刚刚讲过·科技：电脑AI从围棋战胜人类的最大启示--百度百家
刚刚讲过·科技：电脑AI从围棋战胜人类的最大启示
分享到微信朋友圈
人们在预测未来发展时，最容易产生的错误就是用当前的思维去思考未知技术之后的事情。而且这种变化的可能，更会随着科技的发展阶段，变得越来越快
------本期快速导读------
人们在预测未来发展时，最容易产生的错误就是用当前的思维去思考未知技术之后的事情。而且这种变化的可能，更会随着科技的发展阶段，变得越来越快。这应该是谷歌AlphaGo战胜人类棋手最应该给予的启示。
------以下正文详情------
上一周，谷歌开发的AlphaGo机器，以5:0的战绩击败了欧洲围棋三届冠军樊麾棋手。这件可谓是震动整个科技AI界与人类围棋界的重大新闻，再一次用事实教育了我们，关于科技水平的发展，第一是我们预料的时间总是太长；第二是未来虽然肯定会改变，却一定不会是我们当初所想像的那种方式。
因为早在1997年，IBM的超级电脑“深蓝”就成功地战胜了当年的国际象棋世界冠军卡斯帕罗夫，之后的2006年，电脑“浪潮天梭”也成功战胜了中国象棋特级大师柳大华等人，但是人类却并未对此感到害怕，因为大家深信还有着围棋这一张王牌！
因为国际象棋与中国象棋都一样在棋盘上存在着局限性，比如国际象棋的每一个回合只有35种可能，而一盘棋大约会有80回合，这样子出来的可能性虽然是一个天文数字，但是对于不断进化的超级计算机来说，还是计算得过来的。这也是卡斯帕罗夫等人最终落败的主要原在。但围棋每回合就会有250种可能，一盘棋更可长达150回合，这样出来的巨大数目，据当年的科学家来分析判断，足以需要几十年甚至一百年以上时间的技术发展。
但是却少有人对这个思路提出质疑，因为大家把计算机或者说是计算机程序设计者想得过于愚蠢了。比如在围棋的一开始，如果对手走了第一步，理论上，的确是存在着250种可能，可是这250种可能里，已经存在着大量的可能性是根本无须去计算就明知是吃亏的走法，这些可能性根本就用不着去耗费计算资源。在之后的每一步中都是如此，尤其随着落子的增长，这250种可能也在不断地减少，根据经验的辅助，真正值得落子与应对的可能性也将大幅减少，这使得电脑AI能够快速演算得出正确结论成为现实。
当然，今天刚刚也不是想班门弄斧，探讨棋类AI思维设计的问题。而只是借助这条新闻提示我们，在预测未来发展时，最容易产生的错误就是用当前的思维去思考未知技术之后的事情。比如从培育更快战马的可能性角度，来预测未来军队的最大机动力结果，是根本无法面对在汽车、运输机诞生之后的战争形势的。
同样，即使是目前，更多的科学家、围棋界的专家，非常认真且专业地分析出谷歌的AlphaGo机器在当前阶段有可能存在着的各种问题，以预测在两三个月之后它将继续挑战更高阶的人类棋手时的输赢概率时，必须要牢记这两点。因为今天的AlphaGo并不是使用10年前与人类围棋手的程序与思维，那么即使是只有两三个月的时间，那一天的AlphaGo也未必就是今天AlphaGo的思维与方法。
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：25万
阅读：18万
阅读：17万
热门文章HOT NEWS
曾经有P2P企业将资金的担保方式介绍为1000位法师每天诵经祈...
人人都是产品经理
娱乐资本论
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻& 围棋电脑战胜人类之后，ai写小说越来越近了 ...
