姓名：陳權(quán) ? ? ?學(xué)號(hào)：17021211314
轉(zhuǎn)載自：http://mp.weixin.qq.com/s?__biz=MzIzNTE3Mjg1MQ==&mid=2650314126&idx=5&sn=c2f33a8ae9b534b136d0479ca651b799&chksm=f0e71312c7909a04536fc9c0d08a1525e2e07f04163ff84244dfa1e7bf32afec7ced724a103b&mpshare=1&scene=1&srcid=1203wCKgBv8Q1vGfeHQcBF4h#rd
嵌牛導(dǎo)讀：報(bào)告的前半部分展示了AI Index團(tuán)隊(duì)收集的數(shù)據(jù)用含。后半部分討論了報(bào)告中沒(méi)有提到的一些關(guān)鍵領(lǐng)域屿聋、專家對(duì)報(bào)告中顯示的趨勢(shì)的評(píng)論虹脯，并加入關(guān)于AI技術(shù)的度量和交流進(jìn)展的討論。
嵌牛鼻子：人工智能枚荣、機(jī)器學(xué)習(xí)、自然語(yǔ)言、深度學(xué)習(xí)
嵌牛提問(wèn)：人工智能與機(jī)器學(xué)習(xí)的前景將會(huì)如何？
“AI Index”（AI指數(shù)）近日重磅發(fā)布伞矩，這是斯坦福大學(xué)AI百年研究（AI 100）的一個(gè)項(xiàng)目，旨在追蹤人工智能的活動(dòng)和進(jìn)展夏志。該報(bào)告列出了2017年人工智能在計(jì)算機(jī)視覺(jué)扭吁、自然語(yǔ)言理解等方向上的最新進(jìn)展，分學(xué)術(shù)盲镶、產(chǎn)業(yè)多個(gè)角度盤點(diǎn)人工智能進(jìn)度。報(bào)告還綜合學(xué)術(shù)論文數(shù)量蝌诡、招生數(shù)量和VC投資數(shù)量溉贿，得出AI發(fā)展活力指數(shù)，數(shù)據(jù)顯示浦旱，最新一波AI浪潮在2015年活力最高宇色，自那以后其實(shí)活力開始有小幅減弱。
報(bào)告全文：https://aiindex.org/2017-report.pdf
如果缺乏AI技術(shù)的相關(guān)數(shù)據(jù)，我們?cè)谟嘘P(guān)AI的討論和決策中宣蠕，基本上是“盲目的”例隆。
在與人工智能相關(guān)的討論和決策中，我們本質(zhì)上是“盲目的”抢蚀。
“AI Index”（AI指數(shù)）是斯坦福大學(xué)AI百年研究的一個(gè)項(xiàng)目镀层，它是一個(gè)開放的非營(yíng)利性項(xiàng)目，旨在追蹤人工智能的活動(dòng)和進(jìn)展皿曲。它的目的是促進(jìn)以數(shù)據(jù)為基礎(chǔ)的對(duì)AI的了解唱逢。本報(bào)告是AI Index的第一份年度報(bào)告，在這份報(bào)告中屋休，我們通過(guò)多個(gè)視角來(lái)觀察AI的活動(dòng)和進(jìn)展坞古。我們匯總了網(wǎng)絡(luò)上的數(shù)據(jù)，也貢獻(xiàn)了原始數(shù)據(jù)劫樟，并從數(shù)據(jù)序列的組合中提取新的度量標(biāo)準(zhǔn)痪枫。
本報(bào)告的數(shù)據(jù)都將在AI Index網(wǎng)站（aiindex.org）上公開。但是叠艳，提供數(shù)據(jù)只是一個(gè)開始奶陈。為了真正實(shí)現(xiàn)作用，AI指數(shù)需要來(lái)自更大的社區(qū)的支持虑绵。最后尿瞭，這份報(bào)告呼吁更多人的參與。你有能力提供數(shù)據(jù)翅睛、分析收集的數(shù)據(jù)声搁，并列出你希望跟蹤的數(shù)據(jù)。無(wú)論你是否有答案或問(wèn)題捕发，我們都希望這份報(bào)告能讓你了解AI指數(shù)疏旨，并成為有關(guān)AI的話題的一部分。
報(bào)告總覽
報(bào)告的前半部分展示了AI Index團(tuán)隊(duì)收集的數(shù)據(jù)扎酷。后半部分檐涝，我們討論了報(bào)告中沒(méi)有提到的一些關(guān)鍵領(lǐng)域、專家對(duì)報(bào)告中顯示的趨勢(shì)的評(píng)論法挨，最后呼吁采取行動(dòng)支持我們的數(shù)據(jù)收集工作谁榜，并加入關(guān)于AI技術(shù)的度量和交流進(jìn)展的討論。
數(shù)據(jù)部分
本報(bào)告中的數(shù)據(jù)包括4個(gè)主要部分：
活動(dòng)量
技術(shù)表現(xiàn)
衍生測(cè)量
人類水平表現(xiàn)?
