askai是什么软件 kensho和alphasense是怎样炼成的
kensho和alphasense是怎样炼成的
Kensho和AlphaSense是怎样炼成的
前言——工业精神
工业革命既不是棉花时代，也不是蒸汽时代，而是进步的时代。
18世纪60年代，工业革命首先从英国的棉纺织业开始，然后传播到采矿、冶铁、交通运输等行业。从飞梭和珍妮纺纱机到蒸汽机和内燃机，无数凝结着人类智慧的技术发明开启了这浩浩荡荡的近代五次工业革命。
蒸汽机的发明人瓦特曾以第三人称写了一本自传，他在书中这样写道：“他的脑海中萦绕着如何制造既便宜又优良的发动机。”除了功能和美观之外，这种对经济价值的探求代表了一千年来欧洲技术理性的发展顶峰。
在技术急速引领着社会变革的时代，无数先锋人物被某种“诱发因素”所吸引，这一诱发因素不仅仅是技术突破，使其如此强有力的原因还在于低廉的价格。这种因经济价值而产生的“诱发因素”象征着一种新的潜力，能够点燃这群机敏而坚毅的先锋人物在技术和商业的想象力。换言之，诱发因索清楚地显示出，基于相关创新的企业将在成本上富有竞争力[1]。
金融与技术创新
技术革命每隔40年至60年爆发一次，它所带来的转型过程影响到社会的各个方面。而在每一次的技术革命中，金融资本都是新技术革命带来的产品和服务的最有意愿和最大胆的客户，它时刻为加快交易速度和扩大经营领域准备着，同时以一种间接但是极为重要的方式推动了每一次技术革命。
在每一次基础设施、技术和组织的创新当中，都有一些加速了货物运输和信息传输。这些创新通常又可以接着作为变革之源服务于货币、银行和金融部门。苏伊士运河开通之后，对于蒸汽船，国际电报线路和其他有利于迅捷国际贸易的事物都在广泛地收到资本的资助。而在由美国发起的几次信息革命中，银行就是廉价邮局、全国性铁路和电报的早期客户，也是最先使用电话、打字机和计算器的机构。
芝加哥期货交易所(The Chicago Board of Trade)建立于1848年，这正是电报线路架设到这一城市的那一年。在接下来的几年内，商人们在其他的几个主要的商业中心建立了类似的期货机构。
1887年，时任美国最大的电报公司西联公司（Western Union）总裁格林说道，西联公司传送的电报中至少有87%与商业相关，且绝大部分商业电报都是投机买卖。这种投机电报交流的大部分都是“没有运输且常常没有商品交割”的买卖。因此格林坚信，电报从“本质上”来讲是“商业和投机买卖的附属品，需要即时通信及答复”，并不是一种大众通信手段[2]。
当时，一位商业编辑曾评论说，在电报商用之前，商人们能够利用预先知道的远处的价格信息进行大规模的农产品投机买卖。而在电报商用之后，既然价格数据能够通过电报的方式快速传输，商人原先那种投机套利的方式就不复存在。取而代之的是，他们开始通过猜测在未来某个特定日期农产品可能的价格进行投机。这样，时间就取代空间作为最大的未知数。据这位编辑估计，之前这些农产品的种植者们每年都会因为这种投机行为损失大约4000万美元，但电报商用之后，这一损失减少到原来的二十分之一。
金融的本质是信息的传递，是产生对行动和结果的预期。金融系统，无论是银行、一级市场、二级市场都是信息的传递网络。通过信息网络，当这种预期在其间被传递越精确、越快，财富就被创造出来。因而，每一次信息的革命：语言、书写、印刷、电报、电话、互联网、手机……都创造了金融的革命。
而我们当下所处的时代，就是一场新的金融革命即将发生的年代。这一次的诱发因素是人工智能。人工智能将重塑金融的信息网络，把那些传统上由经验和人脉承载的信息传递和处理渠道，渐次由机器来辅助，并且做到自动化和智能化。
要信息工业不要信息农业、矿业
在金融信息这个领域，我们已经看到无数科技企业前仆后继地涌入，江山易主、成王败寇却也存下了大大小小的各类企业，我们且将这些企业从金融数据加工成金融信息的角度来将他们审视一遍。
一种模式的企业我们可将其称之为“信息农业”，他们依靠人力从一些“自然资源”里刨数据，缺乏规模化扩大再生产的能力。这种“农业”，很难做数据的深加工，数据增值有限且产业链条不长，产出的信息价值也有限。
另一种模式是“信息矿业”，他们通过一些机械工具把一些现有的结构化数据给开采出来，在某种场景下组装成一些更有价值的信息。这种比农业要好，但是缺陷在于开采品类有限，能做开采的人很多，技术壁垒还是不够高，所以增值有限。
那什么叫做“信息工业”呢？我们都知道是福特汽车敲响了现代工业的大规模生产方式的钟声，在历史的进程中究竟是什么让大规模生产成为可能呢？让我们回到20世纪初，福特改良T型车的那段时间。
1908年，在推出T型车的前夕，福特公司每一个装配工的平均工作周期，即开始重复同样作业之前所经历的工作时间，总计为514分钟。而到了1913年春天，福特在底特律海兰公园的新厂房里有了新的创举，就是装设了移动的总装线。工人们站在一个地方，不必走动，而总装线将汽车送到他们的面前，这一革新使工人们的工作周期从514分钟缩短为1.9分钟，汽车的生产效率以十倍、百倍的效率在增长，而这条移动总装线就是现代工厂俗称的“流水线”。
福特之所以能进行大规模集约化生产方式的革新，是因为技术攻克了“机械零件经过热处理会产生的翘曲变形”的难题，这是过去零件不能标准化的祸根，总是依赖于机械师们一遍又一遍手工打磨。而一旦零件翘曲变形的间题得到了解决，就使零件的数量得以减少，而且使它们变得易于相互连接在一起。
那么，使金融信息工业成为可能，则也需要一种能够攻克各类“金融数据标准化”的技术。我们需要做数据的深度加工，把段落、句子、实体级别的分析做到极致，我们要把各种金融的文档都结构化化继而实体化，提取它们的元数据，进而产生千千万万种数据的重组合和自动化。从数据到信息，最后再建立一个深度的金融知识网络，这就是我们要的金融信息工业。