查看: 343|回复: 12
性别男&UID768868&帖子147&主题9&精华0&龙晶0 &龙威0 &积分0&阅读权限20&好友0&注册时间&最后登录&
精华0&龙威0 &积分0&好友0&注册时间&
性别男&UID768868&帖子147&主题9&精华0&龙晶0 &龙威0 &积分0&阅读权限20&好友0&注册时间&最后登录&
精华0&龙威0 &积分0&好友0&注册时间&
--正在使用龙空iOS App
性别男&UID847742&帖子248&主题1&精华0&龙晶0 &龙威0 &积分0&阅读权限20&好友0&注册时间&最后登录&
精华0&龙威0 &积分0&好友0&注册时间&
机器人一脚踢翻棋盘大骂“你们人类真无聊”的那一天，才能证明机器人可以开始写小说了，不过那时候人类多半也就快完蛋了。
性别男&UID583010&帖子6618&主题264&精华0&龙晶0 &龙威0 &积分7&阅读权限90&好友0&注册时间&最后登录&
精华0&龙威0 &积分7&好友0&注册时间&
有一个有趣的说法。
人工智能就好比是火车，听着笛声很远，但是当火车靠近你的时候，它就已经瞬间开过去了，把你远远的甩在了后面。
性别男&UID864076&帖子97&主题4&精华0&龙晶0 &龙威0 &积分0&阅读权限20&好友0&注册时间&最后登录&
精华0&龙威0 &积分0&好友0&注册时间&
这破事说几天，龙空的智商真的没说了。围棋是有套路的，背棋谱知道不？多少年前象棋冠军就和电脑下过了！！！！
性别男&UID699495&帖子1438&主题66&精华0&龙晶0 &龙威0 &积分1&阅读权限50&好友0&注册时间&最后登录&
精华0&龙威0 &积分1&好友0&注册时间&
这破事说几天，龙空的智商真的没说了。围棋是有套路的，背棋谱知道不？多少年前象棋冠军就和电脑下过了！！！！& & ...你的ID 真是没取错，别动不动就龙空，龙空人很多。
性别女&UID519797&帖子3125&主题85&精华0&龙晶0 &龙威0 &积分5&阅读权限90&好友4&注册时间&最后登录&
精华0&龙威0 &积分5&好友4&注册时间&
这破事说几天，龙空的智商真的没说了。围棋是有套路的，背棋谱知道不？多少年前象棋冠军就和电脑下过了！！！！& & ...嗯
这样说，背套路的行业多了。
老师不过是背教案
律师不过是背法律条文和案例
医生开处方不过是背处方案例
总裁文不过是按总裁文套路写
管理就是收税
性别男&UID779182&帖子2244&主题11&精华0&龙晶0 &龙威0 &积分2&阅读权限70&好友0&注册时间&最后登录&
精华0&龙威0 &积分2&好友0&注册时间&
AI目前计算能力和逻辑能力强，但识别能力很弱，甚至识别不了猫和狗。AI能写小说的时候，是它拥有了人类的情感之后才办得到的事，当它有了喜怒哀乐，有了想像力和创造力，它才能写小说。--
性别男&UID665441&帖子191&主题0&精华0&龙晶0 &龙威0 &积分0&阅读权限20&好友0&注册时间&最后登录&
精华0&龙威0 &积分0&好友0&注册时间&
写文的软件不是已经诞生了么。
性别男&UID846233&帖子335&主题1&精华0&龙晶0 &龙威0 &积分0&阅读权限20&好友0&注册时间&最后登录&
精华0&龙威0 &积分0&好友0&注册时间&
人工智能可以写小说？
我呵呵了。
性别男&UID847189&帖子503&主题11&精华0&龙晶0 &龙威0 &积分1&阅读权限50&好友0&注册时间&最后登录&
精华0&龙威0 &积分1&好友0&注册时间&
我关心的是AI什么时候能让我这种搬砖的码农失业
性别男&UID791357&帖子837&主题74&精华0&龙晶0 &龙威0 &积分1&阅读权限50&好友0&注册时间&最后登录&
精华0&龙威0 &积分1&好友0&注册时间&
这样说，背套路的行业多了。
文字是活的，棋盘是死的。因为有程序，机器是按着程序行为的。不要听风就是雨，智商？
性别男&UID619846&帖子450&主题15&精华0&龙晶0 &龙威0 &积分2&阅读权限70&好友0&注册时间&最后登录&
精华0&龙威0 &积分2&好友0&注册时间&
文字当然有一定规律，想用智能程序创作，现在还早着哪！！不要担心啦。
Powered by查看: 3852|回复: 88
感觉计算机围棋用不了多久就要打败人类了。
消息来源：/6102903.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选手。　　AlphaGo的战绩如何？　　此次比赛和以往不同。之前的比赛中，由于AI棋力比人类弱，人类选手都会让子，而且AI主要和业余段位的棋手比赛。而AlphaGo对战樊麾是完全公平的比赛，没有让子。职业二段樊麾出生于中国，目前是法国国家围棋队总教练，已经连续三年赢得欧洲围棋冠军的称号。　　研究者也让AlphaGo和其他的围棋AI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Crazy Stone，Zen和Pachi三个先进的AI，胜率分别是77%，86%和99%。