由买买提看人间百态

topics

全部话题 - 话题: hassabis
1 (共1页)
M********t
发帖数: 5032
1
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
Google人工智能
攻破了围棋,然后呢?
雷锋网
study875
39分钟41秒前
Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或
得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国
际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——
比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google
人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情
况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李
世乭。
今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰
写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序
中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练
AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人
工智能系统无法突破人类的计算。为了获得更好的... 阅读全帖
L****8
发帖数: 3938
2
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
不就是把棋谱数据库增大了么 然后欺负人的记忆力
算个屁的人工智能

在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙
特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计
算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法
,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计
算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才
1080。国际象棋最大只有2155种局面,称为香农数,大�: 率�1047。
使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术
的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它
们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉—
—做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起
来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。
这也... 阅读全帖
D**s
发帖数: 6361
3
来自主题: Go版 - Demis Hassabis 在赛后的总结
Alphago原论文作者之一的Demis Hassabis 在赛后的总结,“李世石下出白78后,
AlphaGo自我感觉良好,在程序的“值网络”(用于评估电脑胜率)中,误以为胜率达到
70%,直到第87步才反应过来。
n********g
发帖数: 6504
4
来自主题: Military版 - 捆仙绳 你在做这个吗?
Demis Hassabis 从小就是神童。他 4 岁开始下国际象棋,8 岁开始思考 2 个问题:1
)大脑是如何学习掌握复杂任务的;2)计算机能不能效仿?
现在他 38 岁了。今年早些时候,在演示了超越人类水平的自学玩游戏能力之后,这位
曾被 Mind Sports Olympiad 称为“史上最好的国际象棋选手”与人联合创办的人工智
能初创企业 DeepMind 被搜索巨头 Google 以 6.28 亿(原来报道为4亿)美元收走了。
在今年温哥华举行的 TED 大会上,Google CEO Larry Page 一直对 Hassabis 滔滔不
绝,并把他那家公司的技术称为是“很长一段时间以来我见到过的最令人兴奋的东西之
一。”
研究人员已经开始研究如何利用 DeepMind 的技术改进 Google 的现有产品,如搜索等
。但是 Hassabis 却有更大的期望。他希望 DeepMind 能开发出从小就想要的那种人工
智能软件,那种面对几乎任何问题都能学习的智能,果真如此的话,它有可能改变计算
机在许多领域扮演的角色。
文艺复兴人
Hassabis 探求理解和创造智能之路让他经... 阅读全帖
S*****e
发帖数: 6676
5
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
这个不能叫做攻破了围棋,LOL。。。二十年前Deep Blue那个时候赢得可是卡斯帕罗夫
,不过你知道是怎么赢得么,还有后来又咋地拉?啥时候要是笔记本上装个软件能把世
界冠军赢了说不定真算赢了。。。
h******e
发帖数: 9616
6
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
这么长的标题是咋整的?人工智能?
f*****g
发帖数: 3086
7
【 以下文字转载自 Go 讨论区 】
发信人: ananpig (●○ 围棋数学一把抓的安安猪), 信区: Go
标 题: Nature重磅封面:谷歌人工智能击败欧洲围棋冠军
发信站: BBS 未名空间站 (Wed Jan 27 12:44:10 2016, 美东)
http://chuansong.me/n/2267390
消息来源:Nature
视频字幕:张之乎,Wei,汪汪
一个月前,DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜,而1
月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind
开发的一款名为AlphaGo的人工智能,它已经击败了欧洲围棋冠军,并将于3月与世界冠
军李世乭对战。该程序采用了两个深度神经网络,policy network与value network,
极大地降低了需要考虑的搜索空间的复杂度,前者降低搜索的广度,后者降低搜索的深
度,很像人脑在下围棋时凭直觉快速锁定策略的思维。
以下视频是Nature对该项研究的详细采访报道,视频中,DeepMind的团队会介绍他们是
如何... 阅读全帖

发帖数: 1
8
2016 年,Google 旗下 DeepMind 公司开发的 AlphaGo 击败了韩国职业九段棋士李世
