前世今生，带你了解AlphaGo的发展历程 _机器人

阿尔法围棋(AlphaGo)是由英国伦敦谷歌(Google)旗下的DeepMind公司的大卫银、艾佳黄、戴维斯小姐和他们的团队开发的围棋人工智能程序， “价值网络”
阿尔法go的主要设计师：
大卫席尔瓦(DavidSilver) ，剑桥大学计算机科学学士，硕士，加拿大艾伯塔大学计算机科学博士。现在是伦敦大学研究生院的讲师和谷歌深度mind研究员。

文章插图
黄士杰(AJA) ，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与博士，加拿大艾伯塔大学计算机科学博士博士后。我现在是谷歌深度mind研究员。

文章插图
阿尔法围棋(阿尔法go)通过两个不同的神经网络“大脑”的合作来改善国际象棋。这些大脑是多层神经网络，在结构上与谷歌图像搜索引擎识别图像相似。它们从多层启发式二维滤波器开始，处理围棋盘的位置，就像图像分类器网络处理图像一样。经过滤波， 13个完全连接的神经网络层产生它们看到的局面的判断。这些层可以分类和逻辑推理。
这些网络反复训练检查结果，校准和调整参数，使下次运行更好。由于这个处理器有大量的随机因素，人们不能准确地知道网络是如何“思考”的，但通过更多的训练可以进化成更好的东西。

文章插图
第一大脑：落子选择器(MovePicker) ) 。
【前世今生，带你了解AlphaGo的发展历程】阿尔法围棋(阿尔法戈)的第一个神经网络大脑是“监督学习的战略网络(PolicalColectness)” ，它试图观察棋盘的布局以找到最佳的下一步。事实上，每个合法的下一步都在预测最佳概率，所以首先推测的是该概率最高。这可以理解为“落子选择器” 。
第二个大脑：局面评估器(PositionEvaluator) ) 。
阿尔法围棋(阿尔法go)的第二大脑对落子选择器回答另一个问题。不是推测具体的下一步棋，而是预测所有棋手获胜的可能性，如果棋子的位置被给定。这个“棋局评价器”是“价值网络” ，通过整体的棋局判断来辅助落子选择器。这个判断是粗略的，但有助于提高阅读速度。通过对潜在未来局面的“好”和“坏”进行分类，阿尔法go可以决定是否用特殊变种进行深度阅读。如果局面评估器说这个特殊变种不行， AI会跳过这条线上更多的落子。
2015年10月，阿尔法围棋以5:0完胜欧洲围棋冠军专业二段选手樊麿。2016年3月，他将挑战世界围棋冠军、职业九段选手李世石。根据日程安排， 5局将分别在3月9日、10日、12日、13日、15日举行，即使一方先取得3胜也将满5局。最后以4:1结束了这场“战争” 。
2016年3月27日，阿尔法go确认将挑战《星际争霸2》。从2016年12月29日晚开始，被注册为“大师”、标记为韩国9段的“网络棋手”相继“踢馆”游戏城网和野狐网。2016年12月29日晚至2017年1月4日晚，主场与人类顶级高手战绩为60胜0负。在最后一盘之前，大师透露“他”是阿尔法围棋(阿尔法go) 。
2017年5月23日-27日，柯洁与围棋人工智能AlphaGo在“中国乌镇围棋峰会”上对战。3局游戏分别在5月23日、25日、27日进行。
未来，阿尔法go将与医疗、机器人等合作，提供更好的服务。
以上就是关于《前世今生，带你了解AlphaGo的发展历程》的答疑相关内容，希望能够解决大家的疑惑，今天就介绍到这里了，如有更多疑问，请移步至百科答疑。