本文目录一览：

马斯克自封“钱币大师”，他究竟有多厉害？

从呼风唤雨的币圈「教主」到被投资者斥为操纵市场的众矢之的，马斯克的人设转变只用了3个月。自2月特斯拉正式入场后，马斯克似乎在许多方面影响着加密货币市场，只要他推特上有点风吹草动，比特币就会跟着动一动，而且还不是小动而是大动，更不要说他还在今年一手捧红了狗狗币，以致于马斯克的影响力被许多人称为「埃隆效应」。

有媒体翻遍了马斯克近五个月约 3000 条推特，整理了如下数据：谈及比特币13次，最大涨幅22.74%；提及狗狗币27次，最大涨幅 132.74%。眼看着比特币价格犹如芝麻开花节节高，狗狗币也成了圈内一时无两的绝对顶流与新的造富神话，就在大家猜测着比特币与狗狗币能在马斯克的「带货」下被抬到哪个高度时，一切随着马斯克的变脸戛然而止。

马斯克先是以担忧「比特币挖矿和交易中使用化石燃料频率的迅速增加」的环保名义在上周宣布，特斯拉将暂停使用比特币来支付购车费用，并在考虑使用能源消耗更低的加密货币。本周，一位加密货币分析师在社交媒体称，当比特币投资者在下个季度发现特斯拉已出售剩余的比特币持仓时，他们可能会扇自己耳光。马斯克竟然回复称：「确实如此」。

这四个字可谓威力无穷，比特币暴跌一度登上热搜，「崩盘」、「牛市终结」成为近日币圈的常用词汇，马斯克也成为了币圈的公敌，遭到了行业内不少投资者的抨击，说他「利用影响力控制二级市场」、「为自己获利」等等。

马斯克到底是怎样的一个人？它对比特币、狗狗币和加密货币到底是真心还是假意？就像加密货币市场本身一样，多年来，马斯克与加密货币的关系一直很复杂且一直在变化。本文就带大家一起来梳理梳理马斯克的加密货币简史。

马斯克其人

马斯克全名埃隆•里夫•马斯克（Elon Reeve Musk），1971年6月28日出生于南非。目前马斯克身上的头衔有一长串，包括SpaceX的创始人，首席执行官、首席技术官和首席设计师；特斯拉的早期投资者、CEO和产品架构师；The Boring Company的创始人；Neuralink的联合创始人；以及OpenAI的联合创始人和联合主席。

虽然大众最熟悉的是特斯拉和SpaceX，但这些公司其实都是高度创新的公司，涵盖了从航空航天、电动汽车制造、神经技术、人工智能到基础设施等多个行业。所以说，马斯克是一个非常成功的连续创业者。

同时，马斯克也是个偏执狂，是一个喜欢尝试新事物的人。马斯克在10岁那年买了第一台电脑，并自学了编程。他的电脑水平甚至比当时教他电脑课的老师还要高。12岁的时候，他成功设计出一个名叫“Blastar”的太空游戏软件，之后以500美元卖出。

在成功拿下美国宾夕法尼亚大学的经济学学位和物理学学士学位后，27岁的马斯克和弟弟金巴尔一起创办了名为Global Link的信息网站，后来更名为Zip2。两年后的1999年2月，zip2被康柏公司收购，价码是3亿美元。就这样，马斯克在28岁这年收获了人生第一桶金——2200万美元。

自那之后经过22年的财富积累期，美东时间2021年1月7日，马斯克个人净资产升至1950亿美元，超越亚马逊CEO贝索斯成为世界首富。虽然马上又被贝索斯反超了，还被媒体戏称为是「三日游」，但不可否认，人也是名副其实坐过世界首富那把椅子的人。

叫啥啊,有链接吗?