AlphaSense——新一代金融知识引擎
在2016年福布斯美国金融科技公司50强的榜单上，出现了一家叫做AlphaSense的上榜公司。
通过对AlphaSense及其竞品的剖析，相较于金融信息数据平台或者金融信息引擎，这些产品的形态更像下一代【金融知识引擎系统】。不过在介绍他们之前，我们先来回顾下数据、信息、知识这三者的概念和递进关系。
数据是反应客观事物运动状态的信号，通过感觉器官或观测仪器感知，形成了文本、数字、事实或图像等形式的数据。
信息则是对数据进行加工处理，使数据之间建立相互联系，形成了回答某个特定问题的文本，以及被解释具有某些意义的数字、事实、图像等形式的信息。
知识不是数据和信息的简单积累，知识是可用于指导实践的信息，知识是人们在改造世界的实践中所获得知识和经验的综合。
在投资研究的场景下，分析师通常都需要从新闻、财报、研报各种行业网站等获取大量数据、信息、知识形式的“素材”，然后再通过自己的逻辑和世界观将这些素材再组织成投资决策。我们依据素材的获取的难易程度，把它们从简到难分成5个等级：
1.公司、行业、市场等新鲜的信息和数据（公司、股价、交易量等）
2.相关指标、数据类信息（CPI、货运量、行业规模各种图表等）
3.新鲜的论断、结论（各种看多看空的结论）
4.新鲜证据（支撑论断的成为论断的事实依据）
5.别人的逻辑、研究框架（全网的知识网络）
对于那些做信息工业和矿业的金融信息公司来说，其产品无外乎金融数据终端或者信息平台。前3个层级的数据信息对于用户来说都是可得的，而他们在后两层的深度信息和知识上的处理则显得有些无力。那么AlphaSense这类公司是如何通过产品在这个层面上为机构内的分析师们或多或少解决问题的呢？
他们产品组成由三大部分组成：高级语义搜索引擎、交互式知识管理系统、文档（知识）协作系统。投研人士通过高级语义搜索引擎获得各类“素材”；在交互式知识管理系统里可以有选择的对素材进行收集和管理；在知识协作系统里，可以对素材进行加工和再组织使用。
当知识切片变的足够细，并可供人们搜索、管理、再组织，这就是金融信息工业化的一个萌发阶段，这就是某种程度上初步的金融知识网络。
Kensho——挑起新一轮军事竞赛
我们再来看另外一个大热的Fintech公司——Kensho，其创始人是哈佛大学博士生，工程团队是从谷歌、苹果等带来的顶尖工程师，并被谷歌和高盛投资。据说他们的人工智能技术让华尔街人人自危，其公司本身具有相当高的话题性。再拜各种媒体大肆的渲染所赐，我们提起它的时候总免不了带着一些敬畏，难道机器真要取代人类了吗？甚至还要取代那些站在人类智力巅峰的华尔街分析师们。
因为渠道关系，Kensho的产品对于我们绝大部分人来说仍然是个“黑箱”，我们只能通过各种外围信息来去小心翼翼的揣摩它。Kensho的创始人兼CEO Daniel Nadler是一个典型的精英，他有着哈佛大学的经济学博士学位，并曾经在美联储做过一段时间的访问学者。
在MIT举行的2015年Fintech年度会议上，Daniel和大众讲述了他做Kensho的始末[3]：
“我在Fed（美联储）的时候，桌面上有一堆像彭博、路透、Capital IQ这样的工具，但是根据我对政治、天气现象、地理环境等信息得到的洞察，我使用的这些软件依然不能解决我要买什么的问题，特别是对一些事件驱动的数据分析……后来我到了西海岸找到谷歌，谷歌的愿景是组织全世界所有的信息，但是谷歌为什么依然不能组织我作为一个金融学者使我得到洞察的这些金融信息。
“……我在谷歌待了几个月并告诉他们，既然你们的目标是组织全世界的信息，既然在金融领域有那么多没有结构化和被组织的信息，难道不应该有人去做些什么吗？我说服了谷歌，于是他们成为了我们最初的支撑者，并给了我们很多杰出的工程师。”
Daniel Nadler直言批评 Mike Bloomberg(彭博终端的创始人）的生意是old-fashioned-style，说他就像懂得怎么打赢第二次世界大战的将军（而不是未来世界战争）。
但是也存在一些对Kensho自身的批评。在知乎上有一位在纽约的用户分享了他使用Kensho产品的感受，他做了这样一句总结：“Bloomberg can easily replicate this little tool and make it 100 times better”。抛开哪些虚虚实实的喧嚣，我们来真正梳理下Kensho究竟在做什么[4]。
在一次采访中，Daniel介绍到Kensho是由两个部门的两条业务线组成。一个是风险分析部门，帮助大型的银行和其他金融机构理解非交易性风险，那种风险不是市场风险，而是用历史数据帮助他们分析诸如地理、天气这种影响因素带来的风险敞口。而另外一个大的业务线是全球商业媒体的分析业务，Kensho重建了商业电视媒体的分析引擎。所以kensho一方面是一个媒体公司，另一方面是一个银行风控服务机构。
我们先来看银行风控这条业务线。作为曾经在Fed工作过的金融专家，Daniel是有能力和渠道来开展业务的。而作为CNBC的（美国NBC环球集团所持有的全球性财经有线电视卫星新闻台）战略投资对象，媒体业务的顺利开展也在意料之内。商业电视的媒体属性使得CNBC不会对Kensho的分析能力做过高要求，毕竟对一个电视媒体来说，最重要的是新闻的速度，毕竟一个新闻在观众脑海里停留的时间非常有限。在某事件发生之后以最快的速度给出一个站得住的分析结论，这才是战胜媒体同行的关键。所以我们看到Ask-Kensho一方面可以为媒体带来一个噱头，二来则真是提高其竞争力的手段。
