[[207020]]

Nature 今天上線的這篇重磅論文，詳細介紹了谷歌 DeepMind 團隊最新的研究成果。人工智能的一項重要目標，是在沒有任何先驗知識的前提下，通過完全的自學，在極具挑戰(zhàn)的領域，達到超人的境地。

[[207021]]

2017 人工智能到底有多火

01人工智能從 0 到 1, 無師自通完爆阿法狗 100-0

去年，有個小孩讀遍人世所有的棋譜，辛勤打譜，苦思冥想，棋藝精進，4-1 打敗世界冠軍李世石，從此人間無敵手。他的名字叫阿法狗。

[[207022]]

今年，他的弟弟只靠一副棋盤和黑白兩子，沒看過一個棋譜，也沒有一個人指點，從零開始，自娛自樂，自己參悟，100-0 打敗哥哥阿法狗。他的名字叫阿法元。

阿爾法元的最大亮點，在于無需任何人類指導，通過全新的強化學習方式自己成為自己的老師，在圍棋這一最具挑戰(zhàn)性的領域達到超過人類的精通程度。

自學 3 天，就打敗了舊版 AlphaGo

人類其實把阿法狗教壞了! 新一代的阿法元(AlphaGo Zero)，完全從零開始，不需要任何歷史棋譜的指引，更不需要參考人類任何的先驗知識，完全靠自己一個人強化學習(reinforcement learning)和參悟，棋藝增長遠超阿法狗，百戰(zhàn)百勝，以 100-0 擊潰阿法狗。

達到這樣一個水準，阿法元只需要在 4 個 TPU 上，花三天時間，自己左右互搏 490 萬棋局。而它的哥哥阿法狗，需要在 48 個 TPU 上，花幾個月的時間，學習三千萬棋局，才打敗人類。

AlphaGo Zero 與此前版本有明顯差別：

AlphaGo-Zero 的訓練時間軸

• AlphaGo Zero 僅用棋盤上的黑白子作為輸入，而前代則包括了小部分人工設計的特征輸入。
• AlphaGo Zero 僅用了單一的神經(jīng)網(wǎng)絡。在此前的版本中，AlphaGo 用到了“策略網(wǎng)絡”來選擇下一步棋的走法，以及使用“價值網(wǎng)絡”來預測每一步棋后的贏家。而在新的版本中，這兩個神經(jīng)網(wǎng)絡合二為一，從而讓它能得到更高效的訓練和評估。
• AlphaGo Zero 并不使用快速、隨機的走子方法。在此前的版本中，AlphaGo 用的是快速走子方法，來預測哪個玩家會從當前的局面中贏得比賽。相反，新版本它依靠高質量的神經(jīng)網(wǎng)絡來評估下棋的局勢。

人工智能的一項重要目標，是在沒有任何先驗知識的前提下，通過完全的自學，在極具挑戰(zhàn)的領域，達到超人的境地。零基礎之上，進而自我訓練，實現(xiàn)超越。

通過數(shù)百萬次自我對弈，AlphaGo Zero 從零開始掌握了圍棋，在短短幾天內就積累起了人類幾千年才有的知識。但它也發(fā)現(xiàn)了新的知識，發(fā)展出打破常規(guī)的策略和新招，與 AlphaGo 在對戰(zhàn)李世石和柯潔時創(chuàng)造的那些交相輝映，卻又更勝一籌。

這些創(chuàng)造性的時刻給了我們信心：人工智能會成為人類智慧的增強器，幫助我們解決人類正在面臨的一些嚴峻挑戰(zhàn) 。

[[207023]]

盡管才剛剛發(fā)展起來，AlphaGo Zero 已經(jīng)走出了通向上述目標的關鍵一步。對于希望利用人工智能推動人類社會進步為使命的 DeepMind 來說，圍棋并不是 AlphaGo 的終極奧義，他們的目標始終是要利用 AlphaGo 打造通用的、探索宇宙的終極工具。

AlphaGo Zero 的提升，讓人們看到了利用人工智能技術改變人類命運的突破性機會。人工智能未來的發(fā)展，碼農(nóng)或將大批失業(yè)，程序員將成為"馴獸師"。

