃科技曾在2019年的时候，砸了48万，投资了一家专注于类脑智能芯片的AI公司。类脑智能被称为AI未来高效发展的“潜力股”，能弥补AI对于现实世界的感知、情况评估和决策任务能力的缺陷。近年来AI在医学上的应用十分迅猛，如医学影像诊断、智能机器人、药物研发等，不知类脑智能芯片未来会成长成什么样？
一、什么是类脑智能？
类脑智能是受大脑神经运行机制和认知行为机制启发，以计算建模为手段，通过软硬件协同实现的机器智能。类脑智能具备信息处理机制上类脑、认知行为表现上类人、智能水平上达到或超越人的特点[1]。类脑智能发展有3个层面的目标，分别是结构层次模仿脑、器件层次逼近脑、功能层次超越脑。
1、结构层次
主要研究基本单元（各类神经元和神经突触等）的功能及其连接关系（网络结构），通过神经科学实验的分析探测技术完成。
2、器件层次
重点在于研制模拟神经元和神经突触功能的微纳光电器件，在有限物理空间和功耗条件下构造出人脑规模的神经网络系统，如研制神经形态芯片、类脑计算机
3、功能层次
对类脑计算机进行信息刺激、训练和学习，使其产生与人脑类似的智能甚至涌现自主意识，实现智能培育和进化，学习、记忆、识别、会话、推理、决策以及更高智能。
二、类脑智能的发展方向
众所周知，人脑是已知的最复杂，功能强大，高效，有效，灵活和智能的信息处理系统。因此，人脑的功能，其结构组织和信息处理原理应被用作设计人工智能系统的原型，而不仅仅是以黑匣子的方式模拟其行为。因此，类脑智能的发展方向大致可归纳为基础研究、生物性能实现和生物系统结构建模三个方面[2]。
1、基础研究
类脑研究的基础是研究神经细胞作为脑基础功能单元的物理化学原理和作为最小信息处理单元的数学原理。神经细胞的数学模型、等效电路、模拟神经网电路的研究就属于这个范畴。
2、生物性能实现
当暂时无法直接从基础要素的研究中解析出基本原理时，模仿生物的某一项性能也是类脑智能的一个重要研究方向。例如在研究人脑中的视觉系统时，通过模拟人眼的运动控制神经系统及各种眼球动态响应，从而获得了一系列有效的机器视觉运动控制原理，可成功应用于3D自动拍摄系统、双目相机在线校准等产品之中。人工智能算法也是仅模拟了猫大脑视觉皮层通路中信息的分层处理机制和神经网络的基本拓扑结构，构建出卷积神经网络，便已经推动了人工智能的巨大进步。
3、生物系统结构建模
为了实现类脑智能系统，首先要理解脑的系统结构和各个脑器官的功能和特性，通过组合对应各个脑器官基本功能的部件，搭建一套具有类似生物脑系统基本功能的“机器脑”，然后再逐渐改良和完善。仿生机器脑是研究自主智能系统的重要平台，除智能外具备感知和操控功能，是人工智能系统获得自主学习、智力演化等高级认知能力的关键。
三、全球开展“脑计划”，抢占技术制高点
2018年8月，Gartner公司发布2018年新兴技术成熟度曲线，公布了5大新兴技术趋势，其中类脑智能、神经芯片硬件和脑机接口作为重要技术趋势。现在，全球主要发达地区的国家、研究机构和科技企业都已纷纷进入类脑智能的研究领域，并已投入相当可观的资金以供其蓬勃发展。
美国“使用先进革新型神经技术的人脑研究计划”（BRAIN）旨在理解人类思想、动机、情感的产生过程，带动新型疾病疗法的开发和高科技产业的发展；欧盟“人脑计划”（HBP）依托信息通讯技术（ICT），把认知神经科学和计算数字模拟结合起来，实现大脑系统的人工模拟，发展高性能计算机、医学信息学、神经形态工程、智能机器人等应用产业；日本“使用神经技术的脑科学疾病研究计划”（Brain/MINDS）目标为降低和消除神经精神疾病的社会负担[3]。
我国神经科学和类脑人工智能发展规划可分为7大领域，实施“3+2+2”领域模式，包括3大重点方向：基础神经生物学、神经精神性疾病、类脑人工智能；2大支撑性领域：变革性神经科学技术、支撑平台；以及2大产业领域：神经生物医药及生物医学工程、人工智能产业[4]。
中国脑计划有着一些独特的亮点：中国脑计划把脑疾病和脑启发的人工智能放在特别优先的位置；中国的各种脑疾病人数是世界上最多的，这使得对于脑疾病的预防、早期诊断和早期干预的研究尤其紧迫，同时也为研究提供了最大的数据支撑；现在人们愈加发现要想理解人类的高等认知功能（如思维和意识），以及脑疾病（特别是精神疾病），非人灵长类可能是更合适的实验动物模型。中国有着丰富的猕猴资源，并且在用猕猴建立人类疾病模型的研究上快速发展。这使得中国在研究高级认知功能，如共情、意识和语言，以及脑疾病的病理机制和干预手段方面，可能做出独特的贡献。