通过以上分析，我们看到Kensho这两条业务线对它来说都是可胜任且产生价值的，那么究竟是什么导致了“Kensho取代华尔街分析师”的传闻呢？“罪魁祸首”应该就是高盛了，因为高盛不仅是Kensho的投资人且还是他们的客户，我们来看下面一篇报道[5]：
Kensho在高盛的主要客户群是那些在银行交易大厅里的销售人员。在最近几个月，他们利用软件对买卖能源类股票和大宗商品的咨询来电进行回复，这些人想知道他们应该如何组合他们的投资，以便应对叙利亚圣战的熊熊烈火。
在过去，这些销售人员会根据他们自己对最近发生的事情以及市场反应的了解进行总结，但是会受到人类记忆能力的限制。针对特别有价值的客户，销售代表可能会要求高盛的研究分析专员进行更加完整的研究，挖掘过去的新闻事件，找出市场针对每种情况作出的回应。这种方法的问题在于，当研究结果出来时，交易机会早已溜之大吉。
Kensho只是服务于高盛部门的销售部门，帮助他们快速来应对客户的咨询，以便这些销售们能够更好地完成浅度信息的组织工作。Kensho的另外一个作用就是帮助一些研究人员完成一些初级的工作，以取代分析师“过去我每周得花两天时间做这类事情”或“过去我得专门雇佣一个人其他什么都不用做只做着一件事”的任务。
Kensho的确能够为顶尖投行进行服务，但是如果说真正地取代“分析师”，让投行有更多人的失业，也许只是一个“美丽的误解”或者“美好的愿望”。
但是如果Kensho有一天真正有了可以与华尔街分析师比拟的分析能力，变成了一个大众投资者可以使用的工具，那么其实是促进的是市场有效性。比如有一个信号被少部分机构基金观察到并用来构建盈利策略，但随着Kensho强大的分析能力，也将捕捉信息并供大众使用，顶尖机构因为信息不对称带来的优势就会完全逐渐消失殆尽。随着越来越多的市场参与者使用同样策略，最终就会造成该策略失效。因此，市场价格得以更快、更大程度的反应“所有可以获得的信息”。
就如同19世纪的电报一般，它并没有彻底消除商人们的农产品投机交易，但是它却改变了投机行为的性质，并且减少了当时处于弱势一方的种植农们的损失。如果Kensho真的将AI技术运用到某种临界状态，使得现代金融投机的性质再次发生改变，那么彭博、路透等甚至其他基金机构本身就不得不被迫加入这场军备升级的竞赛，以避免从领先者变成落后者。
小结
在人工智能大潮席卷的时代，AlphaSense在打造金融知识引擎，Kensho在挑起新一轮军备竞赛，这些先行者正在发起一场金融信息的工业革命。这在场革命的前奏曲被吹响之后，我们是否能预料到谁会有最为光明的前途呢？
我们也应该看到，正如第一次工业革命是一个漫长的历史过程，金融信息的工业革命，也不会是短短几年就能完成的。在这个早期阶段，恐怕还处于构造“智能金融的核心引擎”的各种零件的阶段。金融分析从依赖手工的“农业”、依赖经验的“手工业”，逐渐走向“零件”的标准化，最关键的不是最终的愿景，而是如何在市场的驱动下，合理设计发展路径。AlphaSense立足于金融碎片知识的发现和重组织，Kensho立足于浅度信息快速传播和发现，都是终极愿景的必须中间环节。从前奏曲到高潮，在于实事求是，而非好高骛远。
*注：文中部分观点和信息来自以下参考资料*
[1]《富裕的杠杆：技术革新与经济进步》
[2]《信息改变了美国》
[3] Youtube上网络用户上传的Kensho创始人的演讲
[4]知乎问答：《Kensho为什么会被高盛青睐》
[5]阿尔法工场：《人工智能公司公司Kensho是如何改变华尔街的》
最强AlphaGo是怎样炼成的
最强AlphaGo Zero怎样炼成
刚刚，Deepmind在Reddit的Machine Learning板块举办了在线答疑活动AMA，Deepmind强化学习组负责人David Silver和其同事热情地回答了网友们提出的各种问题。由于在AMA前一天Deepmind刚刚发表了《Mastering the game of Go without human knowledge》(不使用人类知识掌握围棋)的论文，相关的提问和讨论也异常热烈。
什么是AMA?
AMA(Ask Me Anything)是由Reddit的特色栏目，你也可以将其理解为在线的“真心话大冒险”。AMA一般会约定一个时间，并提前若干天在Reddit上收集问题，回答者统一解答。
本次Deepmind AMA的回答人是：
David Silver：Deepmind强化学习组负责人，AlphaGo首席研究员。David Silver1997年毕业于剑桥大学，获得艾迪生威斯利奖。David于2004年在阿尔伯塔大学获得计算机博士学位，2013年加盟DeepMind，是AlphaGo项目的主要技术负责人。
Julian Schrittwieser：Deepmind高级软件工程师。
此前有多位机器学习界的大牛/公司在Reddit Machine Learning版块开设AMA，包括：Google Brain Team、OpenAI Research Team、Andrew Ng and Adam Coates、Jürgen Schmidhuber、Geoffrey Hinton、Michael Jordan、Yann LeCun、Yoshua Bengio等。
我们从今天Deepmind的AMA中选取了一些代表性的问题，整理如下：
关于论文与技术细节
Q: Deepmind Zero的训练为什么如此稳定?深层次的增强学习是不稳定和容易遗忘的，自我对局也是不稳定和容易遗忘的，如果没有一个好的基于模仿的初始化状态和历史检查点，二者结合在一起应该是一个灾难...但Zero从零开始，我没有看到论文中有这部分的内容，你们是怎么做到的呢?
