登录 注册

按字母顺序浏览 A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

热门关键字: 螺纹钢 铁矿石 电炉 炼钢 合金钢 转炉 结构钢
钢铁百科 - 钢之家

AlphaGo(阿尔法围棋)发表评论(0)编辑词条

  阿尔法围棋(AlphaGo)是一款围棋人工智能程序,由谷歌(Google)旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发,这个程序利用“价值网络”去计算局面,用“策略网络”去选择下子。2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾;2016年3月对战世界围棋冠军、职业九段选手李世石,并以4:1的总比分获胜
  2016年3月31日来自中国的围棋人工智能团队已经向本月初在韩国首尔进行的人机大战中击败李世石九段的谷歌人工智能机器人AlphaGo围棋发起挑战
  

中文名阿尔法围棋开发商Google
外文名AlphaGo设计者大卫·席尔瓦,黄士杰等
段    位围棋职业九段
目录

[显示全部]

发展方向编辑本段回目录

  谷歌Deepmind首席执行官(CEO)德米斯·哈萨比斯宣布“要将AlphaGo和医疗、机器人等进行结合”。因为它是人工智能,会自己学习,只要给它资料就可以移植。
  程序原理
  阿尔法围棋(AlphaGo)是一款围棋人工智能程序。
  主要包括4个部分:
  1.走棋网络(PolicyNetwork),给定当前局面,预测/采样下一步的走棋。
  2.快速走子(Fastrollout),目标和1一样,但在适当牺牲走棋质量的条件下,速度要比1快1000倍。
  3.估值网络(ValueNetwork),给定当前局面,估计是白胜还是黑胜。
  4.蒙特卡罗树搜索(MonteCarloTreeSearch,MCTS),把以上这三个部分连起来,形成一个完整的系统。

深度学习编辑本段回目录

  阿尔法围棋(AlphaGo)的主要工作原理是“深度学习”。“深度学习”是指多
  层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入,通过非线性激活方法取权重,再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样,通过合适的矩阵数量,多层组织链接一起,形成神经网络“大脑”进行精准复杂的处理,就像人们识别物体标注图片一样。

(图)AlphaGo(阿尔法围棋)AlphaGo(阿尔法围棋)


  两个大脑
  阿尔法围棋(AlphaGo)是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始,去处理围棋棋盘的定位,就像图片分类器网络处理图片一样。经过过滤,13个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。
  这些网络通过反复训练来检查结果,再去校对调整参数,去让下次执行更好。这个处理器有大量的随机性元素,所以人们是不可能精确知道网络是如何“思考”的,但更多的训练后能让它进化到更好。

(图)AlphaGo(阿尔法围棋)AlphaGo(阿尔法围棋)


  第一大脑:落子选择器(MovePicker)
  阿尔法围棋(AlphaGo)的第一个神经网络大脑是“监督学习的策略网络(PolicyNetwork)”,观察棋盘布局企图找到最佳的下一步。事实上,它预测每一个合法下一步的最佳概率,那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。
  第二大脑:棋局评估器(PositionEvaluator)
  阿尔法围棋(AlphaGo)的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步,它预测每一个棋手赢棋的可能,再给定棋子位置情况下。这“局面评估器”就是“价值网络(ValueNetwork)”,通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的,但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”,AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行,那么AI就跳过阅读在这一条线上的任何更多落子。

主要成绩编辑本段回目录


  研究者让“阿尔法围棋”和其他的围棋人工智能机器人进行了较量,在总计495局中只输了一局,胜率是99.8%。它甚至尝试了让4子对阵CrazyStone、Zen和Pachi三个先进的人工智能机器人,胜率分别是77%、86%和99%。

(图)AlphaGo(阿尔法围棋)AlphaGo(阿尔法围棋)


