日報

谷歌人工智能如何擊敗歐洲圍棋冠軍?

刊登於 2016-01-30

最新一期《自然》(Nature)雜誌公布, Google 旗下 Deepmind 公司研發的人工智能程式 AlphaGo 戰勝了歐洲圍棋冠軍樊麾。google DeepMind
最新一期《自然》(Nature)雜誌公布, Google 旗下 Deepmind 公司研發的人工智能程式 AlphaGo 戰勝了歐洲圍棋冠軍樊麾。

最新一期《自然》(Nature)雜誌公布了去年10月在倫敦舉行的一場閉門圍棋對奕戰果,其中三屆歐洲圍棋冠軍、職業二段棋手樊麾在5局比賽中全數告負,慘敗予對手。在棋局上逼得歐洲冠軍左支右絀、最終5局皆敗的並不是真人,而是 Google 旗下 Deepmind 公司研發的人工智能程式 AlphaGo

這幾盤棋呢,可以說我自己發揮不佳,但不能說不是我的真實水平,下得不好。主要是在某些方面覺得被它(指其對手、人工智能程式 AlphaGo)徹底克制住了,尤其心理負擔很重,總感覺下到最後一讀秒就會打勺子,這就導致我的棋下的很急。

樊麾

這也是電腦程式首次在不讓子的情況下擊敗專業圍棋選手,被視為人工智能發展的一大突破。戰勝樊麾後,AlphaGo 將於3月再度征戰,對手將是世界冠軍得主、南韓九段棋士李世石。

職業圍棋段位共分九級,由最低一段至最高的九段。外界紛紛寄望李世石能抵擋人工智能的攻掠,捍衞人類腦袋的最後陣地。李世石本人也充滿信心,認為人工智能雖然厲害,但自己將能獲得最後勝利。

人工智能厲害得讓人吃驚,不過我有信心取勝。

將於3月對戰 AlphaGo 的南韓圍棋九段高手李世石

《自然》雜誌刊登的文章解釋,AlphaGo 在蒙地卡羅樹搜索中同時採用2個深度神經網絡,分別是選擇下子的策略神經網絡(Policy Network)及評估選點的價值神經網絡(Value Network);前者負責計算每步棋的走法,後者則負責「想像」、推算可能出現的局面,讓AlphaGo 能高度模擬人腦在下圍棋時憑直覺快速鎖定策略的思維邏輯。

此外,工程師們為 Alpha 上載了圍棋高手們超過 3000 萬步的棋步,並讓價值神經網絡進行了高達2000萬次自我對局的訓練,最終才讓 AlphaGo 走上比賽桌。

AlphaGo 這次除了戰勝歐洲圍棋冠軍樊麾,也間接「擊敗」了 Facebook 旗下的人工智能研發團隊。1月27日,Facebook 創辦人朱克柏格(Mark Zuckerberg)宣稱,過去從未有人工智能可以戰勝專業圍棋選手,但去年 Facebook 人工智能團隊開始研發對弈程式,在半年內將下子速度縮短到每步0.1秒,程式「愈來愈接近」能夠戰勝專業圍棋選手。沒想到一天後,《自然》雜誌就刊登了由 Google 開發的 AlphaGo於去年10月擊敗樊麾的戰果。

但有分析認為,這或許不是朱克柏格「輕敵」,而是 AlphaGo 取得突破的速度確實驚人。此前,一些人工智能領域的專家稱,可能需要再過十多年才會出現能戰勝專業圍棋選手的人工智能。

這是由於圍棋雖然規則簡單,但標準棋盤有多達361個交叉點,每步棋的走法大概有200種,棋局組合高達10的171次方,比宇宙原子數量還要多,要開發一套能準確運算幻變棋局的人工智能程式相當困難。因此,有人認為此次 AlphaGo 戰勝樊麾,相比於1997年戰勝國際象棋世界冠軍卡斯帕羅夫(Garry Kasparov)的超級電腦「深藍」(Deep Blue)而言,又是一次重大的突破。

DeepMind 創辦人 Demis Hassabis 表示,AlphaGo 擁有高度的自學能力,目前仍在不斷自學中;另一方面,AlphaGo 程式的研發目標並不限於圍棋比賽,未來也希望它能應用於建立氣候電腦模型、進行疫情分析等。

1/495
據DeepMind 創辦人 Demis Hassabis 稱,AlphaGo 曾與其他種類的圍棋人工智能程式對奕,在495局比賽中僅嘗一次失敗。

聲音

說實話,我昨天看到這個消息的時候是不信的,雖然我現在還是不能理解電腦是怎麼去學習的,但是事實擺在眼前,這5盤棋電腦下的讓我驚歎,我認為水平已經邁入了職業的門檻。雖然和頂尖棋手還差的很遠,但按照這個進步速度,3月份的對局,我想李世石也不會贏的太輕鬆。

圍棋世界冠軍、中國棋院等級分第二位、九段棋手時越

Google的圍棋AI已經具有職業水準,從棋譜初步判斷是頂尖棋手讓先-讓先倒貼目的水平,離戰勝人類還有一小段距離。但這是三個月前的棋譜... 以Google機器學習堆數據的速速,今年三月對決李世石相當值得期待。

中國全國圍棋冠軍、七段棋手李喆

人工智能

人工智能是指由人工製造出來的系統所表現出來的智能。通常人工智能是指通過普通電腦實現的智能。該詞同時也指研究這樣的智能系統是否能夠實現,以及如何實現的科學領域。人工智能的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題,其中之一是,如何使用各種不同的工具完成特定的應用程式。AI的核心問題包括推理,知識,規劃,學習,交流,感知,移動和操作物體的能力等。強人工智能目前仍然是該領域的長遠目標。目前比較流行的方法包括統計方法,計算智能和傳統意義的AI。目前有大量的工具應用了人工智能,其中包括搜尋和數學最佳化,邏輯,基於概率論和經濟學的方法等。(資料來自維基百科)

來源:衞報Quartznow新聞

本刊載內容版權為端傳媒或相關單位所有,未經端傳媒編輯部授權,請勿轉載或複製,否則即為侵權。