有链接的。链接是一种允许我们同其它网页或站点之间进行连接的元素。各个网页链接在一起后，才能真正构成一个网站。

时间管理大师——硅谷钢铁侠

2021年1月， 加冕新首富、猎鹰火箭一箭143星、国产model Y落地 ，埃隆·马斯克的成就list一口气打了好几个勾，短时间内这么多收获，离不开他高超的时间管理术。

作为这个世界上最成功最忙碌的男人之一，马斯克管理7家公司，还养育了6个孩子——普通人就算有三头六臂恐怕都忙不过来，马斯克到底是怎么做到的？

首先是“Time Boxing”工作法，为任务设置时长——凡是醒着状态，马斯克会以5分钟为单位来安排日程， 一天时光就切成了几百个“时间方糖” 。

到工作时间， 每天的最低标准是处理最关键的事务 ，包括最紧要工作、需要见面的关键人物和必须参加的关键活动。

接下来的非工作事务，马斯克会压缩在最短时间内完成，包括花5分钟吃饭，一周为约会安排10小时等。

一心二用甚至三用，是马斯克管理时间的一大特点，他会在开会时用手机打理生意，在检查发票时回复邮件，有时抱孩子坐在腿上玩耍还会抽空回份邮件……

2017年美国连线杂志对马斯克花费时间进行有趣的对比换算，得出的结论是：马斯克一年干了别人八年的工作量。

造火箭，Space X对比蓝色起源，耗时比例1:6；

造自动驾驶汽车，特斯拉对比福特，耗时比1:4；

造超级高铁，马斯克对比加州政府的项目，耗时比1:6；

挖隧道，The Boring Company对比正常地铁，耗时比1:14；

交付平民价位的电动汽车，从立项到交付，耗时是通用汽车的2/3；

更快的汽车生产线，通常汽车组装需要3分钟，特斯拉机器人生产线10秒搞定，耗时比1:18；

登陆火星，按规划马斯克想在2024年就送人类上火星，NASA要到2035，马斯克又1:8领先；

以道御术，马斯克做好技术层面时间管理的同时，又是什么赋予了他对时间的驾驭感？

「第一性原理」 是马斯克挂在嘴边的理论之一，他要确保自己了解极大多数事情背后的基础科学原理或规则——这可以减少他花费大量时间去学习新概念，认知事物便有了一个平滑上扬的认知曲线。

马斯克推崇的“Time Boxing”工作法，关注的核心不是什么时刻做这件事，而是做这件事花费的时长。这种时间管理方法，和市面上大量根据日程来安排待办事项的时间管理方法，有着本质区别。对马斯克这种日程繁杂又不固定的人士尤其好用。

在埃隆·马斯克的日程中，没有任何两天是完全一样的，他曾在访谈中描述自己的工作节奏，周一和周五在洛杉矶的Space X，星期二、三、四他会在旧金山湾区的Tesla工作，星期六还有半天要在 Y Combinator 孵化器里研究人工智能开源项目 OpenAI的工作。

通常人们安排日程，会是9点到10点做任务一，10点到11点做任务二，呈线性分布。可有时任务一延误就会影响任务二，提前做完了任务一可能还要等到10点做任务二，这样根据时间线来制定的工作计划，看似井井有条实际上却有些脆弱。

而“Time Boxing”对未来需要执行的每件事项设定了明确的预算时长，例如任务一要在15分钟内完成，任务二要在10分钟内完成……。完成任务一之后，可以立刻开始进行下一件最适合进行的任务，而不一定是任务清单上排第二的任务。

马斯克深谙Deadline才是第一生产力的道理，给每项任务安排足够且最少的时间，这样就让自己时刻处于Deadline临近的影响下，这样效率也最高。

有关企业官僚作风的帕金森定律也提到，工作会填满分配的时间。

也就是说，为任务分配的时间越多，完成任务花费的时间也就越多。明明30分钟可以查完的资料，如果安排半天，那可能真的会花半天。于是他就把一些低价值的事项分配较少的时长，避免时间的浪费，譬如5分钟内狼吞虎咽地吃完午餐。