David Silver：在深层增强学习上，AlphaGo Zero与典型的无模式算法(如策略梯度或者Q学习)采用的是完全不同的算法。通过使用AlphaGo搜索，我们可以极大改进策略和自我对局的结果，然后我们会用简单的、基于梯度的更新来训练下一个策略及价值网络。比起基于简便的基于梯度的策略改进，这样的做法会更加稳定。
Q：我注意到ELO等级分增长的数据只与到第40天，是否是因为论文截稿的原因?或者说之后AlphaGo的数据不再显著改善?
David Silver：AlphaGo已经退役了!这意味着我们将人员和硬件资源转移到其他AI问题中，我们还有很长的路要走呐。
Q:关于论文的两个问题：
Q1：您能解释为什么AlphaGo的残差块输入尺寸为19x19x17吗?我不知道为什么每个对局者需要用8个堆叠的二进制特征层来描述?我觉得1、2个层就够了啊。虽然我不是100%理解围棋的规则，但8个层看起来也多了点吧?
Q2：由于整个通道使用自我对局与最近的/最好的模型进行比较，你们觉得这对于采用参数空间的特定SGD驱动轨迹对否会有过拟合的风险?
David Silver：说起来使用表征可能比现在用的8层堆叠的做法更好!但我们使用堆叠的方式观察历史数据有三个原因：1)它与其他领域的常见输入一致;2)我们需要一些历史状态来表示被KO;3)如果有一些历史数据，我们可以更好地猜测对手最近下的位置，这可以作为一种关注机制(注：在围棋中，这叫“敌之要点即我之要点”)，而第17层用于标注我们现在究竟是执黑子还是白子，因为要考虑贴目的关系。
Q：有了强大的棋类引擎，我们可以给玩家一个评级——例如Elo围棋等级分就是通过棋手对局的分析逐步得出的，那么AlphaGo是否可以对过去有等级分前的棋手的实力进行分析?这可能为研究人类的认知提供一个平台。
Julian Schrittwieser：感谢分享，这个主意很棒!
我认为在围棋中这完全可以做到，或许可以用最佳应对和实际应对的价值差异或者政策网络给每一手位置评估得到的概率来进行?我有空的时候试一下。
Q:既然AlphaGo已经退役了，是否有将其开源的计划?这将对围棋社区和机器学习研究产生巨大的影响。还有，Hassabis在乌镇宣称的围棋工具将会什么时候发布?
David Silver：现在这个工具正在准备中。不久后你就能看到新的消息。
Q：AlphaGo开发过程中，在系统架构上遇到的最大障碍是什么?
David Silver：我们遇到的一个重大挑战是在和李世石比赛的时候，当时我们意识到AlphaGo偶尔会受到我们所谓的“妄想”的影响，也就是说，程序可能会错误理解当前盘面局势，并在错误的方向上持续许多步。我们尝试了许多方案，包括引入更多的围棋知识或人类元知识来解决这个问题。但最终我们取得了成功，从AlphaGo本身解决了这个问题，更多地依靠强化学习的力量来获得更高质量的解决方案。
围棋爱好者的问题
Q：1846年，在十四世本因坊迹目秀策与十一世井上幻庵因硕的一盘对局中，秀策下的第127手让幻庵因硕一时惊急两耳发赤，该手成为扭转败局的“耳赤一手”。如果是AlphaGo，是否也会下出相同的一首棋?
Julian Schrittwieser：我问了樊麾，他的回答是这样的：
当时的围棋不贴目，而AlphaGo的对局中，黑棋需贴7.5目。贴目情况不同造成了古今棋局的差异，如果让AlphaGo穿越到当年下那一手，很有可能下的是不同的另一个地方。
Q：从已发布的AlphaGo相互对局看，执白子的时间更为充裕，因而不少人猜测，7.5目的贴目太高了(注：现代围棋的贴目数也在不断变化，如在30年前，当时通行的是黑子贴白子5.5目)。
如果分析更大的数据集，是否可以对围棋的规则得出一些有趣的结论?(例如，执黑或者执白谁更有优势，贴目应该更高还是更低)
Julian Schrittwieser：从我的经验和运行的结果看，7.5目的贴目对双方来说是均势的，黑子的胜率略高一些(55%左右)。
Q：你能给我们讲一下第一手的选择吗?ALphaGo是否会下出我们前所未见的开局方式?比如说，第一手下在天元或者目外，甚至更奇怪的地方?如果不是，这是否是一种“习惯”，或者说AlphaGo有强烈的“信念”认为星位、小目、三三是更好的选择?
David Silver：在训练中我们看到ALphaGo尝试过不同方式的开局——甚至刚开始训练的时候有过第一手下在一一!
即便在训练后期，我们仍然能看到四、六位超高目的开局，但很快就恢复到小目等正常的开局了。
Q：作为AlphaGo的超级粉丝，有一个问题一直在我心中：AlphaGo可以让职业棋手多少子?从论文中我们知道AlphaGo可以下让子棋，我也知道AlphaGo恐怕让不了柯洁两子，但我想你们一定很好奇，你们是否有做内部测试?
David Silver：我们没有和人类棋手下让子棋。当然，我们在测试不同版本的时候下过让子棋，在AlphaGo Master>AlphaGo Lee>ALphaGo Fan这三个版本中，后一个版本均可让三子击败前一个版本。但是，因为AlphaGo是自我训练的，所以尤其擅长打败自己的较弱的前一版本，因此我们不认为这些训练方式可以推广到和人类选手的让子棋中。
Q：你们有没有想过使用生成对抗网络(GAN)?
David Sliver：从某种意义来讲，自我对弈就是对抗的过程。每一次结果的迭代都是在试图找到之前版本的“反向策略”。
传言终结者
Q：我听说AlphaGo在开发初期被引导在某一个具体的方向训练以解决对弈中展现出的弱点。现在它的能力已经超过了人类，是否需要另外的机制来进一步突破?你们有做了什么样的工作?
