• 正在加载中...
  • alphago”是个多义词,全部含义如下:

    纠错 | 编辑多义词

    alphago[人工智能程序]

    阿尔法围棋(AlphaGo)是一款围棋人工智能程序,由谷歌旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发,这个程序利用“价值网络”去计算局面,用“策略网络”去选择下子。“AlphaGo”程序利用“价值网络”去计算局面,用“策略网络”去选择下子。训练这些深度神经网络的,是对人类专业棋局的监督学习以及让它和自己对弈的增强学习。2016年3月9日-2016年3月15日,谷歌AlphaGo与韩国围棋棋手李世石展开世纪之战,在最后一轮较量中,AlphaGo获得胜利,最终人机大战总比分定格在1:4,AlphaGo因此站获得由韩国棋院颁发的九段棋手荣誉证书。2016年9月Google宣布即将把支持AlphaGo赢得围棋人机大战的深度神经网络应用于Google翻译中,让机器翻译更加通顺流畅,表意清晰,该系统仅应用于中文到英文的语言翻译。2017年1月5日,Alphago击败古力九段。2017年5月27日,中国围棋峰会人机大战,最终,柯洁九段执白209手中盘负围棋人工智能AlphaGo。柯洁以0比3的总比分落败。

    编辑摘要

    基本信息 编辑信息模块

    中文名: 阿尔法围棋 英文名: AlphaGo
    其他外文名: Alpha Go

    目录

    程序原理/alphago[人工智能程序] 编辑

    深度学习

    阿尔法围棋阿尔法围棋
    阿尔法围棋(AlphaGo)是一款围棋人工智能程序。其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入,通过非线性激活方法取权重,再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样,通过合适的矩阵数量,多层组织链接一起,形成神经网络“大脑”进行精准复杂的处理,就像人们识别物体标注图片一样。
    阿尔法围棋用到了很多新技术,如神经网络、深度学习、蒙特卡洛树搜索法等,使其实力有了实质性飞跃。美国脸书公司“黑暗森林”围棋软件的开发者田渊栋在网上发表分析文章说:“‘阿尔法围棋’这个系统主要由几个部分组成:一、走棋网络(Policy Network),给定当前局面,预测/采样下一步的走棋;二、快速走子(Fast rollout),目标和走棋网络一样,但在适当牺牲走棋质量的条件下,速度要比走棋网络快1000倍;三、估值网络(Value Network),给定当前局面,估计是白胜还是黑胜;四、蒙特卡洛树搜索(Monte Carlo Tree Search),把以上这三个部分连起来,形成一个完整的系统。”[1]

    两个大脑

    阿尔法围棋(AlphaGo)是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始,去处理围棋棋盘的定位,就像图片分类器网络处理图片一样。经过过滤,13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。
    这些网络通过反复训练来检查结果,再去校对调整参数,去让下次执行更好。这个处理器有大量的随机性元素,所以人们是不可能精确知道网络是如何“思考”的,但更多的训练后能让它进化到更好。[2]
    第一大脑:落子选择器 (Move Picker)
    阿尔法围棋(AlphaGo)的第一个神经网络大脑是“监督学习的策略网络(Policy Network)” ,观察棋盘布局企图找到最佳的下一步。事实上,它预测每一个合法下一步的最佳概率,那么最前面猜测的就是那个概率最高的。这可以理解成“落子选择器”。
    第二大脑:棋局评估器 (Position Evaluator)
    阿尔法围棋(AlphaGo)的第二个大脑相对于落子选择器是回答另一个问题。不是去猜测具体下一步,它预测每一个棋手赢棋的可能,再给定棋子位置情况下。这“局面评估器”就是“价值网络(Value Network)”,通过整体局面判断来辅助落子选择器。这个判断仅仅是大概的,但对于阅读速度提高很有帮助。通过分类潜在的未来局面的“好”与“坏”,AlphaGo能够决定是否通过特殊变种去深入阅读。如果局面评估器说这个特殊变种不行,那么AI就跳过阅读。[3]

    主要成绩/alphago[人工智能程序] 编辑

    对战机器人

    研究者让“阿尔法围棋”和其他的围棋人工智能机器人进行了较量,在总计495局中只输了一局,胜率是99.8%。它甚至尝试了让4子对阵CrazyStone、Zen和Pachi三个先进的人工智能机器人,胜率分别是77%、86%和99%。
    对战人类
    2016年1月27日,国际顶尖期刊《自然》封面文章报道,谷歌研究者开发的名为“阿尔法围棋”(Alpha Go)的人工智能机器人,在没有任何让子的情况下,以5:0完胜欧洲围棋冠军、职业二段选手樊麾。在围棋人工智能领域,实现了一次史无前例的突破。计算机程序能在不让子的情况下,在完整的围棋竞技中击败专业选手,这是第一次。
    2016年3月9日到15日,阿尔法围棋程序挑战世界围棋冠军李世石的围棋人机大战五番棋在韩国首尔举行。比赛采用中国围棋规则,奖金是由Google提供的100万美元。最终阿尔法围棋以4比1的总比分取得了胜利。
    2016年12月29日晚起到2017年1月4日晚,阿尔法围棋在弈城围棋网和野狐围棋网以“大师”(Master)为注册名,依次对战数十位人类顶尖高手,取得60胜0负的辉煌战绩。
    2017年5月23日,柯洁执黑迎战谷歌AlphaGo,最终柯洁在收官阶段不敌AlphaGo,第一局以失败告终。[4] 赛后,AlphaGo被中国围棋协会授予职业围棋九段称号。[5]