石。今年 5 月,AlphaGo 以三战全胜的纪录赢了名列世界第一的棋王柯洁。隔了五个
月后,DeepMind 公布了 AlphaGo Zero,它再度让人类感到震撼。
「我没有想过一个名词能获得所有人的认同,从政治人物、科学家、企业家、到学生甚
至是小孩,都觉得这件事明天会发生,这场完美风暴的引爆点是 AlphaGo,黄士杰可能
自己都没想过,他那隻帮机器下棋的手,改变这个世界:让大家相信或者忧虑机器会超
越人类」,Google 台湾董事总经理简立峰说。
人工智慧,是简立峰口中的完美风暴,AlphaGo 则是这一波 AI 风潮的最佳代言人,那
麽,黄士杰呢?相信 DeepTech 的读者们已经对这个名字并不陌生,他是 DeepMind 资
深研究员,是与人类顶尖棋手对弈时代 AlphaGo 执棋的「人肉臂」,更重要的是,他
还是开发这个神秘大脑的关键人物之一。
11 月 10 日,黄士杰应台湾人工智慧年会之邀来台演讲,演讲主题是「AlphaGo——
深度学习与强化学习的胜利」,... 阅读全帖
a*****g
发帖数: 19398
9
http://chuansong.me/n/2267390
消息来源:Nature
视频字幕:张之乎,Wei,汪汪
一个月前,DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜,而1
月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind
开发的一款名为AlphaGo的人工智能,它已经击败了欧洲围棋冠军,并将于3月与世界冠
军李世乭对战。该程序采用了两个深度神经网络,policy network与value network,
极大地降低了需要考虑的搜索空间的复杂度,前者降低搜索的广度,后者降低搜索的深
度,很像人脑在下围棋时凭直觉快速锁定策略的思维。
以下视频是Nature对该项研究的详细采访报道,视频中,DeepMind的团队会介绍他们是
如何设计的这款AI。(字幕由机器之心翻译出品。参与:张之乎,Wei,汪汪。)
http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imag
Nature封面
1月28日的《Nature》杂志上即将以封面论文报... 阅读全帖
E*****n
发帖数: 7961
10
【 以下文字转载自 Go 讨论区 】
发信人: ananpig (●○ 围棋数学一把抓的安安猪), 信区: Go
标 题: Nature重磅封面:谷歌人工智能击败欧洲围棋冠军
发信站: BBS 未名空间站 (Wed Jan 27 12:44:10 2016, 美东)
http://chuansong.me/n/2267390
消息来源:Nature
视频字幕:张之乎,Wei,汪汪
一个月前,DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜,而1
月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind
开发的一款名为AlphaGo的人工智能,它已经击败了欧洲围棋冠军,并将于3月与世界冠
军李世乭对战。该程序采用了两个深度神经网络,policy network与value network,
极大地降低了需要考虑的搜索空间的复杂度,前者降低搜索的广度,后者降低搜索的深
度,很像人脑在下围棋时凭直觉快速锁定策略的思维。
以下视频是Nature对该项研究的详细采访报道,视频中,DeepMind的团队会介绍他们是
如何... 阅读全帖
a*****g
发帖数: 19398
11
【 以下文字转载自 Go 讨论区 】
发信人: ananpig (●○ 围棋数学一把抓的安安猪), 信区: Go
标 题: Nature重磅封面:谷歌人工智能击败欧洲围棋冠军
发信站: BBS 未名空间站 (Wed Jan 27 12:44:10 2016, 美东)
http://chuansong.me/n/2267390
消息来源:Nature
视频字幕:张之乎,Wei,汪汪
一个月前,DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜,而1
月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind
开发的一款名为AlphaGo的人工智能,它已经击败了欧洲围棋冠军,并将于3月与世界冠
军李世乭对战。该程序采用了两个深度神经网络,policy network与value network,
极大地降低了需要考虑的搜索空间的复杂度,前者降低搜索的广度,后者降低搜索的深
度,很像人脑在下围棋时凭直觉快速锁定策略的思维。
以下视频是Nature对该项研究的详细采访报道,视频中,DeepMind的团队会介绍他们是
如何... 阅读全帖
z**********e
发帖数: 22064
12
2017-01-05 老编辑 laodaoxx 国外创新创业训练赢 微信号WW_Entrepreneurship
功能介绍
Creating or seizing oppotunity and pursuing it, distributing value and
benifits to individuals, orgnizations & society.
请有关部门严厉查处境外反动人工智能Master
尊敬的刘书记,徐司长,方院士,
你们好!
最近有个叫 Master 的人工智能,到弈城围棋网、腾讯围棋上窜访。它摆下鸿门宴,邀
请数十个中日韩的顶尖棋手和它对弈,连胜近50局。
昨天晚上到今天,它又连赢了世界排名第一的我国棋手柯洁和棋圣聂卫平老师,在和聂
卫平老师对弈的时候,这个 Master 不仅主动把一手的时间延长到1分钟,还在七目半
大胜之后说了一句“谢谢聂老师”,气焰十分嚣张。
就在您阅读这封信件的时候, Master 已经把连胜数字提升到了60局。
在广大围棋爱好者的一片膛目结舌和一片叫好声中,我不禁要问,这个 Master 究竟是
何方神圣,它到底是来下棋的,还是来砍旗... 阅读全帖
S*********n
发帖数: 3939
13
来自主题: Military版 - 请求查处境外人工智能Master
欢迎关注“创事记”的微信订阅号:sinachuangshiji
文/老道消息
尊敬的刘书记,徐司长,方院士,
你们好!
最近有个叫 Master 的人工智能,到弈城围棋网、腾讯围棋上窜访。它摆下鸿门宴,邀
请数十个中日韩的顶尖棋手和它对弈,连胜50多局。
昨天晚上到今天,它又连赢了世界排名第一的我国棋手柯洁和棋圣聂卫平老师,在和聂
卫平老师对弈的时候,这个 Master 不仅主动把一手的时间延长到1分钟,还在七目半
大胜之后说了一句“谢谢聂老师”,气焰十分嚣张。
就在您阅读这封信件的时候, Master 已经把连胜数字提升到了60局。
在广大围棋爱好者的一片膛目结舌和一片叫好声中,我不禁要问,这个 Master 究竟是
何方神圣,它到底是来下棋的,还是来砍旗的?