基于这种时间管理方法，他始终在保持很快的工作节奏，完成一件事之后，立刻进行下一件，不空耗时间，也不用等待下一个任务时间点的到来。

此外，马斯克还在个人管理精力的分配上运用了帕斯托雷法则：将大部分的精力用在最重要的两家公司上面，即Space X和特斯拉。

在接受欧洲数字出版社Axel Springer CEO访谈时表示：“人类历史上最伟大的发明是语言（而非车轮）”，语言之外就是写作，“写作就像是一个硬盘驱动器，让事物超越人本身来延续。如果你想用口述史的方式来保存一切东西，是非常困难的。”

大量的事务都用邮件解决，这也是他极少使用电话的原因，这样就可以避免高效状态经常被打断。

而且马斯克80%的沟通都是创造性工作，如工程和设计，能够持续保证心流状态才是最高效的方式。

用他自己的话说：“我喜欢邮件，并且尽可能尝试异步沟通，我非常擅长写邮件。”他还用一个很难被猜到的邮件地址来避免与公司以外的人取得联系，这样他就能更专注于公司的实际工作。

他还在一次会议上开玩笑说：“我写过很多邮件——并且非常擅长。这是我的核心竞争力。”他经常通过邮件向全公司传达如何沟通，公司的愿景和使命，以及如何高效工作。

2018年7月1日，马斯克向全体员工，发送了一封人人期待已久的电子邮件：“我认为我们刚刚成为了一家真正的汽车公司。我们在七天内制造了5,031辆 Model 3。”周产能爬升过5000台，马斯克将特斯拉最有里程碑意义的成就，通过邮件告诉了所有人。

马斯克的邮件技能也是练过的，用语清晰、简洁、直接。

能用两个字就不用十个字，他会使用一些恰如其分的技巧型话术，比如“我希望……，你能够做到吗？”，一旦你在邮件中答应，就像是自己承诺完成任务，而不是他硬压下来的，也就不得不完成。

回完最重要的邮件，马斯克会亲自送娃上学。

再忙，他也还是好爸爸一枚，开着自己的特斯拉汽车，把娃送到自建在Space X总部的试验性小学Ad Astra。学校名字取自拉丁谚语Per aspera ad astra，含义是「历经艰辛，终达星辰」古典且浪漫。

马斯克还有空客串电影电视剧集，《钢铁侠》、《生活大爆炸》等都出现过他的身影，他几乎可以算是硅谷科技精英中客串影视节目最多的家伙，这样的免费公关宣传对他要推进的目标是有意义的，也在节约他的PR时间。

作为顶级富豪，永远精力充沛、胜券在握的马斯克，走出了自己刻苦又松弛时间管理风格。

春节在家不再无聊，这份2019 AI研究进展回顾陪伴你

2019 年可以说是「预训练模型」流行起来的一年。自 BERT 引发潮流以来，相关方法的研究不仅获得了 EMNLP 大会最佳论文等奖项，更是在 NLP、甚至图像领域里引领了风潮。

去年也有很多 游戏 AI 取得了超越人类的水平。人工智能不仅已经玩转德州扑克、星际争霸和 Dota2 这样复杂的 游戏 ，还获得了 Nature、Science 等顶级期刊的肯定。

机器之心整理了去年全年 在人工智能、量子计算等领域里最为热门的七项研究 。让我们以时间的顺序来看：

第一个重磅研究出现在 2 月，继发布刷新 11 项 NLP 任务记录的 3 亿参数量语言模型 BERT 之后，谷歌 OpenAI 于 2019 年 2 月再次推出了一种更为强大的模型，而这次的模型参数量达到了 15 亿。这是一种 大型无监督语言模型 ，能够生产连贯的文本段落，在许多语言建模基准上取得了 SOTA 表现。此外，在没有任务特定训练的情况下，该模型能够做到初步的阅读理解、机器翻译、问答和自动摘要。