02人工智能系統(tǒng)完爆程序員實現(xiàn)真正自主編程

讓 AI 自動編程是人工智能領域長久以來的夢想之一。不久前，來自彭博和英特爾實驗室的兩位研究人員，號稱實現(xiàn)了首個能夠自動生成完整軟件程序的 AI 系統(tǒng)“AI Programmer”。

這個“AI 程序員”利用遺傳算法和圖靈完備語言，開發(fā)的程序理論上能夠完成任何類型的任務，AI 自動編程的時代，大幕已開。

這個首個能夠自動生成完整軟件程序的機器學習(ML)系統(tǒng)，全程只需最低限度的人類參與。以遺傳算法(GA)為核心，加上緊密約束的編程語言，將其 ML 搜索空間的開銷降到最低。

AI Programmer 的軟件架構

從圖中可見，由人類驅動的部分非常少，只需要在開始輸入指令，最后接收適用于某項任務的函數(shù)即可，剩下部分全部由機器完成。

AI Programmer 的新穎部分源于：

• 獨特的系統(tǒng)設計，包括用于效率和安全性的嵌入式手工解釋器(hand-crafted interpreter)。
• 對遺傳算法的增強，納入了指令基因(instruction-gene)隨機化綁定，以及編程語言特定的基因組構建及消除技術。

目前這個方面的成果還非常有限，比如讓 AI 自動補完編程語言，或者執(zhí)行簡單的加法程序。

研究人員表示，他們用這個系統(tǒng)證明了長久以來的假設，那就是功能完備的程序確實能夠被自動生成。

具體到這項工作，AI Programmer 利用機器學習中的遺傳算法，模擬復雜的指令。雖然現(xiàn)在 AI Programmer 生成的程序，復雜程度與人類新手程序員編寫的結果相當。但研究人員認為，AI Programmer 編寫的程序完全可以超越傳統(tǒng)范疇，不受人類時間和智慧的局限。

AI 編寫的程序只是在測試復雜度和計算資源之間找到了最適合的點。換句話說，可能性無限。

研究人員還表示，我們需要重新思考，設計新的、面向機器的編程語言，因為當前的編程語言是面向人類的，不適用于基于 ML 的編程。“在考慮ML驅動程序生成的未來時，我們需要放棄和重新考慮典型程序語言創(chuàng)建的方法。”

研究人員表示，只有這樣做，我們才能開始設想一個由 AI 系統(tǒng)驅動，以人類創(chuàng)造力和設計為指導的計算機軟件開發(fā)的新未來。

GitHub 2017 年度報告見證人工智能有多火

GitHub Universe 是 GitHub 的年度盛會，今年 10 月10-12 日，GitHub Universe 大會在舊金山召開。同時，GitHub 也在其官網(wǎng)發(fā)布了 2017 年年度數(shù)據(jù)報告 —— GitHub Octoverse 報告。

報告顯示，2017 年 GitHub 社區(qū)共匯集了 2400 萬開發(fā)人員，150 萬個組織和企業(yè)，6700 萬個存儲庫，其中有 2500 萬個公共存儲庫，用戶遍布世界 200 多個國家，“全球最大的同性交友網(wǎng)站”實至名歸啊!

[[207024]]

GitHub 每年都會在年度盛會中推出數(shù)據(jù)報告，其中列出了一些年度的數(shù)據(jù)，包括其網(wǎng)站中最受歡迎的編程語言、開源項目等。今年的數(shù)據(jù)更是讓人眼前一亮，Python 這匹編程語言中的黑馬，勢不可擋!