活動(dòng)量（Volume of Activity）部分有關(guān)這個(gè)領(lǐng)域的“多少”（how much）的方面凡纳，例如參加AI會(huì)議的人數(shù)窃植、VC對(duì)開發(fā)AI系統(tǒng)的初創(chuàng)公司的投資等。技術(shù)表現(xiàn)的部分有關(guān)“how good”荐糜，例如計(jì)算機(jī)在理解圖像和證明數(shù)學(xué)定理方面已經(jīng)做到什么程度巷怜。在報(bào)告附錄中詳細(xì)描述了每個(gè)數(shù)據(jù)集的收集方法葛超。
這兩組數(shù)據(jù)證實(shí)了實(shí)際上是公認(rèn)的一個(gè)事實(shí)，即：所有的圖表都是“向上和向右的”延塑，反映了AI的活動(dòng)是不斷增加绣张，AI技術(shù)是不斷進(jìn)步的趨勢(shì)。在衍生測(cè)量（Derivative Measures）部分关带，我們調(diào)查了趨勢(shì)之間的關(guān)系侥涵。我們還引入了一個(gè)探索性的測(cè)量方法——AI活力指數(shù)（AI Vibrancy Index），結(jié)合了學(xué)術(shù)界和工業(yè)界的趨勢(shì)豫缨，量化了AI作為一個(gè)領(lǐng)域的活力独令。
在衡量AI系統(tǒng)的表現(xiàn)時(shí)，很自然地會(huì)將其與人類的表現(xiàn)進(jìn)行比較好芭。在“人類水平表現(xiàn)”面這一節(jié)中燃箭，我們列出了一些值得注意的領(lǐng)域，其中AI系統(tǒng)在達(dá)到甚至超越人類水平方面取得了重大進(jìn)展舍败。我們還討論了進(jìn)行這種比較時(shí)存在的困難招狸，并提出了適當(dāng)?shù)木妗?/p>
討論部分
在報(bào)告了團(tuán)隊(duì)收集的數(shù)據(jù)之后，我們將對(duì)報(bào)告中所強(qiáng)調(diào)的趨勢(shì)進(jìn)行一些討論邻薯，并對(duì)該報(bào)告的重要領(lǐng)域進(jìn)行全面的討論裙戏。
部分討論集中在報(bào)告的局限性上。這份報(bào)告的數(shù)據(jù)源傾向于以美國(guó)為中心厕诡，并且可能只通過(guò)跟蹤了定義良好的基準(zhǔn)累榜，因此可能高估了技術(shù)領(lǐng)域的進(jìn)展。它還缺乏數(shù)據(jù)的人口統(tǒng)計(jì)數(shù)據(jù)灵嫌，也不包含政府和企業(yè)對(duì)AI研發(fā)投資的信息壹罚。這些領(lǐng)域是非常重要的，我們打算在未來(lái)的報(bào)告中解決這些問(wèn)題寿羞。
我們將進(jìn)一步討論這些局限猖凛，以及其他一些在報(bào)告中缺失的部分。正如該報(bào)告的局限性所顯示的绪穆， AI Index 只是描繪了局部圖景辨泳。出于這個(gè)原因，這份報(bào)告也加入了各個(gè)領(lǐng)域的AI專家的主觀評(píng)論玖院。專家評(píng)論部分補(bǔ)充了對(duì)數(shù)據(jù)背后的故事的生動(dòng)解釋菠红。
最后，我們將需要更多來(lái)自社區(qū)的反饋和參與來(lái)解決報(bào)告中顯示的局限难菌，揭示我們遺漏的問(wèn)題试溯，并建立一個(gè)追蹤AI活動(dòng)和進(jìn)展的有效程序。
人工智能和機(jī)器學(xué)習(xí)全景式概覽：學(xué)術(shù)扔傅、產(chǎn)業(yè)耍共、人才流動(dòng)、開源生態(tài)猎塞，各方各面活動(dòng)量大增
這份報(bào)告做了大量調(diào)查和統(tǒng)計(jì)试读，從學(xué)術(shù)（論文發(fā)表、會(huì)議參加荠耽、學(xué)生課程選修）钩骇、產(chǎn)業(yè)（創(chuàng)業(yè)、投資）铝量、人才（招聘倘屹、職位空缺）、開源生態(tài)（Github AI和ML軟件包）慢叨、媒體報(bào)道等方面纽匙，比較全面地展現(xiàn)了AI和ML的圖景。
