close
這一增強版的學習系統讓AlphaGo變得更像人類，而不是靠驚人計算能力戰勝國際象棋大師的IBM深藍電腦。
李世石對戰AlphaGo
鳳凰科技訊 北京時間3月10日消息，據科技網站TheVerge報道，隨著人工智能技術的進步，各種棋類高手一一被電腦斬落馬下，圍棋是人類碩果僅存的驕傲，但在昨天的一場世紀之戰中，谷歌旗下的AlphaGo電腦卻成功擊敗韓國九段棋手李世石，引起瞭全世界的關註。李世石也在賽後表示： 我非常吃驚，沒想到真的會輸，AlphaGo的實力居然如此強悍。 隻是下盤棋而已，為什麼AlphaGo的勝利如此引人註目呢？想要真正理解該問題，就要先瞭解圍棋的特性和DeepMind團隊如何去破解圍棋中的各個難點。
以下為文章全文：
昨天DeepMind的AlphaGo戰勝傳奇圍棋選手李世石的消息成瞭全世界各傢媒體的頭條，同時，這也是人工智能（AI）歷史上最重要的時刻之一。 我非常吃驚， 李世石說道。 我沒想到會輸，AlphaGo的實力居然如此強悍。
不過就是下個棋而已，為什麼AlphaGo的勝利如此引人關註呢？想要真正理解該問題，就要先瞭解圍棋的特性和DeepMind團隊如台中市抽化糞池何去破解圍棋中的各個難點。
圍棋發源於中國，是一項擁有3000年歷史的古老遊戲。它非常抽象，所有的戰鬥都發生在19 x 19的格子棋盤上，棋手通過落子圍住對手的棋子來獲勝。雖然規則不多，但變化多端的棋路讓其變得非常深奧，因為任何細微的變化都有可能引起戰局的突變。
韓國圍棋協會高級秘書長
英國圍棋聯盟裁判托比表示： 圍棋是世界上最為復雜的智力遊戲，它簡單的規則加深瞭棋局的復雜性。 托比還引用瞭20世紀傳奇圍棋選手愛德華 拉斯克（Edward Lasker）的話，後者表示： 國際象棋中有許多巴洛克式規則（意為華而不實），它們都一般家庭抽肥是人們故意添加的，而圍棋則不同，它的規則是如此優雅自然，有著嚴格的邏輯，如果宇宙中還有其他智慧生物，我想他們也會愛上圍棋。
正是因為圍棋超凡的復雜性，想要成為傳奇選手，你需要經過多年的訓練。棋手需要磨練自己的直覺並學習識破各種棋路。 剛剛上手時，你會覺得圍棋的規則簡單易懂，但在長期的練習中你會發現這項運動深不可測， 韓國圍棋協會高級秘書長Lee Ha-jin說道。 即使你已經在圍棋界浸淫幾十年，你依然會發現自己還有許多東西可學，圍棋棋藝是沒有天花板的。
五歲時Lee Ha-jin就表現出極強的圍棋天賦，因此她的父母將她送去首爾的私立圍棋學校學習，她跟老師同吃同住，平日上學，晚上回來後還要練習幾小時的圍棋。經過11年的訓練，她最終成為瞭一名職業棋手。
小小棋盤中蘊藏著無數奧秘
我采訪過的每個圍棋選手對這項運動的評價都如出一轍：圍棋的魅力就在於簡單規則後無數的變化。這些復雜社區公寓大廈抽肥的變化正是電腦難以捉摸並真正掌握的地方，畢竟機器沒有人的直覺。
國際象棋和西洋棋與圍棋不同，它們不需要選手對棋局做復雜的形勢評估， 喬納森 謝弗(Jonathan Schaeffer)說道，他是加拿大阿爾伯塔大學的計算機科學傢，此前他的Chinook程序曾戰勝過頂級的西洋棋選手。 在國際象棋和西洋棋中，隻需簡單的啟發，你就知道下一步該怎麼走，衡量各個棋子的價值是選手最重要的任務 如果在國際象棋中多一個車的棋子，那你已經基本勝券在握瞭。但這些方式在圍棋中都行不通，從人類的角度來看，圍棋的棋路過於復雜，電腦很難學會。不過AlphaGo做到瞭，它擁有世界上首個有效的評估函數系統。
