见知AI巡山报告 – 2022年12月

AI团队12月巡山来啦！

有没有同学记得上一次AI巡山的封面呢？AI公众号的封面是这样的——

可是在网页上，我们的封面却是这样的——

这是因为小编上次编辑的时候，找到的封面图，清晰度太低。我们想找一份更加清晰的相似图片，怎么办呢？有了！用上次的Diffusion AI绘制一份吧！关键词“无人车“，再配上之前的低像素图像，Img2Img，就可以生成高像素图像了

本次巡山封面就用了AI生成，关键字“AI、足球、下棋”，别有一番感觉。其实图像处理、生成的AI到今天也有很长的历史，从前的图像处理技术虽然也可以增加图片清晰度，但是不如今天的“再创作“来得灵动。今天的封面，也是我们的小编通过AI画出的，看看效果如何哦！

而如今，卡塔尔世界杯如火如荼地进行着，如今的世界杯错判漏判、争议更少，这是由于视频助理裁判（VAR）技术的普及。如今VAR在人工智能的加持下又有了新的进展——SAOT半自动越位技术，这可以极大减轻视频助理裁判的压力。

SAOT用12个摄像头，跟踪球和所有球员的位置。比赛用球内的传感器要求：精确、稳定、高速。除了定位外，IMU传感器运用了惯性测量单元，用测量物体空间方向、速度等方式，能够准确估计物体的实际位置，将误差减小到0.1米；加入了“边缘计算节点”，在20毫秒内更快优先给出答案。边缘计算这种方式靠近用户端，计算节省成本，减少传输延迟，从而达到高速计算的目的。

倘若出界换球，AI又可以自动识别场上新球

安装在体育场屋顶下方的每个摄像机每秒将接收 50 次数据点，专注于每个球员的肢体和越位所需的四肢。这大大加快了越位判定的速度和精度。

与AI绘画相同的是：VAR技术从诞生的那天起，就饱受争议。动辄几分钟的VAR check，使得比赛的连贯性下降。而且部分犯规的判罚已经偏离了本质目的——阿根廷倒在了许多“体毛”级犯规和越位面前。

这里或许裁判加上一些温度更合适，因为这已经偏离了“越位战术”的本质目的。诚然如此，不可否认VAR和更为精确的SAOT，确实是进步的技术，而事物也都是在不断进步、曲折中前进的。

再来看看AI下棋吧！从90年代AI在国际象棋上击败人类；到2015年在变化更多的围棋上击败人类；再到后来的AlphaZero版本可以自由切换围棋、国际象棋、将棋三种棋类。那么AlphaZero用了什么样的原理和算法呢？

它应用的正是深度强化学习的框架（DRN），这是一种自我探索策略、学习价值的架构，并且在策略、价值的评估上采用了类似图像处理神经网络。将棋盘上的情况，变形为一张图片，19*19个格点，每个点挖掘出相应特征，然后便是基于规则进行自我博弈。用一个网络判断策略和价值，基于当前棋盘的局势，选择一个胜率最高的路线。

Alpha Zero的出现让AI的火热达到了一个新的高度，然而它也非万能。对于非信息对称的博弈（例如牌类）就不好用了。此外还有一个有趣的故事：可以用针对其网络训练的对抗网络AI打败之。

在MIT、UC 伯克利等机构的这项研究中，采用A-MCTS-S网络，在攻击者和固定受害者（围棋AI：katago）之间博弈，训练攻击者。

最终训练结果意料之外，却情理之中：每盘棋攻击者都是早早陷入苦战，之后受害者在大优下出现低级失误——这说明攻击者可以找到受害者的BUG。这样的AI虽然没有“实用”价值，其技术战法甚至不及业余棋手，但却是“构造性”地说明了现有AI的漏洞和BUG。

虽然我们可以不断修订bug来解决问题，但是AI不论发展到何种地步，都会有各种BUG——科技的发展更是放大了这种漏洞。个人认为，想要解决这种方法，依然是要由业余棋手操控AI，才能防止这种bug的出现。

正如上个月所说的一样，AI的发展极大地改变了我们的生活，但是还是有其弱点。走“人机结合”的战略也许才是最终答案：足球比赛中，AI的吹罚让比赛断断续续，”体毛级“越位这些又让判罚少了温度；棋类比赛中AI打遍天下无敌手，但是却有能够专门对付其弱点的对抗AI可以针对。这种漏洞如果在涉及人命的关头，就会被无限放大——比如上次提到的无人驾驶。

可以肯定的是，不论是我们的世界杯还是我们的棋牌类运动，AI的出现都带来了许多进步，同时摧毁了很多旧事物。但是我认为也许未来的大潮流趋势，仍然是AI与人相结合的路线。