为游戏而生的AI车手，可能将改写人类驾驶技术的未来

为游戏而生的AI车手，可能将改写人类驾驶技术的未来党按照什么原则选拔干部 撰文 / 张 鸥 编辑 / 涂彦平 设计 / 师玉超 来源 / WIRED 作者：Will Knight 图源：GTPLANET.NET / AI.SONY 宫园拓马（TAKUMA MIYAZONO）4岁时开始接触虚拟赛车，启蒙游戏便是父亲

党按照什么原则选拔干部

近日有关于党按照什么原则选拔干部的话题受到了许多网友们的关注，大多数网友都想要知道党按照什么原则选拔干部问题的具体情况，那么关于党按照什么原则选拔干部的相关信息，小编也是在网上收集并整理的一些相关的信息，接下来就由小编来给大家分享下小编所收集到的与党按照什么原则选拔干部问题相关的信息吧。

点击（前往）进行了解>>

以上就是关于党按照什么原则选拔干部这个话题的相关信息了，希望小编分享给大家的这些新闻大家能够感兴趣哦。

撰文 / 张 鸥

编辑 / 涂彦平

设计 / 师玉超

来源 / WIRED 作者：Will Knight 图源：GTPLANET.NET / AI.SONY

宫园拓马（TAKUMA MIYAZONO）4岁时开始接触虚拟赛车，启蒙游戏便是父亲送给他的礼物——高度逼真的《GT赛车4》（Gran Turismo 4）。16年后的2020年，宫园成为这一项虚拟赛车的世界冠军，并赢得了史无前例的电竞赛车“三连冠”。

但他从来没有与GT Sophy进行过对战。GT Sophy是索尼和GT赛车系列游戏背后的工作室Polyphony Digital联手开发的AI赛车手。宫园说：“Sophy的速度非常快，单圈时间比最好的车手还要快。它甚至完成了一些我一直以来觉得不太可能的操作，如果不是亲眼见到，根本难以想象。”

近年来，视频游戏已经成为人工智能研究的一个重要沙盒。而GT赛车则尤其对于汽车来说，是一个意义非凡的挑战。

与国际象棋或围棋等人工智能已经熟悉的棋类游戏相比，GT赛车更强调连续判断和高速反应的能力。它比《星际争霸》或《Dota》等动作游戏复杂得多，而且需要具有挑战性的驾驶动作。想要成为GT赛车的王牌车手，必须在同一时间完美地平衡三件事：将虚拟赛车推向极限；与摩擦力、空气动力学和精确的驾驶路线进行斗争；要超越对手但又不能挡住对手路线招致处罚。

将GT Sophy应用于自动驾驶技术的可能性

斯坦福大学研究自动驾驶的教授克里斯·格德斯（Chris Gerdes）当地时间2月16日在《自然》杂志上与索尼共同发表文章说：“在虚拟赛道上如此熟练地超越人类车手，代表了人工智能里程碑式的成就。”

格德斯说，用于开Sophy的技术可以帮助自动驾驶汽车的研发。目前，自动驾驶汽车只使用Sophy所采用的神经网络算法来跟踪道路标线，并感知其他车辆和障碍。“Sophy在赛道上的成功表明，神经网络有一天可能会在自动驾驶汽车的软件中发挥比现在更大的作用。”格德斯在文章中写道。

索尼在2020年宣布，它正在开发一款具有先进驾驶辅助功能的电动汽车原型。不过该公司表示，目前还没有计划将Sophy引入汽车项目。

GT Sophy还说明了模拟环境对现实世界中人工智能应用的重要性。许多开发自动驾驶技术的公司使用复杂的计算机模拟来为其算法生成训练数据。例如，Alphabet旗下的自动驾驶汽车公司Waymo表示，其车辆在模拟中行驶了相当于3200万公里的距离。

实际操作性

“将机器学习和自主控制用于赛车令人感到振奋，丰田正在进行以‘人’为中心的放大作用，利用专家从赛车运动中学习的技术，有朝一日可以改善主动型安全系统。”丰田研究所的人本驾驶研究高级经理阿维纳什·巴拉钱德兰（Avinash Balachandran）说道。该研究所正在测试能够在极端速度下运行的自动驾驶汽车。

马萨诸塞大学阿默斯特分校研究强化学习的教授布鲁诺·卡斯特罗·达席尔瓦（Bruno Castro da Silva）称赞GT Sophy为令人印象深刻的成就，也是为自动驾驶汽车培训AI系统的重要一步。但他同时也表示，将其技术从GT赛车中应用到现实世界是一个挑战，因为像这样的强化学习算法很难考虑决策的长期影响，也很难保证这种算法的安全性或可靠性。

“如果我们希望这种人工智能系统在现实生活中得到应用，安全保障是最重要的。缺乏安全保障也是目前基于机械学习的机器人尚未在工厂和仓库中广泛采用的主要原因之一。”

领导该算法开发的索尼人工智能公司首席执行官北野宏明（Hiroaki Kitano）表示，为GT Sophy开发的人工智能算法类型也可能被证明对其他类型的机器有用，包括无人机和与人类一起工作或协助人类的机器人。北野说：“这一算法有可能应用于未来任何与人类互动的环境。”

展露头角的神经网络算法

GT Sophy通过数小时的练习掌握了GT赛车的运行。与其他最近的人工智能游戏一样，这涉及到训练一种被称为神经网络的算法，通过提供积极和消极的反馈来改善其对游戏控制的操作。这种方法被称为强化学习，其灵感来自现实世界中动物对成功和失败的反应方式。

虽然这种方法已经有几十年的历史，但近年来得益于更复杂的算法、更强大的计算机和更多的训练数据，它正在逐渐展露头角。

GT Sophy是第一个能够在这种现实的高速游戏中击败专业电竞车手的AI。在2021年7月和10月举行的一系列比赛中，它击败了包括宫园在内的最优秀的车手。

索尼美国人工智能总监彼得·沃曼（Peter Wurman）认为：“GT Sophy为机器人指出了一条道路，即如何在更复杂的环境中与人类互动。对于棋盘游戏，你有很长的时间来决定要如何走下一步棋。但GT赛车中的高速实时反应则与人类生活互动更相近。”

GT Sophy项目还指出了游戏设计的潜在变化。自主学习的AI车手可以更加栩栩如生，与之对战或并肩作战都变得更有吸引力。

山内一典（Kazunori Yamauchi）是GT赛车的创造者，也是现实生活中的赛车手。他说GT Sophy的驾驶能力可能是最令人印象深刻的部分，它能够避免违规驾驶。他说，这项技术将成为未来游戏版本的一部分，并预测它将有助于教导新手和专家车手提高他们的驾驶技能。

“Sophy能够采取一些人类车手永远不会想到的赛车线路。伴随着研发的继续进行，我相信，很多关于驾驶技能的教科书将被改写。”

股票名称前加xd是什么意思 #/bj/anmo/43374.html