2017年说明文阅读(一).pptVIP

④就下棋而言，一种直观的思路就是列举所有能赢的方案，然后优选出一个最佳方案。一般来说，下一盘围棋大约需要150步，每一步有250种可选的方法，要是人工智能采用这种思路，需要计算大约10360种情况。这样看来，在有时限要求的比赛中，列举所有情况的思路是不可行的，所以，研究者们选择了模仿人类大师的下棋方式，这就是“深度学习”。其原理是通过两种不同的深度神经网络——“策略网络”和“价值网络”合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围内。其中，“策略网络”负责减少搜索的宽度。面对眼前的一盘棋，人工智能机器人会观察棋盘布局并试图找到最佳的下一步，相当于“落子选择器”。而“价值网络”则负责减少搜索的深度。人工智能机器人会评估棋局的整体局面并预测双方 胜负，相当于“棋局评估器”，在局面处于明显劣势的时候，会直接抛弃某些线路，从而辅助落子选择器。在“两个大脑”的配合下，“阿尔法围棋”具有了像人类棋手那样的思维方式。同时，研究者通过“监督学习”让机器人掌握海量的专业棋局；通过“强化学习”让机器人从每次对弈中获得新的经验。而且，一个人或许一年能玩1000局，但机器人一天就能玩100万局；人类在长时间比赛时会犯错，但机器不会。所以，从理论上说，“阿尔法围棋”只要经过足够的训练，就能击败所有人类选手。 ⑤如果你认为智能软件就是陪你下棋的娱乐工具，那你就错了。