该模型名为 GPT-2，它是基于 Transformer 的大型语言模型，包含 15 亿参数、在一个 800 万网页数据集上训练而成。训练 GPT-2 有一个简单的目标：给定一个文本中前面的所有单词，预测下一个单词。GPT-2 是对 GPT 模型的直接扩展，在超出 10 倍的数据量上进行训练，参数量也多出了 10 倍。

GPT-2 展示了一系列普适而强大的能力，包括生成当前最佳质量的条件合成文本，其中我们可以将输入馈送到模型并生成非常长的连贯文本。此外，GPT-2 优于在特定领域（如维基百科、新闻或书籍）上训练的其它语言模型，而且还不需要使用这些特定领域的训练数据。在 知识问答、阅读理解、自动摘要和翻译等任务 上，GPT-2 可以从原始文本开始学习，无需特定任务的训练数据。虽然目前这些下游任务还远不能达到当前最优水平，但 GPT-2 表明如果有足够的（未标注）数据和计算力，各种下游任务都可以从无监督技术中获益。

最后，基于大型通用语言模型可能会产生巨大的 社会 影响，也考虑到模型可能会被用于恶意目的，在发布 GPT-2 时，OpenAI 采取了以下策略： 仅发布 GPT-2 的较小版本和示例代码，不发布数据集、训练代码和 GPT-2 模型权重 。

OpenAI大师(openai大师在线问答)

机器学习顶会的最佳论文，总会引起人们的广泛讨论。在今年 6 月于美国加州举办的 ICML 2019（国际机器学习大会）上，由苏黎世联邦理工学院（ETH）、德国马普所、谷歌大脑共同完成的《Challenging Common Assumptions in the Unsupervised Learning of Disentangled Representations》获得了其中一篇最佳论文。研究者在论文中提出了一个与此前学界普遍预测相反的观点：对于任意数据，拥有相互独立表征（解耦表征）的无监督学习是不可能的。

论文链接：

在这篇论文中，研究者冷静地审视了该领域的最新进展，并对一些常见的假设提出了质疑。

首先，研究者表示从理论上来看，如果不对模型和数据进行归纳偏置，无监督学习解耦表征基本是不可能的；然后他们在七个不同数据集进行了可复现的大规模实验，并训练了 12000 多个模型，包括一些主流方法和评估指标；最后，实验结果表明，虽然不同的方法强制执行了相应损失「鼓励」的属性，但如果没有监督，似乎无法识别完全解耦的模型。此外，增加的解耦似乎不会导致下游任务学习的样本复杂度的下降。

研究者认为，基于这些理论，机器学习从业者对于超参数的选择是没有经验法则可循的，而在已有大量已训练模型的情况下， 无监督的模型选择仍然是一个很大的挑战 。

去年 6 月，来自德国波恩-莱茵-锡格应用技术大学和谷歌大脑的研究者发表了一篇名为《Weight Agnostic Neural Networks》的论文，进而引爆了机器学习圈。在该论文中，他们提出了一种神经网络架构搜索方法， 这些网络可以在不进行显式权重训练的情况下执行各种任务 。

论文链接：

通常情况下，权重被认为会被训练成 MNIST 中边角、圆弧这类直观特征，而如果论文中的算法可以处理 MNIST，那么它们就不是特征，而是函数序列/组合。对于 AI 可解释性来说，这可能是一个打击。很容易理解，神经网络架构并非「生而平等」，对于特定任务一些网络架构的性能显著优于其他模型。但是相比架构而言，神经网络权重参数的重要性到底有多少？

来自德国波恩-莱茵-锡格应用技术大学和谷歌大脑的一项新研究提出了一种神经网络架构搜索方法，这些网络可以在不进行显式权重训练的情况下执行各种任务。

为了评估这些网络，研究者使用从统一随机分布中采样的单个共享权重参数来连接网络层，并评估期望性能。结果显示，该方法可以找到少量神经网络架构，这些架构可以在没有权重训练的情况下执行多个强化学习任务，或 MNIST 等监督学习任务。