01.終結語言之爭，GitHub 得分最高的語言

編程語言之間的戰(zhàn)爭是一場持久戰(zhàn)，程序員們雖然對于這樣的內容有些審美疲勞了，但是每次看到還是瘋狂的為自己的應用打 Call。而 GitHub 作為一個豐富的資源庫，其中包含有337種獨特的編程語言開發(fā)的開源項目。

那么，在 GitHub 中哪種語言可以封王呢?JavaScript，你想到了嗎?JavaScript 這一年在 GitHub 中共獲得 230 萬 pull request，比第二名 Python 多了兩倍還不止。

Python 今年的請求比去年增加了 40%，成功擠掉 Java 上升為第二位。Typescript 也是今年的黑馬語言，它在 GitHub 上的 pull request 比去年多了四倍。

2017 GitHub 上最受歡迎的前 15 門語言

排名前十五的語言(按先后順序)：

• JavaScript
• Python
• Java
• Ruby
• PHP
• C++
• CSS
• C#
• Go
• C
• TypeScript
• Shell
• Swift
• Scala
• Objective-C

從 2017 GitHub 上最受歡迎的前 15 門語言可以看出：JavaScript 穩(wěn)居第一， 遙遙領先于第二名 Python，這可能和 GitHub 上關于 Web 前端的項目、開發(fā)者的數(shù)量龐大有一定關系。

值得注意的是：Python 已代替 Java 從去年的第三突進了第二，相比去年它新增了 40% 的 PR 數(shù)。

近幾年 Python 的增長勢頭一直非常迅猛，Python 雖然是腳本語言，但容易學，同時，Python 有非常多優(yōu)秀的深度學習庫可用，現(xiàn)在大部分深度學習框架都支持 Python。所以，Python 作為 AI 時代頭牌語言的位置基本確立。

再來看看 Java，Java 則被擠到第三位，不過 Java 9 剛發(fā)布不久，而且它的模塊化特性深受開發(fā)者喜愛，霸主地位還是很難撼動的。

同時，我們注意到 Objective-C 排行下降，從中可以看出移動開發(fā)的熱度在減退。今年提交的 PR 甚至比去年還少不少，而 OC 是 iOS 開發(fā)的最主要語言，再聯(lián)想到 Java 排名的下降，可以看出，移動開發(fā)的火熱度在下降，而且今年可能是首次下降。

究其本質原因是，智能手機已經(jīng)越來越普及，當你身邊的爺爺奶奶都擁有一部智能手機的時候，那只能說明，智能手機的市場份額已基本到頭了。

再加上現(xiàn)在流量基本被一些頭部的大廠占領，移動時代的流量獲取越來越難，移動創(chuàng)業(yè)也就越來越難，自然移動開發(fā)的市場需求沒法再持續(xù)增長了。

不過，移動開發(fā)市場沒那么火熱是事實，但并不意味著移動開發(fā)找不到工作，現(xiàn)在穩(wěn)定發(fā)展的公司移動開發(fā)崗位是不可或缺的，缺的是真正有能力的人才。

所以，如果你已經(jīng)在從事移動開發(fā)，不必過多焦慮，專注提升自身技術才是王道，而如果你是想學習編程轉行的，那么現(xiàn)如今不建議再從 0 學習移動開發(fā)了。

02.2017年誰是最贊的開源者?誰是最棒的開源項目?

GitHub 自 2007 年成立，如今已經(jīng)十年了，如今已經(jīng)是全球影響力最大、最權威的開源社區(qū)了，每年都有大量的企業(yè)和個人將自己的項目開源到這里進行交流學習。

那么今年哪些項目最具價值?哪些項目獲得了程序員的廣泛討論?哪些項目又收集到了最全的資料呢?

被 fork 最多的前十個項目

TensorFlow 當選第一，TensorFlow 是谷歌的第二代機器學習系統(tǒng)，這也反映了越來越多的人對人工智能感興趣，并且正在學習準備投入到機器學習當中。

也側面說明了，現(xiàn)如今，很多開發(fā)者還是積極擁抱未來的，因為開源社區(qū)，讓我們的心態(tài)更加開放，也讓我們接受、了解、學習新事物的成本低了太多。經(jīng)歷了被稱為“人工智能元年”的 2016 年，人工智能在 2017 年也迎來了更大的發(fā)展。

貢獻者最多的前十個項目

review 最多的前十個項目

discuss 最多的前十個項目

上面四個排行榜，TensorFlow 在其中三個都留下了自己的名字，再一次證明人工智能火熱的同時，也從側面反映了越來越多的開發(fā)者對未來人工智能的發(fā)展充滿信心。