可见AlphaGo有多强大。　　在接下来3月份，AlphaGo将和韩国九段棋手李世乭在首尔一战，奖金是由Google提供的100万美金。李世乭是最近10年中获得世界第一头衔最多的棋手。围棋是最后一个人类顶尖高手能战胜AI的棋类游戏。之前有人预测说，AI需要再花十几年才能战胜人类。所以这场比赛或许会见证历史，我们将拭目以待。　　　　李世乭表示很荣幸自己将与电脑公平对弈。“无论结果如何，这都会是围棋史上极具意义的事件。”他说，“我听说谷歌Deep Mind的AI出人意料地强，而且正在变得更强。但我有自信至少这次能赢。”图片来源：　　AI下围棋到底有多难？　　计算围棋是个极其复杂的问题，比国际象棋要困难得多。围棋最大有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。　　面对任何棋类，一种直观又偷懒的思路是暴力列举所有能赢的方案，这些方案会形成一个树形地图。AI只要根据这个地图下棋就能永远胜利。然而，围棋一盘大约要下150步，每一步有250种可选的下法，所以粗略来说，要是AI用暴力列举所有情况的方式，围棋需要计算250150种情况，大致是10360。相对的，国际象棋每盘大约80步，每一步有35种可选下法，所以只要算3580种情况，大概是10124。无论如何，枚举所有情况的方法不可行，所以研究者们需要用巧妙的方法来解决问题，他们选择了模仿人类大师的下棋方式。　　机器学习　　研究者们祭出了终极杀器——“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。　　　　描述AlphaGo研究成果的论文成为了1月28日的《自然》杂志的封面文章。图片来源：Nature/Google DeepMind　　AlphaGo 的核心是两种不同的深度神经网络。“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。　　其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分析那些有戏的棋着。　　　　AlphaGo所使用的神经网络结构示意图。图片来源：参考文献[1]　　AlphaGo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AlphaGo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。　　研究者们用许多专业棋局训练AI，这种方法称为监督学习（supervised learning），然后让AI和自己对弈，这种方法称为强化学习（reinforcement learning），每次对弈都能让AI棋力精进。然后他就能战胜冠军啦！　　人类在下棋时有一个劣势，在长时间比赛后，他们会犯错，但机器不会。而且人类或许一年能玩1000局，但机器一天就能玩100万局。所以AlphaGo只要经过了足够的训练，就能击败所有的人类选手。　　Google DeepMind　　Google DeepMind是这个程序的创造者，我们来看一下他们萌萌的程序员。　　　　杰米斯·哈萨比斯（Demis Hassabis） 是Google DeepMind 的CEO。图片来源：Nature Video　　　　文章的第一作者大卫·西尔弗（David Silver）。图片来源：Nature Video　　Google DeepMind 去年在《自然》杂志上发表过一篇论文[2]，他们用增强学习的方法训练AI玩经典的Atari游戏。其实在几年前就有人研究如何让AI玩《星际争霸》，目前人类大师还是能击败AI的。电脑游戏中大量使用人工智能技术，你有没有觉得游戏变得越来越聪明了？　　那么……未来呢？　　人工智能研究者面对这样的成就当然欣喜。深度学习和强化学习等技术完全可以用于更广泛的领域。比如最近很火的精准治疗，我们可以训练它们判断哪些治疗方案对某个特定的人有效。　　但是，围棋毕竟不仅仅是一项智力成就。就像十多年前的国际象棋一样，围棋必定也会引发超出本领域之外的讨论。等到计算机能在围棋上秒杀人类的时候，围棋是不是就变成了一种无聊的游戏？人类的智力成就是不是就贬值了？AI还将在其他层面上继续碾压人类吗？传统认为AI不可能完成的任务是否也都将被逐一打破？人类最后是会进入AI乌托邦还是被AI淘汰呢？　　没人知道答案。但有一点毫无疑问：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。　　（编辑：Ent，Calo）　　参考文献：　　David Silver, et al. &Mastering the game of Go with deep neural networks and tree search.& Nature doi:10.1038/nature16961Mnih, Volodymyr, et al. &Human-level control through deep reinforcement learning.& Nature 518.): 529-533.
