谷歌人工智能首次破解围棋比赛：完胜欧洲冠军|谷歌|人工智能_凤凰科技
谷歌人工智能首次破解围棋比赛：完胜欧洲冠军
用微信扫描二维码分享至好友和朋友圈
通过“观察”棋手下棋，然后模拟自己跟自己下棋，AlphaGo的棋力达到了名家水平，甚至能击败最棒的传统围棋软件。
围棋 凤凰科技讯 北京时间1月28日消息，据彭博社报道，计算机已经学会下西洋双陆旗、国际象棋等棋类游戏，但在一种棋类游戏方面还有所欠缺，那就是发明于逾2500年前的中国围棋。但谷歌最近在计算机下围棋方面取得了突破。 《自然》杂志周三刊文称，谷歌已经开发出首款会下围棋的人工智能软件AlphaGo，目前能击败部分职业棋手。去年10月，AlphaGo在与欧洲围棋冠军樊麾(Fan Hui)的对垒中，五战五胜。负责该项目的Google DeepMind计划3月份让这款软件在韩国首尔迎战世界上水平最高的围棋棋手。 这一人机大战与1996年IBM的深蓝计算机击败国际象棋世界冠军卡斯帕罗夫相似。Google DeepMind联合创始人德米斯&哈萨比斯(Demis Hassabis)表示，但围棋是一种更为复杂的棋类游戏，国际象棋每步棋有约20种选项，围棋则有约200种选项，&这次人机大战还存在大量不确定性&。IBM展示了现代计算机的强大运算能力，DeepMind将突显现代计算机的&思考&方式更多地向人类靠拢。 多年来，计算机科学家一直在尝试教会计算机下围棋。Facebook在利用与谷歌同样的神经网络和搜索技术开发类似项目。Facebook当地时间周二表示，软件总是能战胜人类。根据两家公司的数据，谷歌AlphaGo围棋软件的表现要好于Facebook同类产品。 这一研究的意义不仅仅局限于围棋。Facebook和谷歌的系统不是利用传统计算机编程语言或明确的规则编写的，它们能够自学。哈萨比斯说，这些技术适用于下述问题：需要从大量已有数据中寻找规律。Facebook发言人表示，该公司的围棋研究将被用来改进Facebook M虚拟助手。 英国围棋协会主席乔恩&戴蒙德(Jon Diamond)说，计算机下围棋研究的进展比其预期提前5-10年，&这是一个巨大的飞跃，其棋力远高于迄今为止的其他围棋软件&。 通过&观察&棋手下棋，然后模拟自己跟自己下棋，AlphaGo的棋力达到了名家水平，甚至能击败最棒的传统围棋软件。去年10月，AlphaGo在与欧洲围棋冠军樊麾(Fan Hui)的对垒中，五战五胜。 Google DeepMind部门有逾200名人工智能研究人员和工程师。哈萨比斯表示，AlphaGo开发历时18个月左右，团队规模由最初的2、3人增加到15人，&对我们来说AlphaGo是一个相当大的项目&。 DeepMind最近吸引英国研究人员马太&莱(Matthew Lai)加盟。马太&莱曾开发了一个能与国际象棋大师对垒的系统，他的软件能以与人相似的方式进行推理，比IBM采用的方法效率更高。 哈萨比斯表示，谷歌可能效仿Facebook，把其围棋软件放到网上供用户使用。谷歌需要首先全力备战在首尔的人机大战，AlphaGo的对手是李世石(Lee Sedol)，胜者将获得100万美元奖金。(编译/霜叶)想看更多国外有意思的、新奇的科技新闻？那就来扫码关注外言社的官方微信吧~&微信号：ifengwys
[责任编辑：王芮 PT002]
责任编辑：王芮 PT002
用微信扫描二维码分享至好友和朋友圈
凤凰科技官方微信
播放数：626579
播放数：378263
播放数：373925
播放数：5808920
48小时点击排行谷歌人工智能胜利了，但又有多少人知道谷歌有多强大？_围棋吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：152,799贴子：
谷歌人工智能胜利了，但又有多少人知道谷歌有多强大？
很多人对于的认识竟然还局限在做搜索这一块。真是让人感慨。这家公司，做搜索起家，虽然只成立了20年不到，但谷歌完全配得上世界上最伟大公司之一的称号。这样一家年轻的公司，野心爆棚，在短短20年时间里通过并购等方式，兼并无数科技公司，积累累积已经相当吓人了。背后是美国，乃至全球的科技积累。下面就介绍一下的强大实力。
这个小眼神，真是受不了！
即使是在美剧封神的年代...