四、类脑智能的应用技术
全球顶尖技术公司、大学和科研机构都相继加入了类脑计算和类脑智能的布局。
1、微软：OpenAI
2020年7月，微软在OpenAI上投资10亿美元用以开发类脑智能的新技术，OpenAI将帮助其为Azure云计算服务联合开发和培训新的AI技术。它还将与之合作开发新的超级计算硬件，以尝试实现AGI，即具有像人类一样学习任务的能力的机器[5]。
OpenAI可以利用微软的超级计算和云计算技术来构建人工智能（AGI）
2、新西兰奥克兰科技大学：NeuCube
新西兰奥克兰科技大学（AUT）的Nik Kasabov教授开发了一个突破性的机器学习系统NeuCube。NeuCube的框架和计算体系结构能够创建智能系统，与传统的统计和机器学习方法相比，该系统在以下方面显示出了优异的结果：1）更好的数据分析和分类/回归准确性（降低了10％到40％） ; 2）可能使用VR，更好地可视化创建的模型；3）更好地理解所测数据和过程；4）通过有意义的模型解释实现新的信息和知识发现。目前，NeuCube已经在全球25个实验室中使用，并与欧盟和中国开展许多重大的国际AI项目，其中包括220万欧元的名为PANTHER的研究交换项目[6]。
用于时空脑数据（STBD）建模的NeuCube架构
3、清华大学：天机芯
2019年8月，清华大学类脑计算研究中心施路平团队研发的第二代“天机芯”（Tianjic）登上了《自然》（Nature）封面。天机芯片是面向人工通用智能的世界首款异构融合类脑计算芯片。其具有计算存储融合和去中心化的众核架构，每块芯片含有156个计算功能核，约合四万神经元和千万突触。它不仅能够支持计算机科学导向的机器学习算法和神经科学导向的神经形态计算模型的独立部署，还能够支持两者的异构建模，为发展人工通用智能提供了一个计算平台[7]。
天机芯片单片（左）和5x5阵列扩展板（右）
研究人员在一辆无人驾驶自行车上验证了这一芯片的能力。搭载“天机芯”的自行车，实现了实时视觉目标探测、目标追踪、自动过障和避障、自适应姿态控制、语音理解控制、自主决策等功能。
自动行驶自行车演示平台
结语
作为人工智能的技术发展路径之一，以认知仿生驱动的类脑智能是一个非常有前途的领域，具有巨大的潜力。但该领域目前仍处于起步阶段，类脑智能的想要成为AI的主流应用方向还有很长的路要走。关于大脑功能的许多秘密还有待一一揭开，机器算法和科学方法论的壁垒也必将因为类脑智能的快速发展而被逐一打破。为了实现这一目标，工程师将必须与脑科学家和生命科学家携手合作，并开展紧密合作的研究。相信在大数据技术和新一代互联网技术等基础技术的支撑下，类脑智能应用的研发将会推动我国科技创新实力的发展。
参考文献
[1] 王冲.类脑智能:人工智能发展的另一条路径[J].科学中国人,2019(6):72-73.
[2] 张晓林.类脑智能引导AI未来[J].自然杂志,2018,40(5):343-348.
[3] 韩雪, 阮梅花, 王慧媛, 等.神经科学和类脑人工智能发展:机遇与挑战.生命科学, 2016, 28:1295-307
[4] 神经科学和类脑人工智能发展:未来路径与中国布局生命科学 2017,29(02),97-113
[5]https://www.technologyreview.com/2019/07/22/238798/microsoft-is-investing-1-billion-in-openai-to-create-brain-like-machines/
[6]https://opengovasia.com/ai-research-projects-underpinned-by-brain-like-artificial-intelligence-system/
[7]https://news.tsinghua.edu.cn/info/1002/16371.htm
- END -
作者 高畅 | 编辑 杨柳荣 | 排版 Elsa
