江苏龙网

  1. 主页 > 生活百科 > >

继象棋之后，人机大战为何选中围棋？( 二 )


继象棋之后，人机大战为何选中围棋？

文章插图
为了击败人类 ， 研讨者们拿出了大杀器——这就是人工智能范畴新一代的机器学习（machine learning）情势——深度学习(deep learning)和强化学习（reinforcement learning） 。
深度学习的概念换句话说 ， 就是让盘算机像人脑一样去学习和思考 。和传统的机器学习不同 ， 深度学习是把盘算机科学和人类的神经学联合起来 ， 让盘算机自主学习 。比如 ， 不是由人告知盘算机这是一只猫 ， 然后让它来进行辨认和印证 。而是给盘算机供给大批的图片数据 ， 让它自己学习和剖析 ， 然后自主形成“猫”的概念 ， 就像人类大脑的视觉皮层那样反响 。有了具备深度学习才能的人工智能体系 ， 以后驾车出行时 ， 汽车就能自动提示你周围的路况 ， 还能运用于语音和脸部辨认、医疗诊断等范畴 。
强化学习一词来自于行动心理学 ， 这一理论把行动学习看成是重复实验的进程 ， 从而把动态环境状况映射成相应的动作 。它相似于传统经验中的“吃一堑长一智” ， 强化学习可以做出策略选择 ， 普遍运用于下棋、走迷宫这一类别中 。这种依附于大数据和壮大盘算才能的被称为“深度学习”的无监视或半监视机器学习 ， 使盘算机可以在无需人力参与的情形下 ， 完成本来只有经过高度专业化训练的专业人士能力完成的义务 ， 甚至超过专家 。
另外 ， 为了到达更高的运算才能 ， 谷歌还把Alpha Go接入到了一个有1202个CPU组成的网络中 。这使得这个人工智能体系的盘算才能在本来的基本上增长了24倍 。经过推算 ， Alpha Go的性能大约是深蓝盘算机的2.5万倍左右 。按这个节奏盘算 ， 假如人类一年能玩1000局 ， AI一天就可能玩100万局 。所以Alpha Go只要经过了足够的训练 ， 还是有可能击败人类选手 。究竟 ， 人类在长时光的下棋竞赛后 ， 由于生理和心理限制可能会疲累 ， 进而犯错 ， 但机器不会 。
不过谷歌董事长施密特表现 ， 即使机器真的赢了 ， 人类仍是赢家 。即使AlphaGo机器最终赢了李世石 ， 对于人工智能是否会“碾压”人类 ， 依然存疑 ， 我们不必过于焦虑 ， 人工智能可能还有很长的路要走 。
历史上的人机大战
①深蓝克服卡斯帕罗夫
1997年 ， 美国IBM公司的“深蓝”超级盘算机深蓝以二胜一负三平的战绩克服了当时世界排名第一的国际象棋巨匠卡斯帕罗夫 ， 成为赢家 。
②浪潮天梭挑衅人类象棋巨匠
2006年的浪潮天梭超级盘算机 ， 挑衅人类象棋巨匠一役 ， 在最终的巅峰对决中 ， 许银川与浪潮天梭两战皆和 。浪潮天梭向世人证明了自己超强的运算才能 。
继象棋之后，人机大战为何选中围棋？

文章插图
③全才学霸沃森挑衅人类
2011年 ， “深蓝”的同门师弟“watson”（沃森）在美国老牌智力问答节目《危险边沿》中挑衅两位人类冠军 ， 并获得胜利 。
④Alpha Go以5:0完胜欧洲冠军樊麾
2016年1月 ， 美国谷歌公司旗下的人工智能(AI)开发商“DeepMind”(位于英国)研发的围棋电脑软件“AlphaGo”(阿尔法围棋)打败了职业棋手樊麾 ， 首创全球先河 。
【继象棋之后，人机大战为何选中围棋？】进入21世纪后 ， 科学研讨从大数据、人工智能到虚拟现实 ， 从发明了类地球行星、引力波到无人驾驶、量子盘算 ， 这是一个创新不断、惊喜不断的时期 ， 而我们有幸参与其中 ， 这也许比单纯讨论竞赛胜负更有趣 。


推荐阅读


上一篇：自学围棋的AlphaGo Zero，你也可以造一个

下一篇：tplink路由器登录网址打不开的时候这样办