03.2017 年，GitHub 的參與人群出現(xiàn)了新變化

與 2016 年相比，2017 年 GitHub 有了更多的參與者。這些貢獻者中接近半數(shù)是學生，28% 是專業(yè)人士，22% 是編程愛好者。在經(jīng)驗方面，只有 10% 的程序員是有經(jīng)驗的，其中有 45% 的程序員是完全新手。

GitHub 參與人群變化

毫無疑問，開發(fā)人員永遠都是 GitHub 的核心。2017 年 4 月，GitHub 擴展了其開發(fā)者計劃，其中 GitHub 的開發(fā)人員以及付費用戶的開發(fā)人員都包括在內。這個計劃也使得 GitHub 上的開發(fā)人員大漲。

03.2017年 machine-learning 是最被廣泛使用的標簽

2017 年 GitHub 增加了一個新功能"主題-存儲庫標簽"，支持用戶通過技術、行業(yè)等等搜索項目，那么經(jīng)過一年的運營，哪些標簽成為了 2017 年的主旋律標簽呢?

毫無疑問，游戲是 2017 年的大熱門，從全民王者榮耀就可見一斑，但"游戲"并不是天下無敵的，至少機器學習就可以和它平分秋色。

被使用最廣的標簽

以下為標簽詳情：

● machine-learning：https://github.com/topics/machine-learning

● game：https://github.com/topics/game

● iOS：https://github.com/topics/ios

● API：https://github.com/topics/api

● blog：https://github.com/topics/blog

● website：https://github.com/topics/website

● deep-learning：https://github.com/topics/deep-learning

● library：https://github.com/topics/library

● arduino：https://github.com/topics/arduino

● plugin：https://github.com/topics/plugin

● database：https://github.com/topics/database

● bot：https://github.com/topics/bot

整體數(shù)據(jù)概述：

• 2400 萬用戶
• 150 萬組織
• 6700 萬 Repostitories
• 130 萬學生開發(fā)者
• 用戶橫跨 200 個國家
• 四分之一的 GitHub 企業(yè)賬戶來自美國以外的國家
• 自 2016 年 9 月，公開發(fā)表 10 億 Commit
• 自 2016 年 9 月，2530 萬活躍項目
• 自 2016 年 9 月，1250 萬活躍 Issue
• 自 2016 年 9 月，新增 670 萬開發(fā)者
• 自 2016 年 9 月，新增 45.1 萬個組織入駐 GitHub
• 自 2016 年 9 月，120 萬人提交了他們的第一個 Pull Request
• 自 2016 年 9 月，410 萬人創(chuàng)建了他們的第一個 Repo
• 自 2016 年 9 月，130 萬新 Pull Request ，包括 Linus Torvald 的第一個 GitHub Pull Request：https://github.com/Subsurface-divelog/subsurface/pull/155
• 合并了 100,000,000 次 Pull Request
• 關閉了 68,800,000 個 Issue
• 62.4 萬 Pull Request 被 review
• 140 萬人在他人的 Issue 下討論
• Emoji 表情在 GitHub 上被用得很多
• 19.1 萬人 star 或 fork 了項目但沒有提交代碼
• 不包括框架和語言，下面的標簽被使用得最多
• machine-learning
• game
• iOS
• API
• blog
• website
• deep-learning
• library
• arduino
• plugin
• database
• bot

最后點有趣的，emoji 表情排行榜，妥妥的排行第一，看來程序員很喜歡相互點贊的呢。

[[207025]]

隨著社區(qū)的不斷發(fā)展，開源項目的不斷增長，GitHub 的報告對于我們對未來的技術趨勢判斷有很大的參考意義。

互聯(lián)網(wǎng)行業(yè)最怕的是固步自封，不與時俱進，做技術的一樣，我們要時刻更新自己，不人云亦云，但是要擁抱變化，只有這樣，我們才能在時代的潮流中立于不敗。

最后，感謝 GitHub，感謝開源精神，讓我們做技術的可以與全世界接軌，更改變了我們學習新事物的方式。感興趣的不妨點擊“閱讀原文”查看完整報告。