AlphaGo的神奇全靠它,详解人工神经网络!( 二 )


我们可以看到,AlphaGo的评估体系并没有基于太多的围棋知识,通过火析现有的无数场竞赛的棋谱,以及无数次的自我对战练习,AlphaGo的神经网络进行了数以十亿计的渺小调剂,即便每次只是一个很小的增量改良 。这些调剂赞助AlphaGp树立了一个估值体系,这和那些精彩围棋选手的直觉类似,对于棋盘上的每一步棋都了如指掌 。
此外AlphaGo也应用搜索和优化的思想,再加上神经网络的学习功效,这两者有助于找到棋盘上更好的地位 。这也是目前AlphaGo能够高程度施展的原因 。
3神经网络的延长和限制回顶部
【AlphaGo的神奇全靠它,详解人工神经网络!】神经网络的延长和限制
神经网络的这种才能也可以被用在其他方面,比如让神经网络学习一种艺术作风,然后再将这种作风运用到其他图像上 。这种想法很简略:首先让神经网络接触到大批的图像,然后来确认这些图像的作风,接着将新的图像带入这种作风 。

AlphaGo的神奇全靠它,详解人工神经网络!

文章插图
这虽然不是巨大的艺术,但它仍然是一个明显的应用神经网络来捕捉直觉并且运用在其他处所的例子 。
在过去的几年中,神经网络在许多范畴被用来捕捉直觉和模式辨认 。许多项目应用神经这些网络,涉及的义务如辨认艺术作风或好的视频游戏的发展战略 。但也有非常不同的网络模仿的直觉惊人的例子,比如语音和自然语言 。
由于这种多样性,我看到AlphaGo本身不是一个革命性的突破,而是作为一个极其主要的发展前沿:树立体系,可以捕捉的直觉和学会辨认模式的才能 。此前盘算机科学家们已经做了几十年,没有取得长足的进展 。但现在,神经网络的胜利已经大大扩展,我们可以应用电脑攻击规模内的潜在问题 。
事实上,目前现有的神经网络的懂得才能是非常差的 。神经网络很容易被愚弄 。用神经网络辨认图像是一个不错的手腕 。但是试验证明,通过对图像进行细微的修改,就可以愚弄图像 。例如,下面的图像左边的图是原始图,研讨人员对中间的图像进行了渺小的调剂后,神经网络就无法区分了,就将原图显示了出来 。
AlphaGo的神奇全靠它,详解人工神经网络!

文章插图
另一个限制是,现有的体系往往须要许多模型来学习 。例如,AlphaGo从150000场对战来学习 。这是一个很宏大额度数字!很多情形下,显然无法供给如此宏大的模型案例 。


推荐阅读