1拍谐、學(xué)術(shù)
首先烛缔，論文發(fā)表數(shù)量激增：自從1996年以來(lái)，每年發(fā)表的AI論文數(shù)量增加了9倍以上轩拨。
再看不同類別的學(xué)術(shù)論文的年度發(fā)表率與1996年的發(fā)表率相比較践瓷。下圖顯示了所有領(lǐng)域的論文、計(jì)算機(jī)科學(xué)領(lǐng)域的論文和計(jì)算機(jī)科學(xué)領(lǐng)域的AI論文的增長(zhǎng)亡蓉。數(shù)據(jù)表明晕翠，人工智能發(fā)表論文數(shù)量增多，不僅受計(jì)算機(jī)科學(xué)領(lǐng)域升溫所致砍濒。具體而言淋肾，自1996年以來(lái)，計(jì)算機(jī)科學(xué)一般領(lǐng)域的論文數(shù)量增長(zhǎng)了6倍梯影，同期巫员，每年的人工智能論文數(shù)量增長(zhǎng)了9倍以上。
斯坦福大學(xué)入學(xué)選修人工智能和機(jī)器學(xué)習(xí)入門課程的學(xué)生人數(shù)甲棍，自從1996年以來(lái)增長(zhǎng)了11倍以上简识。報(bào)告指出，由于其他大學(xué)的數(shù)據(jù)掌握有限感猛，因此突出了斯坦福的數(shù)據(jù)七扰。但是，有理由認(rèn)為陪白，其他大學(xué)的情況應(yīng)該類似颈走。同時(shí)，報(bào)告表示這只代表了高等教育圖景的一個(gè)具體細(xì)節(jié)咱士，不一定代表更廣的趨勢(shì)立由。
會(huì)議出席情況轧钓。業(yè)內(nèi)人士都知道，在計(jì)算機(jī)科學(xué)領(lǐng)域锐膜，各種學(xué)術(shù)會(huì)議十分重要毕箍。這些出席人數(shù)表明，研究重點(diǎn)已經(jīng)從符號(hào)推理轉(zhuǎn)向了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)道盏。
再來(lái)看小一些的會(huì)議的情況而柑。盡管研究重點(diǎn)有所轉(zhuǎn)換，但是在小一些的研究社區(qū)荷逞，仍然在符號(hào)推理方面穩(wěn)步進(jìn)展媒咳。
2、產(chǎn)業(yè)
現(xiàn)在將目光轉(zhuǎn)向產(chǎn)業(yè)界种远。下圖展示了在美國(guó)涩澡，有資本支持的AI創(chuàng)業(yè)公司數(shù)量，從2000年以來(lái)增加了14倍：
在美國(guó)投資AI創(chuàng)業(yè)的基金數(shù)量也在增長(zhǎng)院促，從2000年以來(lái)筏养，每年投入AI創(chuàng)業(yè)的資本額增加了6倍：
根據(jù)兩個(gè)在線求職平臺(tái)Indeed和Monster的數(shù)據(jù)，人工智能相關(guān)崗位需求也在增長(zhǎng)常拓。下圖展示了Indeed.com平臺(tái)上渐溶，從2013年1月份起，對(duì)AI技術(shù)相關(guān)工作崗位的份額的增長(zhǎng)弄抬。
而在美國(guó)茎辐，需要AI技術(shù)的工作崗位，在職業(yè)市場(chǎng)所占份額掂恕，從2013年到現(xiàn)在拖陆，有了4.5倍的增長(zhǎng)。
按國(guó)家看懊亡，加拿大和英國(guó)的AI人才招聘市場(chǎng)規(guī)模也增長(zhǎng)迅速依啰。不過(guò)，Indeed.com報(bào)告指出店枣，兩者的絕對(duì)值仍然是美國(guó)AI招聘市場(chǎng)的5％和27％速警。
Monster平臺(tái)上，按具體要求的技能細(xì)分鸯两，給定年份人工智能職位空缺的總數(shù)量：
再來(lái)看自動(dòng)化應(yīng)用的情況闷旧，下圖展示了北美和全球工業(yè)機(jī)器人的購(gòu)買以及購(gòu)買增幅。工業(yè)機(jī)器人的使用正在增加钧唐。
3忙灼、開源生態(tài)
