谷歌围棋程序击败欧洲冠军 人工智能重大飞跃!

人气:1596    发布日期:2016-1-28 15:55:43
 
《自然》杂志27日发文,围棋电脑软件“AlphaGo”(阿尔法围棋)打败了职业棋手。这个软件由谷歌旗下的人工智能(AI)开发商“DeepMind”所研发。机器人闯进了围棋界?
机器人闯进了围棋界?
《自然》杂志27日发文,围棋电脑软件“AlphaGo”(以下称“阿尔法围棋”)打败了职业棋手,震撼了国际棋坛。这个软件由谷歌旗下的人工智能(AI)开发商“DeepMind”所研发,所以这个消息也令人工智能科学家们感到震撼。
自然杂志封面
这款名为“阿尔法围棋”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。
你可能想到了1997年计算机程序“深蓝”和国际象棋大师卡斯帕罗夫的世纪之战。在那次比赛中,卡斯帕罗夫输给了这个IBM开发的计算机程序。这是人工智能历史上的划时代事件。
而这次比赛的意义毫不逊色。
1997年,当IBM深蓝计算机在象棋上称霸时,它使用的是手工编码的规则,在搜索时将穷尽所有可能发生的步法。Alpha Go从本质上则是随着时间而学习的,可以识别出可能具有优势的模式,然后模拟出数量有限的潜在结果。
完成这个成就有多难?
东方的围棋被认为更加复杂,更加需要棋手难以置信的直觉。
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。
就博弈的局面来讲,一般认为国际象棋为10的123乘方,而围棋则有10的360乘方以上。这导致软件来不及列举出所有能赢的方案,导致不敌职业棋手。
所以,在此前的比赛中,围棋AI一般和业余段位的棋手比赛,而且人类选手都会让子。但是“阿尔法围棋”的对手是法国国家围棋队教练、欧洲围棋冠军,而且没有让子。
阿尔法围棋是怎么做到的?
DeepMind团队表示,“阿尔法围棋”的关键在于使用的深度神经网络。
在这样的网络中,如果你将足够多的关于树木的照片输入进去,它们就能学会识别出一棵树。如果输入足够多的对话,它们就能学会如何进行一段得体的对话。如果输入足够多的围棋走法,它们就能学会下围棋。
实际上,在“阿尔法围棋”中有两种不同的神经网络:“策略网络”(policy network)和“值网络”(value network)。
它们的任务在于合作“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里,本质上和人类棋手所做的一样。
“阿尔法围棋”利用这两个工具来分析局面,判断每种下子策略的优劣,就像人类棋手会判断当前局面以及推断未来的局面一样。这样“阿尔法围棋”在分析了比如未来20步的情况下,就能判断在哪里下子赢的概率会高。
也有许多专家相信,人类掌握围棋的秘诀在于模式识别——通过棋子组成的图形形状来判断优势和弱点,而不是预测几步棋后的走向。
也正是因为这个原因,模式识别算法的最新进展有可能会大大改进计算机的表现。新算法利用大型的图片数据库,训练深度卷积神经网络(deep convolutional neural networks)来识别物体和面孔。这一网络借鉴了人脑的信息处理机制,与人脑的神经结构有相似之处。
因此,可以预想,这样的算法用在围棋棋局自动评估上,也能发挥巨大的作用。
根据研发者的介绍,这种神经网络可以自主学习,而非传统的对人工智能进行“监督训练”的算法。
此外,AI很容易通过大量的训练积累足够多的经验。人类或许一年可以下1000局围棋,但AI一天就能玩100万局,不会疲劳。
所以理论上来讲,只要“阿尔法围棋”经过足够的训练,就可以击败所有的人类选手。
李世石
今年3月,“阿尔法围棋”将挑战全球顶级的韩国九段棋手李世石,奖金是100万美元。李世石表示:“(人工智能)厉害得让人吃惊,听说一直在进化,不过我有信心取胜。”
微博网友表达了无奈的释然:“只要是存在规则的game,随着计算能力的提升和算法的优化,最终人类一定会败给电脑。 而人类的能力在于面对没有已知规则的困局,能够创造出路走出泥潭。”
人工智能一日千里 未来应用:语音识别、自动驾驶
相对于棋盘上的胜负,人工智能一日千里的进展更加激动人心。
《自然》杂志将“阿尔法围棋”的成果归功于“深度学习”(Deep Learning)。
深度学习是目前人工智能领域中最热门的科目,它能完成笔迹识别,面部识别,驾驶自动汽车,自然语言处理,识别声音,分析生物信息数据等非常复杂的任务。
2006年之后,深度学习实际使用多于三层的神经网络,即深度神经网络。这是复杂的非线性模型,拥有复杂的结构和大量的参数,有非常强的表示能力,特别适合于复杂的模式识别问题。
这种能力在“阿尔法围棋”身上就体现的很充分。另外,这一能力将能帮助人类在未来揭示丰富的信息,并对未来或未知事件做出更精准的预测。
这些能力也是自动驾驶的汽车、Siri 等语音识别技术以及Face.com(Facebook 最近获得的面部识别软件)的基础,越来越精准的翻译软件也归功于这样的AI技术。
谷歌高级工程师也还预测神经网络会在其他科学领域扮演重要工具,例如在基因行为预测,药物,蛋白质,新的医疗方案等。
果壳网写下了一段意味深长的评论:“AI一定会进入我们的生活,我们不可能躲开。这一接触虽然很可能悄无声息,但意义或许不亚于我们第一次接触外星生命。”
人工智能飞跃史
1950年,计算机科学先驱阿兰·图灵预测到2000年计算机就可以思考:拥有与人类同等水平的创造力、解决问题的能力、个性和适应性行为。他提出了一种判断机器能否进行思考的测试:图灵测试。
1956年,在达特茅斯会议上,一些研究者提出创造一个人工大脑,人工智能(AI)领域终于诞生。
在1980年代,“专家系统”的概念被计算机公司广泛应用,这是对于人工智能山野探索的开端。
1989年,卡内基梅隆大学研发了名为“Deep Thought”的专家系统,能够像大师一样下象棋。
1997年,IBM的计算机深蓝第一次击败了国际象棋大师卡斯帕罗夫。2006年,人类最后一次打败顶尖的国际象棋AI。
2005年,斯坦福大学延至的机器人赢得了美国Darpa大挑战,在这个美国国防高级研究计划局组织的自动驾驶汽车挑战中,它在荒漠赛道中行驶了131英里。
2011年,Watson 战胜了电视智力竞赛Jeopardy 的冠军。
安庆围棋协会 版权所有 网站备案/许可证号:皖ICP备11019045号-1
技术支持:安庆市鼎维网络科技有限公司