David Silver：实际上，我们从未引导过AlphaGo来解决具体的弱点。我们始终专注于基础的机器学习算法，让AlphaGo可以学习修复自己的弱点。
当然你不可能达到100%的完美，所以缺点总会存在。在实践中，我们需要通过正确的方法来确保训练不会落入局部最优的陷阱，但是我们从未使用过人为的推动。
关于DeepMind公司
Q：我这里有几个问题：在DeepMind工作是什么感受?AlphaGo团队成员都有谁?你能介绍一下AlphaGo团队工作分配的情况吗?下一个重大挑战是什么?
David Silver：在DeepMind工作感觉好极了:)——这不是一个招聘广告，但我感觉每天可以在这里做我喜欢的事实在是太幸运了。有很多(多到忙不过来!:))很酷的项目去参与。
我们很幸运有许多大牛在AlphaGo工作。您可以通过查看相应的作者列表来获取更详细的信息。
Q:你觉得本科生是否可以在人工智能领域取得成功?
Julian Schrittwiese：当然。我本人就只有计算机科学学士学位，这一领域变化迅速，我认为您可以从阅读最新的论文和试验中来进行自学。另外，去那些做过机器学习项目的公司实习也是很有帮助的。
关于算法的扩展和其他项目
Q：Hassabis今年三月份在剑桥的一个演讲中表示，AlphaGo项目未来目标之一是对神经网络进行解释。我的问题是：ALphaGo在神经网络结构上取得了什么样的进展，或者说，对AlphaGo，神经网络仍然是神秘的黑盒子?
David Silver：不仅仅是ALphaGo，可解释性是我们所有项目的一个非常有意思的课题。Deepmind内部有多个团队从不同方式来探索我们的系统，最近有团队发表了基于认知心理学技术去尝试破译匹配网络内部发生了什么，效果非常不错!
Q:很高兴看到AlphaGo Zero的好成绩。我们的一篇NIPS论文中也提到了对于深度学习和搜索树之间效率的相似问题，因此我对于在更长的训练过程中的行为尤其感兴趣。
AlphaGo的训练过程中，创建学习目标的蒙特卡洛树搜索的贪心算法、策略网络的贪心算法、以及在训练过程中价值功能变化的贪心算法之间的相对表现如何?这种自我对局学习的方法是否可以应用在最近的星际争霸 II API中?
David Silver：感谢介绍您的论文!真不敢相信这篇论文在我们4月7日投稿的时候已经发布了。事实上，它与我们的学习算法的策略组件非常相似(尽管我们也有一个值组件)，您可以参考我们的方法和强化学习中的讨论，也很高兴看到在其他游戏中使用类似方法。
Q：为什么早期版本的AlphaGo没有尝试自我对弈?或者说，AlphaGo之前也尝试过自我对弈但效果不好?
我对这个领域的发展和进步程度感到好奇。相比起今天，在两年前在设计一个自主训练的AlphaGo的瓶颈在哪里?今天我们见到的“机器学习直觉”又是经历了什么样的系统迭代过程?
David Silver：创建一个可以完全从自我学习的系统一直是加强学习的一个开放性问题。我们最初的尝试包括你能查到的许多类似的算法，是相当不稳定的。我们做了很多尝试，最终AlphaGo Zero算法是最有效的，而且似乎已经破解了这个特定的问题。
Q：你认为机器人什么时候能够有效解决现实世界关于高度、尺寸方面的问题(例如，自己学习如何抓取任何形状、尺寸、位置垃圾的设备)?策略梯度方法是否是实现这一目标的关键点?
Julian Schrittwieser：这主要是由于价值/政策网络上的双重改进，包括更好的训练和更好的架构。具体参见论文图4对不同网络架构的比较。
Q：据说击败柯洁的ALphaGo Master的功耗只是击败李世石的AlphaGo Lee的1/10。你们做了什么样的优化呢?
Julian Schrittwieser：这主要是由于价值/政策网络上的双重改进，包括更好的训练和更好的架构。具体参见论文图4对不同网络架构的比较。(你确认不是copy上一个问题的答案吗)
Q：看起来在增强学习中使用或模拟Agent的长期记忆是一个很大的障碍。展望未来，您觉得我们是否能以一种新的思维方式解决这一点?还是说需要等待我们技术可以实现一个超级网络?
Julian Schrittwieser：是的，长期记忆可能是一个重要的因子，例如在“星际争霸”游戏中，你可能已经做出了上千个动作，但你还要记住你派出的侦察兵。
我认为现在已经有了令人振奋的组件(神经图灵机!)，但是我认为我们在这方面仍有很大的改进空间。
Q：David，我看过你的演讲视频，你提到增强学习可以用于金融交易，你有没有真实世界的例子?你会如何处理黑天鹅事件(过去没有遇到过的情况)?
David Silver：已经发表增强学习用于现实世界的财务算法的论文非常少见，但有一些经典论文值得一看，例如Nevmyvaka、Kearns在2006写的那篇和Moody、Safell在2001年写的那篇。
Q：你们和Facebook几乎同时研究围棋问题，你们能更快获得大师级表现的优势是什么?
对于那些无法获得像AlphaGo如此多的训练数据的领域如何开展机器学习或者增强学习?