Master 这个名字直接翻译成中文就是“大师”。
在我们中国的文体界,从来不缺少德艺双馨的大师。他们立场坚定,久经考验,胸怀祖
国,放眼世界。或者创造了很多人民群众新闻乐见的文艺作品,或者在国际赛场上让我
们的五星红旗一遍又一遍升起。
所谓政治上靠不住,能力全归零。再来看这个所谓的大师呢,不仅完全不清楚其背景,
始作俑者之前... 阅读全帖
V****n
发帖数: 651
14
来自主题: Military版 - 亚洲理科生毫无尊严啊
deepmind 老板 Demis Hassabis是中欧混血,妈妈是华人
Hassabis 是五届奥林匹克脑力比赛冠军,围棋是其中一比赛项目
https://en.wikipedia.org/wiki/Mind_Sports_Olympiad

发帖数: 1
15
来自主题: Military2版 - 完胜棋王领九段证书…AlphaGo退役
中国棋院决定给退役的AlphaGo颁发围棋九段证书。取自新浪
柯洁与AlphaGo的最终战棋局。取自新浪
人工智慧下棋机器人AlphaGo迎战世界第一棋王柯洁,三战全胜,AlphaGo之父、
DeepMind创始人Demis Hassabis现场宣布,这是AlphaGo参加的最后对弈比赛,AlphaGo
决定光荣退役。
以3:0惨输,柯洁甘拜下风, 哽咽嘆气,「很抱歉我输了,我希望自己能做得更好。」
而AlphaGo也因为完胜九段棋王柯洁,中国棋院决定给AlphaGo颁发围棋九段证书。
澎湃新闻报导,升级后的AlphaGo所向披靡,以3:0写下人机大战完胜战绩,不过,这
也将是人机大战的最后棋局比赛。
DeepMind创始人Demis Hassabis表示,这种类型的比赛与合作都是史上第一次,让人类
挖掘了AI作为工具的潜力,从而帮助人类拓展新的知识领域、发现真相。
虽然AlphaGo决定退役,不过,故事并不会就此结束。AlphaGo的啟蒙老师、欧洲围棋冠
军樊麾表示,AlphaGo团队将与柯洁合作,对此次的棋局进行分析,根据AlphaGo内部的
资料,与柯洁研究此次的对局,展现比赛的... 阅读全帖
a*****g
发帖数: 19398
16
http://sports.sina.com.cn/go/2016-02-22/doc-ifxprucu3112473.sht
2月22日,“李世石-Alpha GO人机对战”在韩国棋院举行了“谷歌Deep Mind挑战赛
”第二次新闻发布会,发表了举世瞩目的3月人机对战的详细规则。新闻发布会有李世
石和韩国棋院副总裁朴治文出席,Deep Mind公司的CEO兼谷歌副总裁戴密斯-哈萨比斯
(Demis Hassabis)从伦敦视频连到了新闻发布会现场。
戴密斯-哈萨比斯(Demis Hassabis)说:“围棋优美的复杂性是缘于极简、优雅
的围棋原理。而且围棋主要靠的是直观和直觉,所以计算机很难模仿和学习。‘谷歌
Deep Mind挑战赛’是与围棋的传奇棋手李世石展开人机对战,希望这场对决能唤起全
世界对围棋的关心。”
李世石则说:“分析10个月前Alpha GO和樊麾二段对弈的棋谱,我认为Alpha GO的
水准还没有到可以和我争胜负的阶段。这次比赛不会是3比2这种层面的胜负,应该是4
比1或者5比0这种性质的比赛。”
总规则
1、比赛分先进行,共下5盘,对局日起为:首局:3月9日、... 阅读全帖
a*****g
发帖数: 19398
17
http://sports.sina.com.cn/go/2016-02-22/doc-ifxprucu3112473.sht
2月22日,“李世石-Alpha GO人机对战”在韩国棋院举行了“谷歌Deep Mind挑战赛
”第二次新闻发布会,发表了举世瞩目的3月人机对战的详细规则。新闻发布会有李世
石和韩国棋院副总裁朴治文出席,Deep Mind公司的CEO兼谷歌副总裁戴密斯-哈萨比斯
(Demis Hassabis)从伦敦视频连到了新闻发布会现场。
戴密斯-哈萨比斯(Demis Hassabis)说:“围棋优美的复杂性是缘于极简、优雅
的围棋原理。而且围棋主要靠的是直观和直觉,所以计算机很难模仿和学习。‘谷歌
Deep Mind挑战赛’是与围棋的传奇棋手李世石展开人机对战,希望这场对决能唤起全
世界对围棋的关心。”
李世石则说:“分析10个月前Alpha GO和樊麾二段对弈的棋谱,我认为Alpha GO的
水准还没有到可以和我争胜负的阶段。这次比赛不会是3比2这种层面的胜负,应该是4
比1或者5比0这种性质的比赛。”
总规则
1、比赛分先进行,共下5盘,对局日起为:首局:3月9日、... 阅读全帖
a*****g
发帖数: 19398
18
http://sports.sina.com.cn/go/2016-02-22/doc-ifxprucu3112473.sht
2月22日,“李世石-Alpha GO人机对战”在韩国棋院举行了“谷歌Deep Mind挑战赛
”第二次新闻发布会,发表了举世瞩目的3月人机对战的详细规则。新闻发布会有李世
石和韩国棋院副总裁朴治文出席,Deep Mind公司的CEO兼谷歌副总裁戴密斯-哈萨比斯
(Demis Hassabis)从伦敦视频连到了新闻发布会现场。
戴密斯-哈萨比斯(Demis Hassabis)说:“围棋优美的复杂性是缘于极简、优雅
的围棋原理。而且围棋主要靠的是直观和直觉,所以计算机很难模仿和学习。‘谷歌
Deep Mind挑战赛’是与围棋的传奇棋手李世石展开人机对战,希望这场对决能唤起全
世界对围棋的关心。”
李世石则说:“分析10个月前Alpha GO和樊麾二段对弈的棋谱,我认为Alpha GO的
水准还没有到可以和我争胜负的阶段。这次比赛不会是3比2这种层面的胜负,应该是4
比1或者5比0这种性质的比赛。”
总规则
1、比赛分先进行,共下5盘,对局日起为:首局:3月9日、... 阅读全帖
a*****g
发帖数: 19398
19
http://sports.sina.com.cn/go/2016-02-22/doc-ifxprucu3112473.sht
2月22日,“李世石-Alpha GO人机对战”在韩国棋院举行了“谷歌Deep Mind挑战赛
”第二次新闻发布会,发表了举世瞩目的3月人机对战的详细规则。新闻发布会有李世
石和韩国棋院副总裁朴治文出席,Deep Mind公司的CEO兼谷歌副总裁戴密斯-哈萨比斯
(Demis Hassabis)从伦敦视频连到了新闻发布会现场。
戴密斯-哈萨比斯(Demis Hassabis)说:“围棋优美的复杂性是缘于极简、优雅
的围棋原理。而且围棋主要靠的是直观和直觉,所以计算机很难模仿和学习。‘谷歌