首先，国际象棋在围棋面前就是小儿科。其次围棋专业段位有九段，初段最低，九段最高。在过去，电脑在围棋方面被人虐的不清。科普完毕。
本帖最后由 漫渡荒村野桥 于
07:15 编辑
怎么算势和劫啊?围棋的计算量不是普通的大，可运算和运算速度要分开说明。
屁个人工智能，都算几步罢了，知道了算法，还是会被人带沟里
首先，国际象棋在围棋面前就是小儿科。其次围棋专业段位有九段，初段最低，九段最高。在过去，电脑在围棋方 ...
专业初段和九段的差别不是特别大。 超一流九段可以让业余最高手2-3子。专业九段对初段，让一到两子就很可观了
电脑围棋确实进步得很快。这点需要正视。
电脑围棋确实进步得很快。这点需要正视。
这种算法应该会产生漏洞的，之前骗招对AI基本无效，现在加入更广泛的策略判断，面对骗招的时候会怎么判断呢？
电脑的最大优势是不会出错......
专业初段和九段的差别不是特别大。 超一流九段可以让业余最高手2-3子。专业九段对初段，让一到两子就很可 ...
这是阵地战的算法，加上心理因素和一些骗术，大部分初段都被花式吊打
反正我十年前围棋就下不过电脑了
kbdoctor 发表于
专业初段和九段的差别不是特别大。 超一流九段可以让业余最高手2-3子。专业九段对初段，让一到两子就很可 ...
照你这么说，棋圣吴清源和三四段下棋输得几率还是蛮大的喽。论坛很多人脑袋都有坑，你这么说，会让他们觉得真的差别不大。文章中说的是欧洲职业二级，小朋友，你让那个欧洲职业二级来国内走一遭试试，没事走二步。虐不死他。
现在这个智能都算不上智能，只是把算法算满了而已。
照你这么说，棋圣吴清源和三四段下棋输得几率还是蛮大的喽。论坛很多人脑袋都有坑，你这么说，会让他们觉 ...
他后面说的是错的，九段让初段3子是常识，业余最高手其实是初段强。
欧洲那个是二段，记得他以前参加过中国棋院集训，后来被淘汰了。欧洲围棋没有强手，但二三段棋力还是有的。
他后面说的是错的，九段让初段3子是常识，业余最高手其实是初段强。
欧洲那个是二段，记得他以前参加过 ...
他后面说的是错的，九段让初段3子是常识，业余最高手其实是初段强。
欧洲那个是二段，记得他以前参加过中国棋院集训，后来被淘汰了。欧洲围棋没有强手，但二三段棋力还是有的。
---------------------------------------------------------------------------
业余最高手是初段强？
看来你没搞清楚状况啊，只要允许冲段少年参加的业余比赛，那次那些所谓的业余高手不是被打的满地找牙？这些冲段少年还不是职业选手，年纪只有10-14岁，就把业余高手们打的不要不要的。还初段强。唉，不知道怎么说你了。
不过你要说业余顶尖高手，能动赢一些淡出一线很多年的职业棋手，我还是相信的。
他后面说的是错的，九段让初段3子是常识，业余最高手其实是初段强。
欧洲那个是二段，记得他以前参加过 ...
囧，最高手本来说的就是你说的那些啊。
难道我还说业五吗？
现在国内的业余比赛，只要看见对面坐的是一个五六年级或初一左右模样的，业余高手们就纷纷自嘲，今天手气太痞。
现在国内的业余比赛，只要看见对面坐的是一个五六年级或初一左右模样的，业余高手们就纷纷自嘲，今天手气太 ...
