谷歌人工智能破解围棋比赛首胜欧洲冠军.PDF

当前文档由后花园网文自动生成，更多内容请访问 HTTP://WWW.HHYWW.NET 谷歌人工智能破解围棋比赛 首胜欧洲冠军 来源于:安卓网 新浪科技讯 1月28日上午消息，谷歌今日宣布在人工智能领域的重要进展 ：开发出一款能够在围棋中击败职业选手的程序——AlphaGo，该程勋能够通过 机器学习的方式掌握比赛技巧。 人工智能挑战围棋有多难? 计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等 棋类上，计算机都先后完成了对人类的挑战。但对拥有2500多年历史的围棋而 言，计算机在此之前从未战胜过人类。围棋看起来棋盘简单、规则不难，纵横 各19九条等距离、垂直交叉的平行线，共构成19times;19(361)个交叉点。比 赛双方交替落子，目的是在棋盘上占据尽可能大的空间。 在极简主义的游戏表象之下，围棋具有令人难以置信的深度和微妙之处。 当棋盘为空时，先手拥有361个可选方案。在游戏进行当中，它拥有远比国际象 棋更多的选择空间，这也是为什么人工智能、机器学习的研发者们始终希望在 此取得突破的原因。 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。 “机器学习”预测人类行为 传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法 对围棋并不适用。此次谷歌推出的AlphaGo，将高级搜索树与深度神经网络结合 在一起。这些神经网络通过12个处理层传递对棋盘的描述，处理层则包含数百 万个类似于神经的连接点。 其中一个神经网络“决策网络”(policy network)负责选择下一步走法 ，另一个神经网络“值网络”(“value network)则预测比赛胜利方。谷歌方面 用人类围棋高手的三千万步围棋走法训练神经网络，与此同时，AlphaGo也自行 研究新战略，在它的神经网络之间运行了数千局围棋，利用反复试验调整连接 点，这个流程也称为巩固学习(reinforcement learning)。通过广泛使用 Google云平台，完成了大量研究工作。 AlphaGo所使用的神经网络结构示意图 征服围棋对于谷歌来说有重要意义。AlphaGo不仅是遵循人工规则的“专家 ”系统，它还通过“机器学习”自行掌握如何赢得围棋比赛。谷歌方面希望运 用这些技术解决现实社会最严峻、最紧迫的问题——从气候建模到复杂的灾难 分析。 在具体的机器训练上，决策网络的方式是输入人类围棋专家的比赛，到系 统可以预测57%人类行动为止，此前最好成绩是44%。此后AlphaGo通过在神经网 络内部进行比赛的方式(可以简单理解成和自己下棋)，开始学习自主探索新的 围棋策略。目前AlphaGo的决策网络可以击败大多数具有庞大搜寻树的最先进的 围棋程序。 值网络也是通过自己和自己下棋的方式来训练。目前值网络可以评估每一 步棋能够有多大胜算。这在此前被认为是不可能的。 AlphaGo战绩惊人 实际上，目前AlphaGo已经成为最优秀的人工智能围棋程序。在与其他程序 的对弈中，AlphaGo用一台机器就取得了500场的胜利，甚至有过让对手4手后获 胜的纪录。去年10月5日-10月9日，谷歌安排AlphaGo与欧洲围棋冠军Fan Hui(樊麾：法国国家围棋队总教练)闭门比赛，谷歌以5-0取胜。 AlphaGo与欧洲围棋冠军樊麾的5局较量 公开的比赛将在今年三月举行，AlphaGo将在韩国首尔与韩国围棋选手李世 石九段一决高下，李世石是近10年来获得世界第一头衔最多的棋手，谷歌为此 提供了100万美元作为奖金。李世石表示很期待此次对决，并且有信心获得胜利 。