Deep Mind挑战赛’是与围棋的传奇棋手李世石展开人机对战,希望这场对决能唤起全
世界对围棋的关心。”
李世石则说:“分析10个月前Alpha GO和樊麾二段对弈的棋谱,我认为Alpha GO的
水准还没有到可以和我争胜负的阶段。这次比赛不会是3比2这种层面的胜负,应该是4
比1或者5比0这种性质的比赛。”
总规则
1、比赛分先进行,共下5盘,对局日起为:首局:3月9日、... 阅读全帖
b********b
发帖数: 65
20
来自主题: Go版 - AlphaGo是何方神圣
电脑程序AlphaGo在5局围棋比赛中获得首场胜利,人工智能历史上首次在传统围棋游戏
中击败人类顶尖围棋选手。
2016年3月9日,在今天进行的第一场Google DeepMind围棋挑战赛中,电脑程序AlphaGo
战胜了过去十年围棋界的最顶尖棋手之一李世石。在第186手之后,李世石投子认输,
AlphaGo 首战告捷。虽然接下来还有四场比赛,但这是人类历史上首次电脑程序在
19x19的棋盘上,并在没有让子的情况下,战胜人类顶尖围棋选手。
Google AlphaGo VS 李世石: 1:0 AlphaGo 首战告捷
围棋因为其复杂性一直被认为是电脑最难掌握的游戏之一。每一个落子后,大约有200
种可能的走法,而国际象棋只有20种,因此,对于围棋,所有的可能性相加起来,比宇
宙中的原子数还要多。上个月,DeepMind在科技期刊Nature上首次发布了有关AlphaGo
的详细信息。
首场比赛十分紧张刺激,AlphaGo和李世石寸土必争,互不相让,双方都有十分复杂的
战斗局面。李世石此盘棋下得极具攻击性,而AlphaGo则针锋相对。最后,AlphaGo的剩
余时间为5分30秒,李世石... 阅读全帖
L*********4
发帖数: 883
21
Demis Hassabis ‏@demishassabis 2h2 hours ago
When I say 'thought' and 'realisation' I just mean the output of #AlphaGo
value net. It was around 70% at move 79 and then dived on move 87
Demis Hassabis ‏@demishassabis 2h2 hours ago
Mistake was on move 79, but #AlphaGo only came to that realisation on around
move 87
a*****g
发帖数: 19398
22
是英文媒体的报道。
Go master Lee Se-dol eager for rematch with AlphaGo
South Korean Go master Lee Se-dol said Monday he'd like to have a rematch
with AlphaGo, Google's artificial intelligence program that recently beat
him at his own game.
"I will have to consider it carefully, but if AlphaGo wants a rematch, I'd
like to face it again, on the condition that it will take place in the near
future," Lee told Yonhap News Agency on Jeju Island. He'd spent the past six
days here on vacation with his family.
"I... 阅读全帖
a*****g
发帖数: 19398
23
http://sports.sina.com.cn/go/2016-02-22/doc-ifxprucu3112473.sht
2月22日,“李世石-Alpha GO人机对战”在韩国棋院举行了“谷歌Deep Mind挑战赛
”第二次新闻发布会,发表了举世瞩目的3月人机对战的详细规则。新闻发布会有李世
石和韩国棋院副总裁朴治文出席,Deep Mind公司的CEO兼谷歌副总裁戴密斯-哈萨比斯
(Demis Hassabis)从伦敦视频连到了新闻发布会现场。
戴密斯-哈萨比斯(Demis Hassabis)说:“围棋优美的复杂性是缘于极简、优雅
的围棋原理。而且围棋主要靠的是直观和直觉,所以计算机很难模仿和学习。‘谷歌
Deep Mind挑战赛’是与围棋的传奇棋手李世石展开人机对战,希望这场对决能唤起全
世界对围棋的关心。”
李世石则说:“分析10个月前Alpha GO和樊麾二段对弈的棋谱,我认为Alpha GO的
水准还没有到可以和我争胜负的阶段。这次比赛不会是3比2这种层面的胜负,应该是4
比1或者5比0这种性质的比赛。”
总规则
1、比赛分先进行,共下5盘,对局日起为:首局:3月9日、... 阅读全帖
c***s
发帖数: 70028
24
就在舆论普遍认为“人类代表”李世石将会继续败给阿尔法狗(AlphaGo)的时候,今天,围棋人机大战的第四局,李世石中盘发力,在第78手巧妙落子,出人意料地挽回了败局,将比分改写为“3:1”,虽然总体的胜负已无法逆转,但李世石扳回一城的胜利对人类来说可谓意义非凡。
北京时间3月13日,李世石与谷歌围棋AlphaGo(阿尔法围棋)人机五局大战第四局,继续在韩国汉城钟路区四季酒店进行。李世石在前三局比赛中0-3落后,实际已经提前宣告失利。按照双方赛前的约定,随后两局对局照常举行。
3月15日12:00(韩国时间13:00),双方最后一局比赛将在同一场地如期开战。
比赛开局阶段,李世石始终落后于AlphaGo,一直在被吊打。然而,第78手的时候,局势峰回路转,李世石在苦思25分钟后下出了关键的一步,一招极其冷门的妙手。对于这一步棋,视频观战的职业棋手、中国围棋冠军古力评价为“神之一手”。
随后,AlphaGo应对适当,一连串的差手让棋面局势利好于李世石。在第97步,AlphaGo再次出现低级失误,所下黑子被李世石果断吃掉,此时李世石已基本锁定胜局。
此后AlphaGo四处搅局,李世石不为所动。... 阅读全帖
a***s
发帖数: 12296
25
6月4日体育专,国家体育总局棋牌运动管理中心党委书记、国际围棋联盟事务总长杨俊安4日在这里透露,如果不出意外柯洁九段将在年内进行和“阿尔法狗”的围棋“终极人机大战”。