看是谁了，胡煜清一律无视
囧，最高手本来说的就是你说的那些啊。
难道我还说业五吗？
国内约定俗成的业余顶尖是不包括冲段少年的。
冲段少年们虽然没有职业段位，但接受的是最严酷的职业训练。加上冲段这段时间的训练强度之大和质量之高，根本就不是那些真正的业余高手们能比的。
想顶尖的胡、白那些人，和冲段少年比，还是有差距的。冲段少年里的尖子生，和职业二三流下平手棋，绝对是五五波。
不懂围棋，不过长远看AI赢人脑也是必然的事情吧。
看是谁了，胡煜清一律无视
胡煜清输给冲段少年还输的少？
不同的是胡煜清和职业二三流比，赢了，能上新闻。冲段少年在棋院天天和职业二三流下棋，输赢次数太多，根本就连报道就没报道的。
国内约定俗成的业余顶尖是不包括冲段少年的。
冲段少年们虽然没有职业段位，但接受的是最严酷的职业训练 ...
我认为冲段少年阶段不能计入实力计算，那是一个非常规的状态。
入段之后，一堆人棋力掉的厉害
我认为冲段少年阶段不能计入实力计算，那是一个非常规的状态。
入段之后，一堆人棋力掉的厉害
嗯，因为那段时间压力太大，训练强度太高，训练质量也是出奇的高。
进了职业之后，离开道场，很多人的训练质量反而下降了。只有一部分人，得到了好的俱乐部的培养，保证了足够的训练质量与比赛机会之后，水平突飞猛进。
嗯，因为那段时间压力太大，训练强度太高，训练质量也是出奇的高。
进了职业之后，离开道场，很多人的训 ...
冲段时一算几十步，入段之后就剩十几步了……
他后面说的是错的，九段让初段3子是常识，业余最高手其实是初段强。
欧洲那个是二段，记得他以前参加过 ...
国内超一流九段可以让业余六、七段2子，专业初段的棋力肯定高于业余七段。上世纪八十年代的时候，人脑让电脑十七个子赢起来都很轻松。电脑围棋在新世纪进步得确实非常快。
本帖最后由 tjw_921 于
09:44 编辑
最明显的是允许冲段少年参加的晚报杯，这是中国业余比赛里的世界杯。现在都限制冲段少年们参加了，规定每个队只允许一名18岁以下的业余棋手参加。呵呵。
另外，还规定：出台了新的限制参赛外援的规定：一个队可以拥有非本地户口的两名外援，但必须符合以下条件：一、如果是少年棋手，其父母必须在当地有稳定的工作并有三年以上(含三年)工资税单，或者缴纳三年以上(含三年)社保基金。
国内超一流九段可以让业余六、七段2子，专业初段的棋力肯定高于业余七段。上世纪八十年代的时候，人脑让 ...
你不会按上面说的少年初段算的吧……
说初段，按正常初段算啊。
少年今天初段，明天九段了。
最明显的是允许冲段少年参加的晚报杯，这是中国业余比赛里的世界杯。现在都限制冲段少年们参加了，规定每个 ...
后一个防移民的手段……
前一个我倒觉得挺合理的。
业余比赛，本来就是给业余棋手一个展示自我的平台，娱乐性质居多。
冲段少年去，有点职业味道太浓了。
你不会按上面说的少年初段算的吧……
说初段，按正常初段算啊。
少年今天初段，明天九段了。
每年晚报杯，专业让业余两子，互有胜负。围棋段位只是一个棋手曾经达到的最高水平。现时的水平如何，要看等级分。
每年晚报杯，专业让业余两子，互有胜负。围棋段位只是一个棋手曾经达到的最高水平。现时的水平如何，要看 ...