最后看開源軟件使用和生態(tài)。下圖展示了TensorFlow和Scikit-Learn軟件包在GitHub上加星標(biāo)的次數(shù)。
這張圖展示了Github上其他AI和ML軟件包的星標(biāo)情況该园。
4酸舍、公眾認(rèn)知 / 媒體報(bào)道
包含術(shù)語(yǔ)“人工智能”的主流媒體文章占所有報(bào)道的比例，按照正面情緒（藍(lán)線）里初、負(fù)面情緒（紫線）分類：
技術(shù)表現(xiàn)
1. 視覺(jué)
物體識(shí)別
大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽（LSVRC）比賽中AI系統(tǒng)對(duì)物體檢測(cè)任務(wù)的性能
圖像標(biāo)簽的錯(cuò)誤率從2010年的28.5%下降到了2.5%父腕。
視覺(jué)問(wèn)答
人工智能系統(tǒng)在完成回答有關(guān)圖像的開放式問(wèn)題任務(wù)上的表現(xiàn)。截止2017年8月青瀑，最好的AI系統(tǒng)準(zhǔn)確率還不到70%，而人類水平在85%左右萧诫。
2. 自然語(yǔ)言理解
詞語(yǔ)解析
人工智能系統(tǒng)在確定句子句法結(jié)構(gòu)上的表現(xiàn)斥难。
人工智能系統(tǒng)在翻譯英文和德文的任務(wù)上的表現(xiàn)。
人工智能系統(tǒng)在從文檔中找到既定問(wèn)題答案任務(wù)的表現(xiàn)帘饶，已經(jīng)越來(lái)越接近人類哑诊。
語(yǔ)音識(shí)別
人工智能系統(tǒng)識(shí)別語(yǔ)音錄音的表現(xiàn)，2016已經(jīng)達(dá)到人類水平及刻。
定理證明
自動(dòng)定理證明指的是一大組定理證明問(wèn)題的平均易處理性镀裤。 “可追蹤性”用來(lái)測(cè)量可以解決問(wèn)題中最先進(jìn)的自動(dòng)定理證明器的一部分。
SAT Solving
具有競(jìng)爭(zhēng)力的SAT解決者在行業(yè)應(yīng)用問(wèn)題上的平均表現(xiàn)缴饭。
另一種衡量方法：AI活力指數(shù)
通過(guò)檢查各種趨勢(shì)之間的關(guān)系暑劝，我們可以從前面部分衡量的標(biāo)準(zhǔn)中獲得額外的洞見。下面這一部分的內(nèi)容展示了AI指數(shù)所搜集到的數(shù)據(jù)如何被用于進(jìn)一步分析和推動(dòng)對(duì)AI發(fā)展和整個(gè)原始標(biāo)準(zhǔn)的再定義颗搂。
正如一個(gè)案例研究所展示的那樣担猛，我們通過(guò)研究學(xué)術(shù)和產(chǎn)業(yè)界的趨勢(shì)，來(lái)探索他們的動(dòng)能丢氢。進(jìn)一步地傅联，我們將這些標(biāo)準(zhǔn)綜合起來(lái)，形成一個(gè)AI 活力指數(shù)疚察。
Academia-Industry Dynamics
為了探索學(xué)術(shù)和產(chǎn)業(yè)界AI相關(guān)活動(dòng)的關(guān)系蒸走，我們首先從前面部分的內(nèi)容中選擇了一些有代表性的衡量指標(biāo)。值得一提的是貌嫡，我們調(diào)查了AI論文的發(fā)表情況比驻，結(jié)合斯坦福大學(xué)入門級(jí) AI 和ML課程的報(bào)名情況、VC對(duì)AI相關(guān)初創(chuàng)企業(yè)的投資衅枫。這些衡量標(biāo)準(zhǔn)數(shù)據(jù)是不能直接被拿來(lái)比較的：論文發(fā)表情況嫁艇、學(xué)生報(bào)名情況、投資數(shù)額弦撩。為了分析這些趨勢(shì)之間的關(guān)系步咪，我們將歷史追溯到2000年，這能讓我們衡量標(biāo)準(zhǔn)是如何隨著時(shí)間發(fā)生變化的益楼。