没有抽到黑贞德的非酋们...
顽童：“麻麻别打了，疼...
呼吸一口雾霾的空气，感...
过去 第33届百花奖最佳...
据了解，娱乐圈类似于卓...
天天富翁吧2017年出品的...
一楼给圈大，欢迎来到娱...
警界君的微博还原了当时...
有没有那么一刻，让你怀...
同xio们上学的时候都遇...
俺们兄弟几个九死一生
谷歌一开始是人 现在已经是机器掌权
1、youtube2006年11月，Google公司以16.5亿美元收购了YouTube，并把其当做一家子公司来经营。如今，油管依然是世界上最大的视频提供商。
大部分都是收购的，包括deep mind,安卓，YouTube,什么的，相当于自己花钱，供养天下贤能的科学家。
2、android相信，这里大多数人的手机都是安卓系统。虽然大家都知道这是安卓，但相信这里很多人不知道，安卓就是谷歌家的。当年，苹果发布IOS，惊为天人。但苹果手机价格昂贵，当时主流的塞班不以为然。但随后，谷歌发布了安卓，并开放给所有手机厂商免费使用。人们突然有一天惊奇得发现，我竟然可以用苹果三分之一的钱买到跟苹果差别不大并且完爆塞班的手机。从此以后，诺基亚基本就玩完了……智能机改变人们的生活，安卓和谷歌功不可没。
想到了保护伞安布雷拉
谷歌就是不做这个狗，我也一直觉得它确实牛逼，只不过它证明了它依然很牛逼而已。。
还有大名鼎鼎的波士顿动力公司，那个做机器人的，谷歌旗下，也是一几年收购的。
谷歌公司市值全世界第二，仅次苹果，，，中国银行之类的，不能算
3、谷歌光纤几年前，国内带宽还仅仅是4M 8M小水管的时候，谷歌已经开始推广超级宽带计划：谷歌光纤。
谷歌光纤付费用户带宽1G，资费最高仅仅120美元。目前谷歌光纤已经覆盖美国数个城市。（这个算推广比较慢，主流还是AT&T这些）
我觉得楼主好好介绍介绍谷歌的数据集群中心，全球百万台服务器，看了直接跪了。还有最近波士顿动力的各种机器人，太可怕。另外还有谷歌03年发布的三篇关于分布式的论文，GFS,mapreduce,Bigtable。以及现在应用的技术Caffeine、Pregel、Dremel。（这三个技术领先全球）以及无人驾驶。
实际上谷歌已经是一个子公司，10的100次方己经满足不了总公司的雄心，从alphago来看确实如此
还有生物医学。研究长生不老的之类
的确是很厉害，谷歌开发了阿法狗，而它“一生的对手”百度，开发了百度外卖，差距阿
4、谷歌地球（地图）早在零几年，当时对于我们来说上网还是比较新奇的事情。在线地图更是新奇得不得了。谷歌自05年开始发布了一款软件：谷歌地球。
这款软件，我们可以看到任何地方的卫星图片。随后的版本又衍生出了GOOGLE月球，GOOGLE火星，GOOGLE星系等功能。 对于当时的我来说简直是大开眼见。套用网上一句话，GOOGLE地球（地图）的诞生，完全颠覆了GIS行业
然而就像柯洁所说的，局域网内一个都上不去或许alphabet能上？没有试过
5、chrome浏览器或许国内很多人没用过或者也没注意到过浏览器这一块。IE是微软的亲儿子，系统自带IE浏览器。曾经IE是主流浏览器，占据浏览器的绝对霸主地位。 随着谷歌chrome浏览器为首的众多浏览器的出现，IE垄断地位逐渐被颠覆，选择chrome的用户，大多数都有一个感觉：比IE更快，因为谷歌的chrome引擎处理脚本的能力比IE更为出色，chrome也成为IE之后市场占有率最高的浏览器（毕竟IE是微软的亲儿子）。
6、谷歌X实验室系列----机器人技术。几年前，波士顿动力发布了一款名为big dog的机器狗。虽然当时感觉这款机器狗是内燃机，非常吵，略显笨重，但其平衡性简直颠覆了我们对于机器人的认识。这家公司不简单，同时还发布了如PETMAN等机器人14年初，谷歌大量收购机器人公司，准备朝着机器人技术发展，一口气收购了七家机器人公司。 其中就包括波士顿动力。有了谷歌这个大腿抱，波士顿动力的机器人技术进步也相当快，被收购第二年就发布了第二代BIG DOG，一款名为SPOT的机器狗，这款机器狗采用电力驱动，无论是平衡性，还是噪音，还是对地形的适应性都完爆前一代。
同时还发布了atlas机器人，最近一期的atlas机器人的视频，它已经可以在野外比较复杂的地形行走，并且自动保持平衡性。让我们感觉，似乎电影里的机器人已经快成为现实了……视频来自：
中国政府有远见不能让谷歌渗入中国
Google精英汇聚，富有前瞻性和探索精神。另一方面，更令人钦佩的是它身为大公司的态度，对内福利出众，对外毫不软弱。和国内很多公司正好相反，对内压榨员工，对外轻易妥协。不知道是不是谣言，听说是google搜索的众多服务器接入网络并不向电信运营商缴费，因为他们觉得是你使用了我的搜索服务。
视频来自：两代机器大狗
7、无人驾驶汽车现在无人驾驶汽车已经是一个潮流，谷歌进入这个行业也算比较早了，虽然这一行没有成熟，但谷歌的无人驾驶汽车目前已经经过160万公里的测试，累积了大量数据，可以说走在了行业的前列（这一行需要大量的测试，毕竟性命攸关的事情）。
谷歌的目标：数字化全球
---贴吧极速版 For UWP
8、谷歌无人机视频来自：
google前面还有两个科技巨无霸:microsoft和最终boss IBM
谷歌量子计算机
贴吧热议榜
使用签名档&&
保存至快速回贴The page is temporarily unavailable
nginx error!