David_Silver：Facebook更侧重于监督学习，我们选择更多地关注强化学习，因为我们认为AlphaGo最终将超越人类的知识。我们最近的结果实际上表明，监督学习方法可以让人大吃一惊，但强化学习绝对是远远超出人类水平的关键之处。
华为电脑系统EMUI10华为matebookego是双系统
‘壹’华为emui11如何降回emui10
系统降版本需要电脑来实现，电脑上安装华为手机助手，连接手机，打开华为手机助手，连接完成后就可以看到手机版本回退了，按照步骤就可以了，记得先备份重要资料。
‘贰’华为正式发布EMUI10，操作系统EMUI10有什么先进之处
HUAWEI Mate10系列在本月16日德国慕尼黑召开的全球新品发布会正式亮相后，便因强大领先的人工智能体验，成功抓住了广大用户的眼球。不同以往的翘首以盼，10月19日，今年的HUAWEI Mate10国内发布会便紧接着德国“首演”在上海举办，让国内用户在惊喜之余及时尝鲜。
EMUI8.0通过其强大的用户感知能力，积累大量实时、场景化、个性化的数据，在强劲持久的“智慧大脑”麒麟970处理能力支持下，配合云端大数据支持，与云端智能优势互补，实现“芯、端、云”三者协同的智慧新体验。
‘叁’ emui10是鸿蒙系统吗 emui10是不是鸿蒙系统
1、emui10.0不是鸿蒙系统而是华为基于安卓的手机操作系统。
2、鸿蒙系统本来是为了物联网系统开发的系统，手机操作系统依然是把开放的安卓操作系统作为首选。鸿蒙主要用于操作自动驾驶、远程医疗等这些提供低时延的业务，在手机这块，华为还是把开放的安卓操作系统和安卓生态作为首选。当然，如果谷歌不给华为提供了，是不是把鸿蒙也做成手机操作系统?这个现在还没有做最后的决定。
‘肆’随着华为EMUI10的普及，他的畅连通话功能用过的都来聊一下感受
EMUI10发布会上，关于畅联通话实现华为手机多屏互动的功能还是引起了众多花粉的兴趣。很多人都会觉得，畅联通话不就是现在的微信视频聊天吗？其实两者还是有一些区别的。
你会发现，华为的畅联通话是基于其多种硬件而构建的更高级的视频生态体系。
1、华为智慧屏多屏互联
如果你是华为的忠实粉丝，同时使用了华为手机和电视。就可以在手机通话的同时切换到大屏电视上，实现全家人的视频群聊，而不再仅仅局限于手机的方寸小屏幕。
2、其他视频拍摄互通
在使用大疆无人机、GoPro等拍摄的同时，可以开启畅联功能，将你在第三方设备上的实时图像传输至对方的手机上，无异于一场在线直播。
3、语音切换视频
在语音通话过程中，可以直接切换成视频通话模式。而无需像微信一样，需要先挂断语音再切换。
4、强大的画质调节
基于GPU Turbo的出色算法，当通话双方网络不好的时候，系统会自动对画质进行优化提升。让您享受优秀的视频通话体验。
如果说微信聊天是视频聊天的第一代产品，那可以认为华为的畅联通话是二代版本。不过这些需要基于硬件的支持，您做好构建家庭华为生态圈的准备了吗？
1、过渡动画
首先说的是安卓系统，这次是一次大的更新，光安装包就足有5GB。
在这次更新中，我首次感受到的，就是应用之间过渡动画的改善，这些过渡动画的帧率已经提高，变得更加的平滑，并且减少了前面几个版本系统的延迟现象。
2、暗黑模式
另外就是暗黑模式，在2019年的9月，连iPhone这个啃老本的都支持暗黑模式，其余系列手机如果不支持暗黑模式就有点说不过去了。
华为的暗黑模式和iPhone一样暂时没有多少软件适配，目前只有内置预装应用适配。不在使用感觉，我觉得华为的暗黑模式更好，细节处理方面很不错。
3、耗电方面
大家关心的耗电问题，我暂时感觉正常，我屏幕分辨率调到最高，性能模式开启，打游戏亮度调到最高，王者三个多小时，耗电40%，吃鸡两个小时耗电40%，再说一下，王者和吃鸡特效都是全开，平时使用的话，基本上一天一冲，和以前没区别。整体耗电体验与9版本无太大差别
4、通知栏的改善
这个单独拿出来说，是因为改善确实很大，EMUI10上的应用通知统一按类型、时间排序、更清爽、简洁。在通知管理上，我们除了可以右滑直接删除意外，还可以左滑进行设置，将不重要的通知设置为静默通知，这样下次通知时便不会发出声音振动、状态栏图标等重要提醒
我一直觉得华为这一次是在“模仿”iPhone的Facetime。它们本质上都是通过Wi-Fi或者蜂窝数据接入互联网，并且应用iPhone手机进行视频通话的内置软件。华为同样如此，畅连通话的表现何尝不是如此呢？
我们虽然知道，它和Face time有一定的区别：
开启方式——直接在拨号界面，可以看到右下角的畅连通话，进行开启即可。
说说未来：
我们知道现在视频通话为了节约手机的网速，我们得手机基本上压缩的比较厉害，这种压缩的比较厉害，会极大影响我们正常的视频对话，比如微信。
而华为的畅连通话，实际上改变了这种方式，更为主要的是，它还非常聪明的钻了iPhone在国内不能使用Face time的空子，未来可能会在视频通话中取代微信。
本月月中时体验畅连通话的时候，还以为要求EMUI 10系统是硬性要求。不过目前畅连通话已逐步“下发”到EMUI 9.1系统当中，不过这也是限于部分机型。要大面积体验还是要静候EMUI 10逐步适配和缓慢推送。
可能有些朋友升级到EMUI 10后就立马启动了畅连通话功能，想要尝鲜体验畅连通话所谓的高清视频通话质量？但又无奈于没有可拨打的好友而干着急等待着？
目前华为畅连通话仅仅是支持华为手机/智慧屏等设备，并无法与其它品牌共通。况且而言，这是要双方用户同时升级到支持畅连通话的EMUI系统并启用该功能后使用。
率先升级了荣耀 v10并体验了畅连通话。对比微信视频聊天而言，第一切身的感受毫无夸大地说就是，画面太清晰了。毕竟微信视频是牺牲画质以换流畅的做法。