BERT 带来的影响还未平复，CMU 与谷歌大脑 6 月份提出的 XLNet 在 20 个任务上超过了 BERT 的表现，并在 18 个任务上取得了当前最佳效果。

来自卡耐基梅隆大学与谷歌大脑的研究者提出新型预训练语言模型 XLNet，在 SQuAD、GLUE、RACE 等 20 个任务上全面超越 BERT。

作者表示， BERT 这样基于去噪自编码器的预训练模型可以很好地建模双向语境信息，性能优于基于自回归语言模型的预训练方法 。然而，由于需要 mask 一部分输入，BERT 忽略了被 mask 位置之间的依赖关系，因此出现预训练和微调效果的差异（pretrain-finetune discrepancy）。

基于这些优缺点，该研究提出了一种泛化的自回归预训练模型 XLNet。XLNet 可以：1）通过最大化所有可能的因式分解顺序的对数似然，学习双向语境信息；2）用自回归本身的特点克服 BERT 的缺点。此外，XLNet 还融合了当前最优自回归模型 Transformer-XL 的思路。

延伸阅读：

2019 年 7 月，在无限制德州扑克六人对决的比赛中，德扑 AI Pluribus 成功战胜了五名专家级人类玩家。Pluribus 由 Facebook 与卡耐基梅隆大学（CMU）共同开发，实现了前辈 Libratus（冷扑大师）未能完成的任务，该研究已经登上了当期《科学》杂志。

据介绍，Facebook 和卡内基梅隆大学设计的比赛分为两种模式：1 个 AI+5 个人类玩家和 5 个 AI+1 个人类玩家，Pluribus 在这两种模式中都取得了胜利。如果一个筹码值 1 美元，Pluribus 平均每局能赢 5 美元，与 5 个人类玩家对战一小时就能赢 1000 美元。职业扑克玩家认为这些结果是决定性的胜利优势。 这是 AI 首次在玩家人数（或队伍）大于 2 的大型基准 游戏 中击败顶级职业玩家 。

在论文中，Pluribus 整合了一种新的在线搜索算法，可以通过搜索前面的几步而不是只搜索到 游戏 结束来有效地评估其决策。此外，Pluribus 还利用了速度更快的新型 Self-Play 非完美信息 游戏 算法。综上所述，这些改进使得使用极少的处理能力和内存来训练 Pluribus 成为可能。 训练所用的云计算资源总价值还不到 150 美元 。这种高效与最近其他人工智能里程碑项目形成了鲜明对比，后者的训练往往要花费数百万美元的计算资源。

Pluribus 的自我博弈结果被称为蓝图策略。在实际 游戏 中，Pluribus 使用搜索算法提升这一蓝图策略。但是 Pluribus 不会根据从对手身上观察到的倾向调整其策略。

在人工智能之外的量子计算领域，去年也有重要的研究突破。2019 年 9 月，谷歌提交了一篇名为《Quantum supremacy using a programmable superconducting processor》的论文自 NASA 网站传出，研究人员首次在实验中证明了量子计算机对于传统架构计算机的优越性：在世界第一超算 Summit 需要计算 1 万年的实验中，谷歌的量子计算机只用了 3 分 20 秒。因此，谷歌宣称实现「量子优越性」。之后，该论文登上了《自然》杂志 150 周年版的封面。

这一成果源自科学家们不懈的努力。谷歌在量子计算方向上的研究已经过去了 13 年。2006 年，谷歌科学家 Hartmut Neven 就开始 探索 有关量子计算加速机器学习的方法。这项工作推动了 Google AI Quantum 团队的成立。2014 年，John Martinis 和他在加利福尼亚大学圣巴巴拉分校（UCSB）的团队加入了谷歌的工作，开始构建量子计算机。两年后，Sergio Boixo 等人的论文发表，谷歌开始将工作重点放在实现量子计算优越性任务上。