    围棋等级分

    2016年7月18日,世界职业围棋排名网站GoRatings公布最新世界排名,谷歌旗下DeepMind的人工智能系统AlphaGo以3612分,超越3608分的柯洁成为新的世界第一。[6]

    机器遇见机器

    2017年5月26日,AlphaGo配对赛开战。对战双方为古力/AlphaGo组合和连笑/AlphaGo组合。比赛从上午8点半开始,最终古力举牌中盘认输,连笑/AlphaGo逆转形势获得胜利,古力组的AlphaGo曾举牌表示认输。[7]

    设计团队/alphago[人工智能程序] 编辑

    阿尔法围棋阿尔法围棋
    戴密斯·哈萨比斯(Demis Hassabis),人工智能企业家,DeepMindTechnologies公司创始人。4岁开始下国际象棋,8岁自学编程,13岁获得国际象棋大师称号。17岁进入剑桥大学攻读计算机科学专业。在大学里,他开始学习围棋。2005年进入伦敦大学学院攻读神经科学博士,选择大脑中的海马体作为研究对象。两年后,他证明了5位因为海马体受伤而患上健忘症的病人,在畅想未来时也会面临障碍,并凭这项研究入选《科学》杂志的“年度突破奖”。2011年创办DeepMind Technologies公司,以“解决智能”为公司的终极目标。
    大卫·席尔瓦 (David Silver),剑桥大学计算机科学学士、硕士,加拿大阿尔伯塔大学计算机科学博士,伦敦大学学院讲师,Google DeepMind研究员。
    除上述人员之外,阿尔法围棋设计团队核心人员还有黄士杰(Aja Huang)、施恩·莱格(Shane Legg)和穆斯塔法·苏莱曼(Mustafa Suleyman)等。[6]

    发展方向/alphago[人工智能程序] 编辑

    谷歌Deep mind首席执行官(CEO)戴密斯·哈萨比斯宣布“要将阿尔法围棋(AlphaGo)和医疗机器人等进行结合”。因为它是人工智能,会自己学习,只要给它资料就可以移植。
    为实现该计划,哈萨比斯2016年初在英国的初创公司“巴比伦”投资了2500万美元。巴比伦正在开发医生或患者说出症状后,在互联网上搜索医疗信息、寻找诊断和处方的人工智能APP(应用程序)。如果阿尔法围棋(AlphaGo)和“巴比伦”结合,诊断的准确度将得到划时代性提高[8]

    社会评论/alphago[人工智能程序] 编辑

    中国围棋职业九段棋手聂卫平:Master(即阿尔法围棋)技术全面,从来不犯错,这一点是其最大的优势,人类要打败它的话,必须在前半盘领先,然后中盘和官子阶段也不容出错,这样固然很难,但客观上也促进了人类棋手在围棋技术上的提高。
    复旦大学计算机科学技术学院教授、博士生导师危辉:人机大战对于人工智能的发展意义很有限。解决了围棋问题,并不代表类似技术可以解决其他问题,自然语言理解、图像理解、推理、决策等问题依然存在,人工智能的进步被夸大了。[9]

    添加视频 | 添加图册相关影像

    参考资料
    [1]^引用日期:2017-09-20
    [2]^引用日期:2017-09-20
    [3]^引用日期:2017-09-20
    [4]^引用日期:2017-09-20
    [5]^引用日期:2017-09-20
    [6]^引用日期:2017-09-20
    [7]^引用日期:2017-09-20
    [8]^引用日期:2017-09-20
    [9]^引用日期:2017-09-20

    互动百科的词条(含所附图片)系由网友上传,如果涉嫌侵权,请与客服联系,我们将按照法律之相关规定及时进行处理。未经许可,禁止商业网站等复制、抓取本站内容;合理使用者,请注明来源于www.baike.com。

    登录后使用互动百科的服务,将会得到个性化的提示和帮助,还有机会和专业认证智愿者沟通。

    互动百科用户登录注册
    此词条还可添加  信息模块

    WIKI热度

    1. 编辑次数:3次 历史版本
    2. 参与编辑人数:2
    3. 最近更新时间:2017-09-20 15:33:41
    立即申请荣誉共建机构 申请可获得以下专属权利:

    精准流量

    独家入口

    品牌增值

    广告

    贡献光荣榜

    更多