日报

谷歌人工智能如何击败欧洲围棋冠军?

刊登于 2016-01-30

最新一期《自然》(Nature)杂志公布, Google 旗下 Deepmind 公司研发的人工智能程式 AlphaGo 战胜了欧洲围棋冠军樊麾。google DeepMind
最新一期《自然》(Nature)杂志公布, Google 旗下 Deepmind 公司研发的人工智能程式 AlphaGo 战胜了欧洲围棋冠军樊麾。

最新一期《自然》(Nature)杂志公布了去年10月在伦敦举行的一场闭门围棋对奕战果,其中三届欧洲围棋冠军、职业二段棋手樊麾在5局比赛中全数告负,惨败予对手。在棋局上逼得欧洲冠军左支右绌、最终5局皆败的并不是真人,而是 Google 旗下 Deepmind 公司研发的人工智能程式 AlphaGo

这几盘棋呢,可以说我自己发挥不佳,但不能说不是我的真实水平,下得不好。主要是在某些方面觉得被它(指其对手、人工智能程式 AlphaGo)彻底克制住了,尤其心理负担很重,总感觉下到最后一读秒就会打勺子,这就导致我的棋下的很急。

樊麾

这也是电脑程式首次在不让子的情况下击败专业围棋选手,被视为人工智能发展的一大突破。战胜樊麾后,AlphaGo 将于3月再度征战,对手将是世界冠军得主、南韩九段棋士李世石。

职业围棋段位共分九级,由最低一段至最高的九段。外界纷纷寄望李世石能抵挡人工智能的攻掠,捍卫人类脑袋的最后阵地。李世石本人也充满信心,认为人工智能虽然厉害,但自己将能获得最后胜利。

人工智能厉害得让人吃惊,不过我有信心取胜。

将于3月对战 AlphaGo 的南韩围棋九段高手李世石

《自然》杂志刊登的文章解释,AlphaGo 在蒙地卡罗树搜索中同时采用2个深度神经网络,分别是选择下子的策略神经网络(Policy Network)及评估选点的价值神经网络(Value Network);前者负责计算每步棋的走法,后者则负责“想像”、推算可能出现的局面,让AlphaGo能高度模拟人脑在下围棋时凭直觉快速锁定策略的思维逻辑。

此外,工程师们为 Alpha 上载了围棋高手们超过 3000 万步的棋步,并让价值神经网络进行了高达2000万次自我对局的训练,最终才让 AlphaGo 走上比赛桌。

AlphaGo 这次除了战胜欧洲围棋冠军樊麾,也间接“击败”了 Facebook 旗下的人工智能研发团队。1月27日,Facebook 创办人朱克柏格(Mark Zuckerberg)宣称,过去从未有人工智能可以战胜专业围棋选手,但去年 Facebook 人工智能团队开始研发对弈程式,在半年内将下子速度缩短到每步0.1秒,程式“愈来愈接近”能够战胜专业围棋选手。没想到一天后,《自然》杂志就刊登了由 Google 开发的 AlphaGo 于去年10月击败樊麾的战果。

但有分析认为,这或许不是朱克柏格“轻敌”,而是 AlphaGo 取得突破的速度确实惊人。此前,一些人工智能领域的专家称,可能需要再过十多年才会出现能战胜专业围棋选手的人工智能。

这是由于围棋虽然规则简单,但标准棋盘有多达361个交叉点,每步棋的走法大概有200种,棋局组合高达10的171次方,比宇宙原子数量还要多,要开发一套能准确运算幻变棋局的人工智能程式相当困难。因此,有人认为此次 AlphaGo 战胜樊麾,相比于1997年战胜国际象棋世界冠军卡斯帕罗夫(Garry Kasparov)的超级电脑“深蓝”(Deep Blue)而言,又是一次重大的突破。

DeepMind 创办人 Demis Hassabis 表示,AlphaGo 拥有高度的自学能力,目前仍在不断自学中;另一方面,AlphaGo 程式的研发目标并不限于围棋比赛,未来也希望它能应用于建立气候电脑模型、进行疫情分析等。

1/495
据DeepMind 创办人 Demis Hassabis 称,AlphaGo 曾与其他种类的围棋人工智能程式对奕,在495局比赛中仅尝一次失败。

声音

说实话,我昨天看到这个消息的时候是不信的,虽然我现在还是不能理解电脑是怎么去学习的,但是事实摆在眼前,这5盘棋电脑下的让我惊叹,我认为水平已经迈入了职业的门槛。虽然和顶尖棋手还差的很远,但按照这个进步速度,3月份的对局,我想李世石也不会赢的太轻松。

围棋世界冠军、中国棋院等级分第二位、九段棋手时越

Google的围棋AI已经具有职业水准,从棋谱初步判断是顶尖棋手让先-让先倒贴目的水平,离战胜人类还有一小段距离。但这是三个月前的棋谱... 以Google机器学习堆数据的速速,今年三月对决李世石相当值得期待。

中国全国围棋冠军、七段棋手李喆

人工智能

人工智能是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通电脑实现的智能。该词同时也指研究这样的智能系统是否能够实现,以及如何实现的科学领域。人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题,其中之一是,如何使用各种不同的工具完成特定的应用程式。AI的核心问题包括推理,知识,规划,学习,交流,感知,移动和操作物体的能力等。强人工智能目前仍然是该领域的长远目标。目前比较流行的方法包括统计方法,计算智能和传统意义的AI。目前有大量的工具应用了人工智能,其中包括搜寻和数学最佳化,逻辑,基于概率论和经济学的方法等。(资料来自维基百科)

来源:卫报Quartznow新闻

本刊载内容版权为端传媒或相关单位所有,未经端传媒编辑部授权,请勿转载或复制,否则即为侵权。