如今，该团队已经构建起世界上第一个超越传统架构超级计算机能力的量子系统，可以进行特定任务的计算。

量子优越性实验是在一个名为 Sycamore 的 54 量子比特的完全可编程处理器上运行的。该处理器包含一个二维网格，网格中的每个量子比特与其他四个相连。量子优越性实验的成功归功于谷歌改进了具有增强并行性的双量子比特门，即使同时操作多个门，也能可靠地实现记录性能。谷歌使用一种新型的控制旋钮来实现这一性能，该旋钮能够关闭相邻量子比特之间的交互。此举大大减少了这种多连通量子比特系统中的误差。此外，通过优化芯片设计来降低串扰，以及开发避免量子比特缺陷的新控制校准，谷歌进一步提升了性能。

虽然 AI 没有打败最强人类玩家 Serral，但其研究的论文仍然登上了 Nature。2019 年 10 月底，DeepMind 有关 AlphaStar 的论文发表在了当期《Nature》杂志上，这是人工智能算法 AlphaStar 的最新研究进展，展示了 AI 在「没有任何 游戏 限制的情况下」已经达到星际争霸Ⅱ人类对战天梯的顶级水平，在 Battle.net 上的排名已超越 99.8％的活跃玩家 。

回顾 AlphaStar 的发展历程，DeepMind 于 2017 年宣布开始研究能进行即时战略 游戏 星际争霸Ⅱ的人工智能——AlphaStar。2018 年 12 月 10 日，AlphaStar 击败 DeepMind 公司里的最强玩家 Dani Yogatama；12 月 12 日，AlphaStar 已经可以 5:0 击败职业玩家 TLO 了（TLO 是虫族玩家，据 游戏 解说们认为，其在 游戏 中的表现大概能有 5000 分水平）；又过了一个星期，12 月 19 日，AlphaStar 同样以 5:0 的比分击败了职业玩家 MaNa。至此，AlphaStar 又往前走了一步，达到了主流电子竞技 游戏 顶级水准。

根据《Nature》论文描述，DeepMind 使用通用机器学习技术（包括神经网络、借助于强化学习的自我博弈、多智能体学习和模仿学习）直接从 游戏 数据中学习。AlphaStar 的 游戏 方式令人印象深刻——这个系统非常擅长评估自身的战略地位，并且准确地知道什么时候接近对手、什么时候远离。此外，论文的中心思想是将 游戏 环境中虚构的自我博弈扩展到一组智能体，即「联盟」。

联盟这一概念的核心思想是：仅仅只是为了赢是不够的。相反，实验需要主要的智能体能够打赢所有玩家，而「压榨（exploiter）」智能体的主要目的是帮助核心智能体暴露问题，从而变得更加强大。这不需要这些智能体去提高它们的胜率。通过使用这样的训练方法，整个智能体联盟在一个端到端的、完全自动化的体系中学到了星际争霸Ⅱ中所有的复杂策略。

2019 年在 AI 领域的各个方向上都出现了很多技术突破。新的一年，我们期待更多进展。

此外，机器之心于 2019 年 9 月底推出了自己的新产品 SOTA 模型，读者可以根据自己的需要寻找机器学习对应领域和任务下的 SOTA 论文，平台会提供论文、模型、数据集和 benchmark 的相关信息。

AI能为中国电竞圈带来什么？

在现场，AI电竞战队SUPEX接受了路人玩家、大神的重重考验，最终99.8%的挑战者都以失败告终。在1V1模式中，参战的504位玩家，只有国服第一后裔挑战成功。值得一提的是，在《王者荣耀》最高规格电竞赛事——世界冠军杯团战中，五位电竞职业选手组成的赛区联队同样被腾讯《王者荣耀》AI绝悟击败。由此看来，AI确实有能力在电竞圈摧枯拉朽。不过在游戏、电竞圈大出风头的同时，AI到底能带来什么呢？

AI来了！游戏、电竞圈在变天

此前的游戏、电竞圈，往往都是让人热血沸腾的人类玩家对决。基于技术、心态等多个维度的不同，比赛的结果往往难以预测，并呈现跌宕起伏的态势。但在AI杀入游戏、电竞圈后，其以“无情”、“冷酷”、“缜密”等特性，迅速成为另类的参赛选手。