數(shù)據(jù)顯示猾漫，最初点晴，學(xué)術(shù)活動(dòng)（論文發(fā)表和招生）驅(qū)動(dòng)穩(wěn)步前進(jìn)。 2010年前后悯周，投資者開始注意到這一趨勢(shì)粒督，這成為2013年投資者總體活動(dòng)急劇增加的驅(qū)動(dòng)因素。再后來(lái)禽翼，學(xué)術(shù)界逐漸趕上了工業(yè)的繁榮屠橄。
AI活力指數(shù)
AI活力指數(shù)（AI Vibrancy Index）匯集了對(duì)學(xué)術(shù)和產(chǎn)業(yè)的衡量標(biāo)準(zhǔn)（研究成果的發(fā)表、招生和VC投資）以對(duì)AI領(lǐng)域進(jìn)行量化闰挡。為了計(jì)算AI活力指數(shù)锐墙，我們不斷地對(duì)研究成果發(fā)表數(shù)量、招生长酗、投資的標(biāo)準(zhǔn)取平均數(shù)溪北。
達(dá)到人類水平表現(xiàn)的AI，里程碑
很自然地夺脾，我們會(huì)在同一個(gè)任務(wù)上將AI系統(tǒng)和人類的表現(xiàn)進(jìn)行比較之拨。顯然，在某些任務(wù)中咧叭，計(jì)算機(jī)比人類要優(yōu)秀得多蚀乔，例如，1970年代的小計(jì)算器就可以比人類更好地完成算術(shù)運(yùn)算菲茬。但是乙墙，AI系統(tǒng)在處理諸如回答問(wèn)題、玩游戲和進(jìn)行醫(yī)學(xué)診斷等更通用的任務(wù)時(shí)更加困難生均。
AI系統(tǒng)的任務(wù)往往是在非常窄的背景下進(jìn)行的听想，這樣能在特定的問(wèn)題或應(yīng)用上取得進(jìn)展。 雖然機(jī)器在特定的任務(wù)上可能表現(xiàn)出卓越的性能马胧，但是如果任務(wù)稍微有所改動(dòng)汉买，系統(tǒng)性能可能會(huì)大大降低。 例如佩脊，一個(gè)能讀懂漢字的人能夠理解中國(guó)人的言論蛙粘，了解中國(guó)文化，或者在中國(guó)餐館無(wú)障礙點(diǎn)餐威彰。相比之下出牧，這些任務(wù)中的每一項(xiàng)都需要不同的AI系統(tǒng)來(lái)完成。
盡管將人類和AI系統(tǒng)進(jìn)行比較不是件容易的事情歇盼，但列舉那些聲稱計(jì)算機(jī)已達(dá)到或超過(guò)人類表現(xiàn)的那些成就很有意思舔痕。不過(guò)，需要說(shuō)明的是，這些成就沒(méi)有說(shuō)明這些系統(tǒng)具有推廣能力伯复。我們還注意到下面的列表包含許多游戲上的成就慨代。游戲是一個(gè)相對(duì)簡(jiǎn)單，可控的實(shí)驗(yàn)環(huán)境啸如，因此經(jīng)常用于AI研究侍匙。
里程碑
黑白棋
在20世紀(jì)80年代，李開復(fù)和Sanjoy Mahajan開發(fā)了一個(gè)人工智能系統(tǒng)BILL叮雳，這是一個(gè)玩“黑白棋”（Othello）游戲的貝葉斯學(xué)習(xí)系統(tǒng)想暗。1989年這個(gè)系統(tǒng)拿了全美冠軍，并以56-8擊敗了排名最高的美國(guó)玩家Brian Rose帘不。在1997年江滨，一個(gè)名為L(zhǎng)ogistello的黑白棋程序以6-0占戰(zhàn)勝當(dāng)時(shí)的冠軍棋手。
跳棋
1952年厌均，Arthur Samuel 設(shè)計(jì)了一系列玩西洋跳棋的程序，并通過(guò)自我對(duì)弈進(jìn)行改進(jìn)告唆。但是棺弊，直到1995年，才出現(xiàn)一個(gè)擊敗人類世界冠軍的跳棋程序Chinook擒悬。
國(guó)際象棋
上世紀(jì)50年代的一些計(jì)算機(jī)科學(xué)家預(yù)測(cè)模她，到1967年，計(jì)算機(jī)將擊敗人類象棋冠軍懂牧。但直到1997年侈净，IBM的“深藍(lán)”系統(tǒng)才擊敗當(dāng)時(shí)的國(guó)際象棋冠軍Gary Kasparov。如今僧凤，在智能手機(jī)上運(yùn)行的國(guó)際象棋程序可以表現(xiàn)出大師級(jí)的水平畜侦。
Jeopardy!