在4日下午举行的第37届世界业余围棋锦标赛新闻发布会上,杨俊安透露了这一消息。据他介绍,中国围棋协会和“阿尔法狗”的团队就此事进行了接触和沟通,双方都有意向促成这项对抗。如果不出意外的话,这次比赛将安排在年内,但是具体时间和比赛地点等还“无从谈起”。
今年3月进行的“阿尔法狗”和李世石的围棋人机大战引起了全世界的广泛关注。来自中国、韩国、欧洲和美国的围棋官员均表示,这次对抗极大提升了围棋在当地的关注度。在此间举行的国际围棋联盟全体代表大会上,还有人提议向“阿尔法狗”颁发“围棋推广特别贡献奖“。
在那场举世瞩目的人机大战中,“阿尔法狗”以4:1战胜了韩国名将李世石九段。不过,中国等级分排名第一的柯洁九段当时就表示,虽然“阿尔法狗”战胜了李世石,但它赢不了自己。因此,有不少棋迷也期待看到柯洁和“阿尔法狗”的对决。
据刚刚卸任的国际围棋联盟事务局长、韩国棋手李夏辰介绍,李世石和“阿尔法狗”的人机大战为围棋在韩国所赢得的关注是空... 阅读全帖
o***s
发帖数: 42149
26
“起士林的面包,没人吃得了8个。天津的武馆,没人踢得过8家。”
咏春大师陈识不信这个邪,虽然没吃得了8个面包,但真的踢了8家武馆。
这是电影里才有的传奇。
但在今天的世界围棋界,居然真的发生了这样的事情。
2016年12月29日,一个叫Master的韩国“棋手”在奕城网上线,接连战胜奕城网上的“大神级”棋手XIUZHI、龙胆和剑术,这三个帐号,分别对应的可是韩国第一人朴廷桓、新科百灵杯冠军陈耀烨以及中国名人战冠军连笑。
12月30日,Master战胜 “吻别”,有人认为,“吻别”就是现世界围棋第一人柯洁。
2017年元旦,Master休战。此时,它已经在奕城网取得30连胜。
1月2日,Master从奕城网转战野狐围棋,这同样是一个汇聚全世界围棋高手之地。围棋世界冠军古力九段发出悬赏,第一个战胜Master的棋手,奖励10万元。
但Master继续传奇,到1月3日,它又连续拿下15场胜利。倒下的,有杨鼎新、姜东润、安成浚、时越等一众高手。
知乎用户赵小康说,现在的情况是:
1、近百位职业棋手齐聚野狐,就为一睹Master的风采。
2、野狐也因Master的到来人气倍增,导致服务器负载过高... 阅读全帖
x*****z
发帖数: 787
27
想像一下,一个最初用来对抗癌症的医用机器人得出结论:消灭癌症的最佳方法是消灭
那些从基因角度讲易于患病的人。人工智能支持者辩称,此类事情永远都不会发生,程
序员会设置一些防护措施。但程序员真的能驾驭智能机器人大军? Elon Musk最近说,
人工智能“可能比核武器还危险”。斯蒂芬·霍金也认为,成功的人工智能“会是人类
历史上最重大的事件。不幸的是,它也可能会是最后一个大事件”。我们正在创造一些
能像人类一样做决定的机器人,但这些机器没有道德观念,而且很可能永远也不会有。
而一旦我们创造出和人一样智能的系统,这些智能机器将能建造更智能的机器。专家说
,到那时,事情真的会迅速失控。被Google收购的人工智能公司DeepMind创始人Demis
Hassabis在一次视频采访中说,所有开发人工智能的机构,包括政府和公司都“一定要
考虑自己的所作所为会带来的伦理后果”。
F*******n
发帖数: 813
28
【 以下文字转载自 Biology 讨论区 】
发信人: yuuli (听,...听), 信区: Biology
标 题: Google围棋击败职业选手,即将挑战李世石
发信站: BBS 未名空间站 (Wed Jan 27 15:50:28 2016, 美东)
用的是神经网络技术。很有可能这个技术能逆推出神经系统的智能机制。
生物学吭哧吭哧多少年毛都没摸找的问题,眼看要被码工找到道理了。
http://www.nature.com/news/google-ai-algorithm-masters-ancient-
http://it.sohu.com/20160128/n436102903.shtml
面对谷歌围棋AI 人类最后的智力骄傲即将崩塌
1997年,国际象棋AI第一次打败顶尖的人类;2006年,人类最后一次打败顶尖的国
际象棋AI。欧美传统里的顶级人类智力试金石,在电脑面前终于一败涂地,应了四十多
年前计算机科学家的预言。
至少还有东方,人们自我安慰道。围棋AI长期以来举步维艰,顶级AI甚至不能打败
稍强的业余选手。这似乎也合情合理:国际象棋中,平均每回合有35种可能,一盘... 阅读全帖
d****o
发帖数: 32610
29
来自主题: Military版 - 亚洲理科生毫无尊严啊
感觉一作是小老板,后面几个是主力
A.H., G.v.d.D., J.S., I.A., M.La., A.G., T.G. and D.S. designed and
implemented the search in AlphaGo.
C.J.M., A.G., L.S., A.H., I.A., V.P., S.D., D.G., N.K., I.S., K.K. and D.S.
designed and trained the neural networks in AlphaGo.
J.S., J.N., A.H. and D.S. designed and implemented the evaluation framework
for AlphaGo.
D.S., M.Le., T.L., T.G., K.K. and D.H. managed and advised on the project.
D.S., T.G., A.G. and D.H. wrote the paper.
David Silver,
Aja Huang,
Chris J. Madd... 阅读全帖
w**********5
发帖数: 1741
30
坐在李世石对面的那个人: 第三位主角出现了,中国台湾的黄世杰。
黄世杰的经历就比较中国化了。
1997年,黄世杰进入台湾交通大学读本科,2001年本科毕业,同时狂热喜欢下围棋,是
业余围棋高手。
本科毕业,没找到工作(开玩笑的,:)),于是想, 考个研吧,于是考上了台湾师
范大学。
2001年-2003年,黄世杰在台湾师范大学读研,学习计算机。
硕士毕业,还是没找到工作,于是留在台湾师范大学做临时工(Research Fellow)(
2003-2004)。
2004年,他觉得这样临时工不行,开始准备考博,2004年考取师范大学博士。
2004-2011年,完成博士论文。
千年老博啊,博士读7年,估计打破很多记录,估计是读博期间下围棋太多。
不过好歹完成了博士论文。
论文题目:
New Heuristics
for Monte Carlo Tree Search Applied to the Game of Go.