  对战樊麾
  据国际顶尖期刊《自然》封面文章报道,谷歌研究者开发的名为“阿尔
  法围棋”(AlphaGo)的人工智能机器人,在没有任何让子的情况下,以5:0完胜欧洲围棋冠军、职业二段选手樊麾。在围棋人工智能领域,实现了一次史无前例的突破。计算机程序能在不让子的情况下,在完整的围棋竞技中击败专业选手,这是第一次。
  对战李世石
  阿尔法围棋程序的下一个挑战对象是世界围棋冠军李世石。这场人工智能与人类的博弈于2016年3月9日在首尔举行,奖金是由Google提供的100万美金。[4-7]
  2016年3月15日,“人机大战”最后一场对弈中,“AlphaGo”在一度不利的情况下于收官阶段中盘战胜李世石,总比分被定格为1:4,五番棋最终以“AlphaGo”胜出而告终[10-11]。[3]
  医疗领域
  谷歌Deepmind首席执行官(CEO)德米斯·哈萨比斯宣布“要将AlphaGo和医疗、机器人等进行结合”。
  据韩国《朝鲜日报》3月17日报道,为实现该计划,哈萨比斯今年初在英国的初创公司“巴比伦”投资了2500万美元。巴比伦正在开发医生或患者说出症状后,在互联网上搜索医疗信息、寻找诊断和处方的人工智能APP(应用程序)。如果AlphaGo和巴比伦结合,诊断的准确度将得到划时代性提高。
  巴比伦以年底实现商业化为目标,在英国艾赛克斯的两家医院进行示范服务。谷歌在最近几年间,还收购了15家机器人初创公司。如果将AlphaGo搭载于机器人身上,就能制造出观察人类感情的家庭用机器人。
  脸书CEO马克·扎克伯格今年初宣布:“今年的目标是制造像电影《钢铁侠》中的贾维斯一样帮助我工作的简单人工智能。”这是去年脸书收购拥有声音识别技术的初创公司Wit.ai时所预见的事情。拥有声音识别秘书“Siri”的苹果公司,去年起接连收购了拥有表情识别技术的初创公司“Emotient”、拥有可识别不准确声音技术的初创公司“VocalIQ”等。想将其和Siri结合,制造出更为完美的人工智能秘书。
  微软(MS)2014年收购了瑞典游戏企业Mojang。微软正在通过Mojang的《Minecraft》游戏训练人工智能。《Minecraft》是执行建设、登山、料理等各种任务的游戏。让人工智能在进入日常之前,通过游戏进行事前学习。[3]
  星际对战
  2016年3月27日,暴雪娱乐制作总监TimMorten在WCS中国站决赛上表示,AlphaGo确认将挑战《星际争霸2》,但谷歌目前正在和暴雪沟通,具体细节还没有确定。
  主要设计者
  大卫·席尔瓦(DavidSilver),剑桥大学计算机科学学士,硕士,加拿大阿尔伯塔大学计算机科学博士。现为伦敦大学学院讲师及GoogleDeepMind研究员。
  黄士杰(AjaHuang),台湾交通大学计算机科学学士,台湾师范大学计算机科学硕士和博士,加拿大阿尔伯塔大学计算机科学博士后。现为GoogleDeepMind研究员。

(图)AlphaGo(阿尔法围棋)AlphaGo(阿尔法围棋)

相关评论编辑本段回目录


  人工智能是社会发展和自然科学发展的必然。历史的车轮无法阻止,关键是怎么适应。有人觉得人类智慧的堡垒被打破,但是其实从另一方面说这也给围棋的推广发展和在文化挖掘的方面提供了一个很好的契机。(世界冠军、名将常昊九段评)
  人机大战对于人工智能的发展意义很有限。解决了围棋问题,并不代表类似技术可以解决其他问题,自然语言理解、图像理解、推理、决策等问题依然存在,人工智能的进步被夸大了。(复旦大学计算机科学技术学院教授、博士生导师危辉评)

其他编辑本段回目录

  据游戏媒体报道,日前,暴雪娱乐制作总监TimMorten在WCS中国站决赛上表示,AlphaGo确认将挑战《星际争霸2》,但谷歌目前正在和暴雪沟通,具体细节已经确定,可能会参与在线游戏。


 

与“人工智能,机器人”相关的词条

→如果您认为本词条还有待完善,请 编辑词条

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

标签: 人工智能 机器人

收藏到: Favorites  

同义词: 暂无同义词

关于本词条的评论 (共0条)发表评论>>

您希望联系哪位客服?(单击选择)