那麼DeepMind是如何做到的呢？其實解決這個問題的關鍵是深度學習和類神經網絡技術，有瞭它們，研究人員就能教AlphaGo下棋。就像Google Photos能幫你從無數圖片中找出貓咪一樣，其背後是該應用對超大量級的貓咪圖片做分析後的結果，這些分析處理甚至細化到瞭像素級別。而AlphaGo能有如此成績，則得益於對數百萬項圍棋數據的學習，包括各種棋路和棋手的比賽。
眼下，AlphaGo還在不斷學習，其能力也在不斷增強。起初，它還是靠學習套路（策略網絡）來預測對手的落子方式，不過隨著價值網絡訓練的深入，AlphaGo已經有瞭那麼點 直覺 ，它可以分析出比賽的態勢瞭。在棋局中，AlphaGo已經可以通過快速對各種可能性做分析，提前考慮後面幾步的落子和排兵佈陣瞭。其實AlphaGo擁有的各項技術都是相互輔助的，類神經網絡可以降低電腦的負載，提高工作效率；套路學習則可以減小其搜索范圍，而價值網絡則可讓它從每次的比賽中總結出自己的經驗。
AlphaGo擁有自己的 思考 能力
這一增強版的學習系統讓AlphaGo變得更像人類，而不是靠驚人計算能力戰勝國際象棋大師的IBM深藍電腦，畢竟圍棋和國際象棋在復雜程度上不屬於一個量級，用深藍電腦的方法是無法在圍棋上戰勝人類的。在五場比賽的間歇，DeepMind都不會對AlphaGo做調整，因此電腦隻能靠自己來學習，但每天一場比賽的量確實有些少。此外，DeepMind公司創始人傑米斯 哈薩比斯（Demis Hassabis）稱AlphaGo的計算能力在去年十月的比賽後一直都沒有得到增強，因此現在它的能力已經達到現有硬件條件下的頂峰。
不過深藍電腦的開發人員認為AlphaGo在國際象棋上並不一定是世界最強。 我相信DeepMind可以開發出戰勝所有國際象棋大師的程序， IBM研發工程師坎貝爾說道（他認為AlphaGo是一個令人印象深刻的程序）。 不過我不認為AlphaGo可以在所有棋類比賽中站上世界之巔。為什麼這麼說呢？因為國際象棋在搜索能力的要求上與圍棋有著本質上的不同，而該能力是電腦戰勝國際象棋大師最為關鍵的一環。雖說圍棋上電腦也需要深度搜索來輔助，但圍棋更重視直覺和對棋局形勢的判斷與預估，而在國際象棋比賽中，搜索能力就是唯一，這正是AlphaGo最為缺乏的。
不過DeepMind公司可不這麼想，它們認為在AlphaGo上取得的經驗可以在多個領域中得到應用。哈薩比斯曾講述過深藍電腦上的AI與AlphaGo的不同，他認為後者更加靈活，適應性也更強，而深藍電腦的應用范圍則較窄。未來，DeepMind的人工智能技術將用在機器人，智能手機語音助手和醫療保健等領域。
AlphaGo有可能改變圍棋運動未來的走向
其實無論隨後四場比賽結果如何，AlphaGo都已經創造瞭歷史。上周在接受采訪時李世石曾表示： 圍棋很有可能在此次比賽中走下神壇，此前我們一直將該運動視為驕傲，因為它是唯一未被電腦戰勝的棋類運動，如果這一紀錄作古，確實會讓人有些失望。
不過AlphaGo的勝利也會從另一個角度推動該項運動的發展。圍棋協會成員都對AlphaGo的能力感到十分震驚，他們認為AlphaGo有時落子的方式有些一反常規，如果自己這樣下棋，肯定會被老師罵的。
我們當然非常震驚， 圍棋選手傑克遜表示。 業內一直有所謂正統的落子套路，AlphaGo這樣不按套路出牌能給我們帶來什麼啟示呢？難道它要引發業界大地震？難道我們此前辛苦訓練學會的那些技能都是錯誤的嗎？ （編譯/呂佳輝）
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