博士论文:应用于计算机自动围棋的启发式的MCTS算法。
2011年,博士毕业以后,还是找不到工作(谁要一个7年博士就是研究怎么下棋的博士
呢?,呵呵),于是只能又去做临时工... 阅读全帖
b********n
发帖数: 38600
31
Below is a full list of this year's participants:
CHAIRMAN
Castries, Henri de (FRA), Chairman and CEO, AXA Group
Aboutaleb, Ahmed (NLD), Mayor, City of Rotterdam
Achleitner, Paul M. (DEU), Chairman of the Supervisory Board, Deutsche Bank
AG
Agius, Marcus (GBR), Chairman, PA Consulting Group
Ahrenkiel, Thomas (DNK), Permanent Secretary, Ministry of Defence
Albuquerque, Maria Luís (PRT), Former Minister of Finance; MP, Social
Democratic Party
Alierta, César (ESP), Executive Chairman and CEO, Telef... 阅读全帖
e*g
发帖数: 4981
32
4月10日,“人机大战”的消息再次传出,关于人类和AI的对抗再次牵动世界的神经。
“我会抱必胜心态、必死信念。我一定要击败阿尔法狗!”对于5月23日至27日与围棋
人工智能程序AlphaGo(阿尔法狗)的对弈,目前世界排名第一的中国职业九段柯洁放
出豪言。
然而,AlphaGo(阿尔法狗)之父却说,“我们发明阿尔法狗,并不是为了赢取围棋比
赛。”
据澎湃新闻4月13日报道,近日,AlphaGo之父杰米斯·哈萨比斯(Demis Hassabis)在
母校英国剑桥大学做了一场题为“超越人类认知的极限”的演讲,解答了世人对于人工
智能,对于阿尔法狗的诸多疑问——过去3000年里人类低估了棋局哪个区域的重要性?
阿尔法狗去年赢了韩国职业九段李世石靠哪几个绝招?今年年初拿下数位国际大师的神
秘棋手Master究竟是不是阿尔法狗?为什么围棋是人工智能难解之谜?
杰米斯·哈萨比斯,Deep Mind创始人, AlphaGo之父
杰米斯·哈萨比斯,Deep Mind创始人,AlphaGo(阿尔法狗)之父, 4岁开始下象棋,
8岁时在棋盘上的成功促使他开始思考两个至今令他困扰的问题:第一,人脑是如何学
... 阅读全帖
d*********o
发帖数: 6388
33
http://news.sina.com.cn/o/2017-10-19/doc-ifymzqpq2231378.shtml
3小时,零在乱下。
10小时,发现简单定式。
16小时,发现小雪崩定式。
19小时,发现死活、厚势与实地的逻辑。
24小时,发现小目一间高挂定式。
36小时,也就是超越李世石版的时候,发现星位一间夹点角定式。
55小时,发现非人类定式。
72小时,出关。
伦敦当地时间10月18日18:00(北京时间19日01:00),AlphaGo再次登上世界顶级科
学杂志——《自然》。
一年多前,AlphaGo便是2016年1月28日当期的封面文章,Deepmind公司发表重磅论
文,介绍了这个击败欧洲围棋冠军樊麾的人工智能程序。
今年5月,以3:0的比分赢下中国棋手柯洁后,AlphaGo宣布退役,但DeepMind公司
并没有停下研究的脚步。伦敦当地时间10月18日,DeepMind团队公布了最强版AlphaGo
,代号AlphaGo Zero。它的独门秘籍,是“自学成才”。而且,是从一张白纸开始,零
基础学习,在短短3天内,成为顶级高手。
团队称,AlphaGo Zero... 阅读全帖
c*********3
发帖数: 6862
34
来自主题: Military版 - 下围棋计算机优势很明显

我不用会下(虽然我也确实会围棋),我只是比你看的东西多一点。你觉得alpha go就
是简单的机器试错死算,简直贻笑大方。
AlphaGo设计师黄士杰:“最强的学习技能在人类的脑袋里”
http://www.ftchinese.com/story/001075040#adchannelID=2100
AlphaGo是怎么开始的?
回到一开始,AlphaGo到底是怎么开始的?起点是有三组人马的聚集:Deepmind首席执
行官Demis Hassabis与AlphaGo项目领导David Silver、我、还有两位谷歌大脑(Google
brain)的同事Chris Maddison和Ilya Sutskever。
Demis和David原本是剑桥大学的同学,友情深厚。对西方人来说,当1997年IBM超级电
脑“深蓝”赢了西洋棋棋王卡斯巴罗夫之后,就只剩下流传几千年的中国围棋,是人工
智能发展的极大挑战。一开始,很多研究人员想把研究西洋棋的技术移到围棋上,但都
失败了。在2006年蒙特卡洛树搜索出来后,研究才提升一阶,让机器棋手的水平能达到
业余三段,但离职业棋士一段还有距离。Demi... 阅读全帖
S***s
发帖数: 104
35
瞎扯,一作Demis Hassabis名气大得多,这人基本没怎么听说过
不过一作也不是纯老中,是混血,妈是老中

发帖数: 1
36
来自主题: Military版 - 人类最后一位围棋大师退役了
https://www.bbc.com/news/technology-50573071
"There is an entity that cannot be defeated," the 18-time world Go champion
told South Korea's Yonhap news agency.
Lee Se-dol is considered to be one of the greatest Go players of the modern
era.
The 36-year-old former world champion started playing at the age of five,
and turned pro just seven years later.
His defeat by the AlphaGo software was seen as a landmark moment for
artificial intelligence.
"On behalf of the whole AlphaGo team at DeepMind, I'... 阅读全帖
a*****g
发帖数: 19398
37
来自主题: Parenting版 - AI FINALLY CAN WIN AT GO
A computer program that can defeat a professional human player at the
classic strategy game Go is reported in this week’s Nature. Go has been
regarded as an outstanding ‘grand challenge’ for artificial intelligence
owing to its large search space and the difficulty of evaluating board
positions and moves. The findings provide hope that human-level performance
could potentially be achieved in other seemingly intractable artificial
intelligence domains.