2011年，IBM的Watson計(jì)算機(jī)系統(tǒng)在流行電視節(jié)目“Jeopardy!”參與挑戰(zhàn)躯保，贏了前冠軍Brad Rutter和Ken Jennings旋膳。
雅達(dá)利游戲
2015年，谷歌DeepMind的一個(gè)團(tuán)隊(duì)使用強(qiáng)化學(xué)習(xí)系統(tǒng)來(lái)學(xué)習(xí)如何玩49個(gè)Atari游戲途事。該系統(tǒng)在大多數(shù)游戲中都能達(dá)到人類水平的表現(xiàn)（例如Breakout打磚塊游戲验懊，雖然也有些仍然無(wú)法達(dá)到人類水平（例如，蒙特祖瑪?shù)膹?fù)仇）尸变。
ImageNet對(duì)象檢測(cè)
2016年义图，ImageNet自動(dòng)標(biāo)注任務(wù)的錯(cuò)誤率從2010年的28%下降到低于3%。人類的表現(xiàn)大約是5%的錯(cuò)誤率召烂。
圍棋
2016年3月碱工，谷歌DeepMind團(tuán)隊(duì)開發(fā)的AlphaGo系統(tǒng)擊敗了圍棋冠軍李世乭。DeepMind后來(lái)發(fā)布了AlphaGo Master，在2017年3月?lián)魯×伺琶谝坏目聺崱?017年10月痛垛，DeepMind發(fā)表在Nature的論文詳細(xì)介紹了AlphaGo的另一個(gè)新版本——AlphaGo Zero草慧，它以100-0擊敗了最初的AlphaGo系統(tǒng)。
皮膚癌分類
在2017年的一篇Nature論文文章中匙头，Esteva等人描述了一個(gè)AI系統(tǒng)漫谷，該系統(tǒng)在包含2032種不同疾病的129450張臨床圖像組成的數(shù)據(jù)集上訓(xùn)練，研究者將AI系統(tǒng)的診斷結(jié)果與21位皮膚科醫(yī)生的結(jié)果進(jìn)行比較蹂析，他們發(fā)現(xiàn)AI系統(tǒng)在分類皮膚癌任務(wù)上達(dá)到與人類皮膚科醫(yī)生相當(dāng)?shù)乃健?/p>
Switchboard 語(yǔ)音識(shí)別
在2017年舔示，微軟和IBM都在Switchboard語(yǔ)音識(shí)別基準(zhǔn)測(cè)試中實(shí)現(xiàn)了“人類同等水平”的語(yǔ)音識(shí)別詞錯(cuò)率。
撲克
2017年1月电抚，來(lái)自CMU的一個(gè)名為L(zhǎng)ibratus的AI系統(tǒng)在一場(chǎng)包含12萬(wàn)局游戲的雙人無(wú)限注德州撲克比賽中擊敗了四名頂尖的人類選手惕稻。 2017年2月，來(lái)自阿爾伯塔大學(xué)的一個(gè)名為DeepStack的系統(tǒng)與11名專業(yè)玩家分別比賽超過(guò)3000局蝙叛，勝率10/11俺祠。
吃豆人
Maluuba是微軟收購(gòu)的一個(gè)深度學(xué)習(xí)團(tuán)隊(duì)，他們創(chuàng)建了一個(gè)AI系統(tǒng)借帘，該系統(tǒng)學(xué)會(huì)了在Atari 2600上玩吃豆人游戲打出999900的最高分蜘渣。