比如在《Dote2》电竞圈中，AI在中路单挑中战胜老将Dendi、天才少年Arteezy、世界第一中单Sumail等人，证明了自身的统治力。虽然在后来的团战中，人工智能OpenAI输给了人类战队，但依然留下了很多精彩镜头。

此外，DeepMind的AI——AlphaStar在《星际争霸2》中创造了10:1的极佳成绩。这个AI“自学成才”，经历从与 TLO 对战时的菜鸟级别，进化到完美操作的过程，已经初步显示出能够超越人类极限的能力。

在电竞圈想摧枯拉朽的AI，到底能带来什么？(

或许在游戏、电竞圈中，相比人类最顶尖的水平，AI的优势就在于能够持续进化，进而不断带来各种惊喜。据说此前OpenA每天的集训量，等于人类玩180年的游戏时间。在《王者荣耀》赛事中大放异彩的腾讯绝悟，一天的训练强度甚至相当于人类440年。这样的进化速度，让AI的优势越来越大。

随着AI的频频亮相，游戏、电竞圈其实已经在“变天”。如果有朝一日AI再难逢对手，那么其或许也就到了“退役”的时刻——毕竟没人想看稳赢不熟的电竞赛事。

崭露头角后，AI将带来更多可能

为何AI现在要积极杀入游戏、电竞圈？从此前“阿尔法狗”通过碾压围棋圈高手引发的轰动来看，相关企业是想要借势游戏、电竞圈的热度，来让业界和大众对其保持较高的关注度。进而在“炫肌肉”的同时，企业也能够提升自身形象。

从长远来看，企业选择将游戏、电竞圈当作AI的“练兵场”，也有着自己的考虑。这是因为游戏、电竞圈的形势瞬息万变，能够给AI的进化带来“最佳试验田”。通过信息不完全、高复杂度的游戏进程，可训练AI做出快速且有效的决策。

比如在《王者荣耀》中，10位参与者要在策略规划、英雄选择、技能应用、路径探索及团队协作上面临大量、不间断、即时的选择，这带来极为复杂的局面，预计有高达1020000种操作可能性。假设AI能面临颇为复杂的虚拟环境，依然能够感知、分析、理解、推理、决策并行动，那么就有望在形势更为多变的真实环境中展现出自身的强大能力。

在电竞圈想摧枯拉朽的AI，到底能带来什么？(图3)

据了解，电竞是腾讯AI绝悟短期内的主要应用场景。而在长期应用上，绝悟将是腾讯攻克通用人工智能的关键一步。最终，在医疗、制造、无人驾驶、农业到智慧城市管理等领域扮演更为重要的角色。此外，DeepMind也携手Waymo，借鉴《星际争霸》的AI训练自动驾驶，使AI培训更加高效和自动化。

这样看来，在游戏、电竞圈崭露头角后，AI将会带来更多可能性。其触角可能会延伸至更多领域，将自身的技术底蕴发挥得淋漓尽致。

快速落地？AI还要继续夯实自身

不过必须要注意的是，在游戏、电竞圈摧枯拉朽，并不意味着相关AI技术就能快速落地。毕竟虚拟的游戏场景和真实的生活场景，完全是两码事。蒙特利尔大学深度学习先驱约书亚·本吉奥此前就曾表示，“在真正完美的环境模型和学习环境之间存在着巨大的差异，尤其是当这个现实足够复杂的时候。”

人工智能大师怎么样

人工智能大师好。

根据查询相关资料可知，人工智能大师是由OpenAI研发，算法和技术是经过严格测试的，保证了其质量和准确性，提供了专业的技术支持，是可以完善满足用户聊天需求的智能AI软件，实时语言互动，功能完善。

人工智能大师聊天服务软件中，可以一键发送兴趣、生活等各方面的话题，得到AI对话机器人的消息回复。