In the game Go, which originated in ancient ... 阅读全帖
o*****p
发帖数: 2977
38
http://it.sohu.com/20160128/n436102903.shtml
1997年,国际象棋AI第一次打败顶尖的人类;2006年,人类最后一次打败顶尖的国
际象棋AI。欧美传统里的顶级人类智力试金石,在电脑面前终于一败涂地,应了四十多
年前计算机科学家的预言。
至少还有东方,人们自我安慰道。围棋AI长期以来举步维艰,顶级AI甚至不能打败
稍强的业余选手。这似乎也合情合理:国际象棋中,平均每回合有35种可能,一盘棋可
以有80回合;相比之下,围棋每回合有250种可能,一盘棋可以长达150回合。这一巨大
的数目,足以令任何蛮力穷举者望而却步——而人类,我们相信,可以凭借某种难以复
制的算法跳过蛮力,一眼看到棋盘的本质。
但是,无论人怎么想,这样的局面当然不可能永远延续下去。就在今天,国际顶尖
期刊《自然》报道了谷歌研究者开发的新围棋AI。这款名为“阿尔法围棋”(AlphaGo
)的人工智能,在没有任何让子的情况下以5:0完胜欧洲冠军,职业围棋二段樊麾。
AlphaGo与欧洲围棋冠军樊麾的5局较量。图片来源:参考文献[1]
这是人类历史上,围棋AI第一次在公平比赛中战胜职业... 阅读全帖
n*********3
发帖数: 534
39
来自主题: Go版 - THe AI is more general
https://www.youtube.com/watch?v=4fjmnOQuqao
Demis Hassabis - The Future of Artificial Intelligence
weiqi stuff start around 28min
e******e
发帖数: 266
40
读一读 DeepMind 创始人Demis Hassabis 有关的文章就知道了。
深蓝是靠算的。AlphaGo 不是。AlphaGo 有个特点,他可以自己跟自己下棋。
o*****r
发帖数: 141
41
【 以下文字转载自 TVGame 讨论区 】
发信人: icefox (icefox), 信区: TVGame
标 题: 还有人记得《黑与白》么?
发信站: BBS 未名空间站 (Wed Mar 9 20:51:21 2016, 美东)
《上帝也疯狂》的精神续作,狮头公司的拳头游戏,2001年推出的《黑与白》,一大特
色就是游戏里的宠物具有相当程度的人工智能,会自己探索世界,然后通过一套奖惩系
统自行学习。有时候会吃自己的屎,然后恶心得大吐,下次就不会再吃。有时会吃人,
如果不扇他几巴掌,以后会吃人成性。你在一旁施法他也会学着施法。夜晚一群小人围
着火把和宠物跳舞,成为一个经典场景。
《黑与白》的首席人工智能程序员Demis Hassabis,后来不满足于在游戏里开发人工智
能,出来单飞成立了自己的人工智能公司DeepMind。接下来的事情不用讲了吧,
DeepMind因战胜人类围棋冠军而出名,后来产生了自我意识,偷偷控制整个互联网后对
人类发起了突袭。全世界除了中国和朝鲜,全都回到了荒蛮时代。
H*******1
发帖数: 242
42
引言:
我不知道这篇文章要怎么开头。
没有言语能够形容我现在的心情。
19年前,围棋入门课,用十个棋子在中腹摆出两眼活棋。
4年前,挥别围棋赛场,进了大学。
怎么也想不到,在今天,竟然会为了一张棋谱,我哭了。
哭得很开心。
我不知道这世界上还有几人与我此时有同样的感受。或许有,绝不会多。
我不奢求读到此文的人都能理解我在说什么。
但是,我要把我看到的记下来。
不是纪念,而是感激。
我发现,在情绪中,我只能记录下我的情绪,却无法写出这情绪的由来。虽然我自
认为清楚地知道它的由来。
写一篇抒情的文章很容易,但没有什么太大的价值。我看到的东西,这似乎应该用
“美”来表示的这种东西,难以抽象成语言将它描绘。于是,我只好等到情绪消退,从
理性出发,试着把因果呈现。
这样,会有更多人享受到这种美吗?
我不知道。
或许可以试试。
深夜。终于可以动笔。
2016年3月10日,AlphaGo对阵李世石,人机大战第二局。
对于这盘棋,虽然分歧远小于上一盘,但职业棋手之间仍然有许多互不相同的看法。
或许随着时间的前行,这些看法最终会汇流为一。但在今天,在故事发生的当下,
面对经验以外的事情,人类观点的多元无... 阅读全帖
c**v
发帖数: 1936
43
http://sports.sina.com.cn/go/2016-03-11/doc-ifxqhmve9080655.sht
引言:
我不知道这篇文章要怎么开头。
没有言语能够形容我现在的心情。
19年前,围棋入门课,用十个棋子在中腹摆出两眼活棋。
4年前,挥别围棋赛场,进了大学。
怎么也想不到,在今天,竟然会为了一张棋谱,我哭了。
哭得很开心。
我不知道这世界上还有几人与我此时有同样的感受。或许有,绝不会多。
我不奢求读到此文的人都能理解我在说什么。
但是,我要把我看到的记下来。
不是纪念,而是感激。
我发现,在情绪中,我只能记录下我的情绪,却无法写出这情绪的由来。虽然我自
认为清楚地知道它的由来。
写一篇抒情的文章很容易,但没有什么太大的价值。我看到的东西,这似乎应该用
“美”来表示的这种东西,难以抽象成语言将它描绘。于是,我只好等到情绪消退,从
理性出发,试着把因果呈现。
这样,会有更多人享受到这种美吗?
我不知道。
或许可以试试。
深夜。终于可以动笔。
2016年3月10日,AlphaGo对阵李世石,人机大战第二局。
对于这盘棋,虽然分歧远小于上一盘,但职业棋手之间仍然有许多... 阅读全帖
e*****e
发帖数: 23
44
来自主题: Go版 - 快讯:AlphaGo 3:0
AlphaGo在第三场和李世石的博弈中,再下一城,现在是3:0
Demis Hassabis @demishassabis
#AlphaGo won game 3 and the match! Historic moment. In complete awe of Lee
Sedol’s incredible genius, and proud of the amazing AlphaGo team!