大概总结了一下畅连通话的优点。畅连通话除了支持最高可达1080P高清视频通话画质外，还通过超分技术补偿画质，能减少因网络不佳而带来连接不畅通的情况。况且而言，畅连通话提供高清视频画质的同时也可自带美颜，这可是“鱼与熊掌兼得”呢！
此外，我们从设备互联的角度去看。父母通过智慧屏这类的设备，然后与咱高清视频通话的时候，这想必也是一件其乐融融的事情。可以说畅连通话是全场景布局的高清晰度音视频通话功能，它可以突破多设备互通壁垒，给我们用户带来全场景的便捷通话。
谢谢您的问题。EMUI10畅连通话是亮点，还有其他印象深刻之处。
EMUI系统的鸿蒙化。EMUI10已经嵌入了华为鸿蒙系统的微内核＋分布式架构技术，使用了方舟编译器，获得了最高等级的操作系统安全认证。可以理解为EMUI10升级以后，底层做出了改变，就差叫鸿蒙系统了。
畅连通话的新意。EMUI10才有畅连通话新功能，在手机通讯录里就能看见。如果双方都升级EMUI10，开通此功能就能语音或者视频通话，在WiFi好、流量稳定的情况下，声音效果与画面清晰度、人物成像比微信好。特别是，EMUI10有鸿蒙的影子，所以就能够理解畅连通话与视频可以应用于华为全部生态产品，比如华为智慧屏等智能家居产品。
还有一个小细节。EMUI10的深色模式、杂志模板就不展开了，视觉体验确实得到提升。还有一个功能，就是以弹屏显示的方式，提醒用户，有某个应用软件正在获取手机定位、联系人信息、摄像头、麦克风等隐私信息。现在我们都在意隐私保护，EMUI10这样的安全提醒，很有人情味，但估计也得罪了一些应用厂商，妨碍他们获取用户数据了。
欢迎关注，批评指正。
跨屏这块，我没用过，就不说了。
我只是用过这个东西视频过，体验非常棒。没有用WIFI，用的是移动4g网络，网速还可以，画质非常好。平时常用都是微信或者QQ视频，很多人都会发现，明明前置摄像头拍照不弱，可是视频画质那么渣呢？畅连通话却不是，虽然说画质没有前置拍照那么好，但是比微信QQ清晰的多，而且画面非常流畅声音也很清晰，延迟还很低。同样是视频，同样的网络环境，我肯定选择畅连通话，太好用了。但是也有一个问题，如果对方没有，那你也没办法，现在实际上能用这个方式联络的朋友并不多！！
我两台手机升级后，试了一下，视频通话真的很不错，但是现在能通话真的不多，需要等手机大部分升级后，才能畅快使用。
华为最新系统EMUI10的发布，可以说在手机操作系统引起不小的轰动的，由于这款操作系统打在的是华为自主研发的鸿蒙操作系统的内核和分布式的全新的架构模式技术，可以说这次的EMUI10系统的变化是非常大的，那么下面和大家一起来说一说。
我们先来了解一下什么是华为的鸿蒙操作系统，其主要是基于微内核的全场景的分布式OS，主要体现在“分布架构”、“天生流畅”、“内核安全”、“生态共享”。这四个方面的华为自主研发的智能操作系统。
而且华为自主研发的鸿蒙操作系统还是一套可以弹性部署的，终端分布丰富的终端的形态系统，最重要的一点是华为的鸿蒙操作系统是可以进行开源操作的。
再来了解什么是分布式的架构，其实简单的来说就是能够实现多终端的能力共享的模式，而且还可以互为外设，比如说我们使用的智能手机还有电脑等一些可以穿戴的智能设备等等，都是可以做到灵活的安装适配。
而这次发布的EMUI10操作系统，在发布的时候也是搭载有这款操作系统的，可以说有华为鸿蒙操作系统加持的EMUI10智能手机操作系统是如虎添翼的操作系统。
我们华为的老用户在升级EMUI10操作系统之后，就会发现有一个非常有趣的功能，叫做全场景的音视频通话功能，这款功能的最大的作用就是能够在视频通话的时候，消耗的是无线网络，而不是运营商的资费等等。
EMUI10的畅连通话功能，可以说能够实现用户设备之间的多种设备的互通，只要是两个用户使用的都是华为的智能设备，那么都是可以对其进行一个体验全场景的视频通话功能的，我们可以在畅连通话功能中随意的给华为用户中安装这个功能的用户拨打。
如何使用华为手机中的畅连通话功能：
打开华为手机，正确的连接无线网或者手机数据流量，然后我们在华为账户中登录华为的账号中登录。
紧接着我们在打开联系人和电话应用，在里面选择畅连通话功能，选择立即体验，就可以正式的开通这个功能了。
这个功能的使用体验还是非常的不错的，能够支持1080p的视频高清通话功能，不论是在WiFi还是在4G的情况下都是可以做到视频内容清晰，还可以支持一键美颜的功能的。
最后，对于说华为手机这个新的功能，在这里给大家做一个总结，其实功能还是非常的不错的，能够实现用户的畅连互通，而且视频的高清程度也是很不错的，大家可以去升级尝试一下，那么大家还有什么不同的看法，可以在下方留言，咱们一起探讨！
题主问题的核心是华为EMUI10的普及，他的畅联通话功能怎么样？笔者认为比较好的地方就是和苹果的Face time有些类似，但是功能相对要更多，实用性要更强，不过我们要知道华为手机的等级分类不同，产品线众多，所以即便你是千元机也可以享受到这样的功能，这确实对于两个人来说，成本要更低。
当然消耗的WIFI以及4G的流量，而且关键是是支持多屏的互动，比如你可以通过智慧屏，等等，而且可以在几个设备之间互相转换，估计之后会加入多人，包括其他更多的投屏设计方式。
当然美颜是小哥哥和小姐姐喜欢，但是在画质不佳的情况下，通过自动智能提升画质，以保证用户更加清晰流畅的视频通话体验，这一点确实好评，相比之下对于QQ，微信网络不佳就卡顿的情况确实更加好用。
再者就是夜晚解决了画面不清晰的问题，在晚上，周围光线较弱的情况下会自动通过智能算法补光，时刻保持人脸清晰可见，这可是QQ和微信所没有的，除非你去开灯。