我说的是你说初段的那一段，不是九段的那一段……
站长推荐 /1
什么是“翻译加工厂”呢？
（由首页导航条“翻译”直接进入）翻译加工厂就是像工厂一样，把翻译工厂流水线进行。现在，让我们来参观一下，看看这个流程是怎么样的
Powered by电脑有望在围棋上战胜人类|围棋|神经网络_凤凰科技
电脑有望在围棋上战胜人类
用微信扫描二维码分享至好友和朋友圈
计算机难以掌握围棋的原因有两个：一是，在下围棋的时候，棋手总是面临太多的选择。二是，计算机很难评估双方的优势和弱势。
IBM的深蓝曾经战胜国际象棋高手，让我们感叹计算机技术的进步。不过，多年以来，古老的围棋却成为计算机难以把握的难题。如今，借助于神经网络的进步，计算机专家们试图突破传统算法，以全新的方式训练计算机的下棋能力。据technology review的报道，来自爱丁堡大学的计算机专家Christopher Clark 和Amos Storkey 在这方面取得了不小的进步。 专家们认为，计算机难以掌握围棋的原因有两个：一是，在下围棋的时候，棋手总是面临太多的选择。在任意时刻，棋手面临的选择多达上百种。相比较说，国际象棋中，棋手面对的选择大约是50 种。二是，计算机很难评估双方的优势和弱势。在国际象棋中，通过评估剩下棋子的价值，计算机通常能够了解玩家是否处于优势地位，但是，在围棋中，计算机很难对此做出评估。&计算每个玩家的棋子数量，根本无法判断谁在取胜。& Clark 和Storkey 说。 为了解决这个问题，计算机采取了一种特别的方法。在每一步之后，计算机都会玩完整个游戏，而且采取各种不同的方法。如果大多数情况下都是胜利的，计算机会认为，它走出的一步是正确的。这是一个非常耗时的任务，而且，计算机通常还是失败。因为围棋高手只要看一眼，就能判断出棋盘上的形势如何。 一些专家认为，人类擅长围棋的秘密在于模式辨识能力。在下围棋的时候，人类思考的不是前面的几步，而是根据棋子组成的形状，判断出双方的优势和劣势。因此，随着模式识别算法方面的进步，人们开始思考训练计算机的新方法。 Clark 和Storkey 训练了一个复杂的神经网络，教它预测下一步是什么。他们从16 万次的围棋高手对战中，生成1650 万个棋局，然后，他们训练神经网络，让它掌握人类高手的下一步动作。许多天后，他们开始用剩下的棋局测试神经网络，让它预测下一步应该怎么走。据两个人说，在训练之后，神经网络预测的准确率明显超过以前算法，大约提升了44%。 在训练完神经网络之后，Clark 和Storkey 让它与两个最好的围棋算法比赛。其中一个是GNU Go，相当于中等水平的业余选手。在与GNU Go 的对战中，神经网络明显胜出，大概90% 的情况都是取胜的。另外一个是Fuego，比GNU Go 的水平更高，人类选手也要多年训练才能达到这个等级。在与Fuego 的对战中，神经网络只赢了10% 的比赛。不过，Clark 和Storkey 认为，这已经是很大的进步了。 &尽管神经网络下棋时采用了&不看下一步&的做法，并且只用了对手的部分计算时间，它仍然比GNU Go 玩的更好，而且还赢了Fuego 几局。& Clark 和Storkey 说。同时，他们也认为，如果把神经网络与传统的算法结合，计算机的围棋技能或许会有更大的进步。
[责任编辑：吴倩楠]
用微信扫描二维码分享至好友和朋友圈
04/13 08:36
04/13 08:36
04/13 08:38
04/13 08:37
04/13 08:37
04/13 15:44
04/13 09:27
04/13 09:27
04/13 09:27
04/13 09:27
04/13 09:28
04/13 09:21
04/13 10:23
04/13 08:14
04/13 08:48
04/13 08:48
04/13 08:14
04/13 10:30
04/13 09:04
04/13 09:04
04/13 09:04
04/13 09:04
04/13 09:04
04/13 09:22
04/13 00:38
04/13 00:38
04/13 00:38
04/13 00:38
04/13 00:38
04/13 09:21
凤凰科技官方微信
播放数：434690
播放数：176377
播放数：156089
播放数：5808920
48小时点击排行推荐这篇日记的豆列
······