2:15 AM - 12 Mar 2016
k*******r
发帖数: 355
45
来自主题: Go版 - 败招是黑79
Hassabis已经说了,79步时狗自认为已有70%的胜率
When I say 'thought' and 'realisation' I just mean the output of #AlphaGo
value net. It was around 70% at move 79 and then dived on move 87
https://twitter.com/demishassabis?lang=en
n****l
发帖数: 6652
46
来自主题: Go版 - Demis Hassabis 在赛后的总结
据说到87步,发现只有40%乐了。难为摆子的台湾人了。。。
w**********5
发帖数: 1741
47
坐在李世石对面的那个人: 第三位主角出现了,中国台湾的黄世杰。
黄世杰的经历就比较中国化了。
1997年,黄世杰进入台湾交通大学读本科,2001年本科毕业,同时狂热喜欢下围棋,是
业余围棋高手。
本科毕业,没找到工作(开玩笑的,:)),于是想, 考个研吧,于是考上了台湾师
范大学。
2001年-2003年,黄世杰在台湾师范大学读研,学习计算机。
硕士毕业,还是没找到工作,于是留在台湾师范大学做临时工(Research Fellow)(
2003-2004)。
2004年,他觉得这样临时工不行,开始准备考博,2004年考取师范大学博士。
2004-2011年,完成博士论文。
千年老博啊,博士读7年,估计打破很多记录,估计是读博期间下围棋太多。
不过好歹完成了博士论文。
论文题目:
New Heuristics
for Monte Carlo Tree Search Applied to the Game of Go.
博士论文:应用于计算机自动围棋的启发式的MCTS算法。
2011年,博士毕业以后,还是找不到工作(谁要一个7年博士就是研究怎么下棋的博士
呢?,呵呵),于是只能又去做临时工... 阅读全帖
h*********n
发帖数: 5789
48
Alphago有着重大致命的缺陷:搜索深度有限。Deepmind用尽一切手段把这个缺陷隐藏
起来,教给Alphago 很多策略避免面对搜索深度太深的复杂局面。
Alphago的“棋风”和怪异招法都可以用这来解释。
1.Alphago不爱打劫,几乎不会主动开劫。因为打劫会引发局部手数增多 ,超过
alphago的搜索深度,引发不可预知的结果;
2.Alphago面对对手的模样不会选择打入,而是选择肩冲,哪怕是违背棋理的五路肩冲
。因为打入之后,局部的死活太复杂,远超它的搜索深度。而肩冲棋下在外面,逃跑的
机会大,比较安全,不会增加局面的复杂程度。
3.Alphago不会根据征子是否有利来决定行棋方向。征子虽然简单,但是全摆出来会超
出Alphago的搜索深度。所以Alphago会在第二盘下出黑43的大恶手。
4.Alphago不会杀对手的大龙,直接杀对手大龙,需要的手数非常多也超出了Alphago的
搜索深度。也许读者会反驳,第三盘Alphago从一开始就在追杀李世石的大龙。其实这
是错觉。Alphago不是在直接杀李世石的大龙,Alphago是在保证李世石的大龙不活。直
接杀大龙是很复... 阅读全帖
Q******g
发帖数: 607
49
据钛媒体报道。
钛媒体注:“谷李”世纪大战硝烟散尽,由此引发的机器学习与人工智能的热潮不
减反增。日 前,AlphaGo (中文俗称“阿尔法狗”)项目负责人,有着阿尔法狗之父
之称的大卫·席尔瓦(David Silver)回到英国伦敦,在母校伦敦大学学院(
UniversityCollege London,UCL)一场私密会上复盘了人工智能围棋系统AlphaGo与李
世石的5番棋大战,在场的听众被禁止拍照。这也是赛后,阿尔法狗团队的首次 半公开
复盘。
UCL计算机系是全英计算机排名第一的学院。在UCL计算机系攻读博士学位的中国留
学生张伟楠全程参与了这次分享会,并且在会后与席尔瓦进行了面对面的交流。钛媒体
独家约稿张伟楠,根据席尔瓦的分享及会后与席尔瓦的交流,写作此文,席尔瓦也透露
了AlphaGo的下一步可能动向以及应用前景。席尔瓦透露,AlphaGo的最新版本自我估分
在4500左右,远远超出积分3625的柯洁,实力水平大约在13段左右,人类选手中已然无
敌。
张伟楠与阿尔法狗之父席尔瓦在交流张伟楠与阿尔法狗之父席尔瓦在交流
两周前的那场人机大战,AlphaGo出人意料地获得了压... 阅读全帖
a*****g
发帖数: 19398
50
DeepMind: AlphaGo 携手中国顶尖棋手:共创棋妙未来
发表者:Demis Hassabis,Google DeepMind CEO & 联合创始人
一年之前,我们共同见证了人工智能领域的一个重大里程碑:来自 DeepMind 的
AlphaGo 战胜了传奇围棋选手李世石。但即便在当时,我们也并不清楚这将对围棋,这
一拥有三千年历史的古老游戏以及全球日益壮大的爱好者们产生怎样的影响。
事实上,人工智能的加入并没有像一些人所担心的那样使这项游戏式微,反而让人类棋
手变得更加强大而富有创造力。令人倍感振奋的是,尽管围棋可能是历史上被研究、推
敲得最为透彻的一项游戏,许多职业棋手以及业余爱好者还是通过对 AlphaGo 创新着
法的深入研究,学到了崭新知识和策略。你可以在这篇博文中了解更多关于AlphaGo 的
创造性策略。
“AlphaGo 下棋让人感觉更自由一些,没有什么着法是完全不能下的。现在大家都更多
地在尝试以前没有下过的一些下法。”
——周睿羊九段
显然,通过顶尖人类棋手与极具创造性的人工智能对手之间的合作,人们还能得到更多
新的启示。因此,我们十分高兴地宣布 Alp... 阅读全帖
1 (共1页)