其实我们刚才已经看到了在视频下面有拨打智慧屏，包括有通过智慧屏可以拨打手机，这样我们可以在智慧屏首页点击“视频通话”，在“联系人”界面选择联系人或“拨号”界面选择最近通话或直接输入手机号，选择可呼叫的设备（手机、智慧屏等），按“确认键”发起视频或语音呼叫。
留言板可以适时地给家人打传一些文本和表情都是可以的。
其实对于这些功能，我们虽然看似通过APP都可以实现，但是我们要知道华为手机，这是通过两台手机进行，而且不需要多余的操作，以及下载APP，这对于同样使用华为手机的朋友和家人来说，这样的方式确实简洁方便，希望后续可以加入更多的功能，比如可以实现远程控制，以及多成员加入等等，我们确实很期待后续，当然现在其实我们也比较满足，毕竟华为手机之间都可以，这样其实没有太多的限制，还是挺不错的。
回答完毕
延迟比vx低，切换wifi5G到wifi2.4G会掉线。
‘伍’ emui10不推送EMUI11
可能是硬件版本太低了。
EMUI11只有麒麟985以上的手机能升级，但升级EMUI10及EMUI10.1的可以在随后的推送中直接升级鸿蒙系统。
EMUI（前称EmotionUI）是华为基于Android（安卓）进行开发的情感化操作系统。拥有简化的用户界面、新的手势导航和HiVision的“AI”功能。
其9.1版本设置项精简10%、全局统一化的设计、便捷的单手操作、全新的手势导航，提供了良好的交互体验，新UX融入了大自然的声音、色彩、光影，回归自然的沉浸式设计。
‘陆’华为matebookego是双系统
华为bookE是双系统。华为的MateBook系列是双系统配置,而且是多形态的变形本。双系统在安装的时候，两个系统是分别装在不同的分区内，后安装的系统不会覆盖前一个系统。而且每个单独的系统都有自己的分区格式，不会造成冲突的。安装了双系统后，在启动的时候，有一个多重启动的选择菜单，可以选择进入那个操作系统。当前状态下，只有一个系统是在运行的，不能随意的切换。如果想要进入另外一个，就要重新启动，重新选择。
装双系统甚至多系统，是为了满足不同需求。每个操作系统都有自身的特点，比如windows98可以提供DOS环境，可以提供Win环境，用来对XP分区操作。98可以最小化，只占40-250mb,余下可作临时空间。98使用率很低，任务简单，镜像备份很小，安全度高。
‘柒’谁更新了华为EMUI10.0版本的了效果怎么样
EMUI这些年的变化很大。就如前面版本的号称18个月不卡顿，到EMUI 9.1带来的EROFS文件系统、方舟编译器等…除了功能性的更新外，还带来体验流畅度的提升。整个EMUI 10其实你可以很直观的发现的就是UI方面的变化。全新图标风格、留白设计、黑暗模式等…
多屏协同。EMUI
10实现跨终端的协同共享，通过分布式硬件能力虚拟化，将所有同类型硬件划分到一个硬件池中。简而言之就是一个手机和电脑同屏协作的功能。如果你没在用Matebook，这功能倒显得有点鸡肋。目前华为也没有向所有PC开放的打算。整体上看来EMUI
10的变化性很大，不局限于系统UI变化、带来深色模式…而是覆盖视频通话、效率办公、出行等众多方面。期待未来还会有更多的优化和改善…
‘捌’想问华为mate30pro什么系统
1、华为mate30pro首发搭载了EMUI10系统，系统设计独具一格，日常使用更加舒适。EMUI10系统还带来了革命性的交互方式，包括AI隔空操作以及侧屏触控，让手机在日常使用的过程中，各种操作更加便捷，四指游戏也更加轻松。
2、同时，EMUI10系统还带来了深色模式功能，暗光或全黑的环境下，可以让眼睛避免强光的刺激，带来更加舒适的用机体验。同时，EMUI10的深色模式不是简单的颜色反转，从手机的背景填充，再到文字图标，都做了优化处理，保证深色与浅色模式的视觉感受一样舒适，带来更为沉浸的使用体验。
更多关于华为mate30pro什么系统，进入：查看更多内容
‘玖’华为EMUI 10都有哪些升级改动来看看提前感受一下
【手机中国新闻】华为已经宣布正在为其设备开发Android Q，那么接下类的问题是，EMUI 10长什么样子呢？为了提前预热，这款基于Android Q的EMUI 10的早期版本最近被泄露出来，透露了一些新的功能和用户界面。这款新的EMUI 10固件由华为P30 Pro上的Android Central安装。
就设计变化而言，用户界面没有太多的调整，延续了其前身EMUI 9.1(Android P)的大部分设计。天气和它的一些小部件进行了些许调整，拥有了新的配色方案和其他的排列布局方式。此外，下拉菜单变成了渐变黑色，当禁用某个功能时，其文本将变为灰色。通知栏改进为与桌面融为一体的沉浸式设计。
华为EUMI 10（图源HUWEI CENTRAL）
手势导航与以前一样，但后台切换与动画都显得更加流畅。相机也有所变化，包括新的字体、颜色和图标。另外，相机模式之间的切换更加平滑，并添加了新的滤镜。除了相机应用程序的外观外，在主要功能上没有发现重大变化。
华为EUMI 10（图源HUWEI CENTRAL）
这个EMUI 10测试版本还展示了新的隐私和权限管理系统，这些系统主要继承自Android Q，用户可以更有效地为位置和存储等敏感信息选择更隐私的选项。
华为EUMI 10（图源HUWEI CENTRAL）
就像任何其他预发布软件一样，这个版本的EMUI也只能做一个参考，上面提到的功能在开发期间可能会得到更多的改进，甚至会增加更多的功能。
目前，还没有确定EMUI 10的发布日期，预计会在Mate 30系列推出之前。
关于本次askai是什么软件和kensho和alphasense是怎样炼成的的问题分享到这里就结束了，如果解决了您的问题，我们非常高兴。