The page you are looking for is temporarily unavailable.
Please try again later.
Website Administrator
Something has triggered an error on your
This is the default error page for
nginx that is distributed with
It is located
/usr/share/nginx/html/50x.html
You should customize this error page for your own
site or edit the error_page directive in
the nginx configuration file
/etc/nginx/nginx.conf.深入浅出谷歌人工智能围棋“大脑”--百度百家
深入浅出谷歌人工智能围棋“大脑”
分享到微信朋友圈
前段春节时候，笔者跟Facebook的田渊栋研究员交流，他做的计算机围棋AI，通过深度学习做智能围棋系统－－黑暗森林
在象棋和国际象棋中，电脑软件都非常厉害，只有围棋是唯一“电脑下不过人类”的项目。而今年1月份有个爆炸性新闻：谷歌DeepMind开发的人工智能围棋程序AlphaGo以5：0的压倒性优势击败了欧洲围棋冠军、专业二段棋手。那么3月份AlphaGo会和韩国九段、世界冠军李世石进行对弈。如果此役AlphaGo获胜，这意味着人工智能真正里程碑式的胜利。
这也引起了笔者好奇心，在春节期间，跟Facebook的田渊栋（他的背景无可挑剔，卡耐基梅隆大学机器人系博士，Google X 无人车核心团队，Facebook人工智能组研究员）交流，他做的也是计算机围棋AI－－黑暗森林（熟悉三体的朋友知道怎么回事），今年1月份他的文章被机器学习顶级会议ICLR 2016接受，（表达学习亦被江湖称作深度学习或者特征学，已经在机器学习社区开辟了自己的江山，成为学术界的一个新宠。）
他聊天中谈到自从谷歌收购了DeepMind，投入大量资源去做好人工智能项目，不为别的，就是要向世界证明谷歌智能的强大。发表在顶级期刊《Nature》的论文光看作者就20个，明显是下了血本，前两位都是计算机围棋界的大牛，一作David Silver是计算机围棋和强化学习的顶级专家，整个博士论文就是做的围棋; 二作Aja Huang以前写过多年围棋软件，自己又是AGA 6D的水平。
还是不多说废话，下面是SpinPunch CTO 对AlphaGo的工作原理解读，原文见参考资料
－－－－－－－－－－－－－－－－－－
谷歌DeepMind宣布他们研发的神经网络围棋AI，AlphaGo，战胜了人类职业选手。这篇论文由David Silver等完成。里面的技术是出于意料的简单却又强大。为了方便不熟悉技术的小白理解，这里是我对系统工作原理的解读。
“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。
虽然神经网络在几十年前就有了，直到最近才形势明朗。这是因为他们需要大量的“训练”去发现矩阵中的数字价值。对早期研究者来说，想要获得不错效果的最小量训练都远远超过计算能力和能提供的数据的大小。但最近几年，一些能获取海量资源的团队重现挖掘神经网络，就是通过“大数据”技术来高效训练。
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，所以我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。
第一大脑: 落子选择器 （Move Picker)
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。你可以理解成“落子选择器”。
落子选择器是怎么看到棋盘的？数字表示最强人类选手会下在哪些地方的可能。
团队通过在KGS（网络围棋对战平台）上最强人类对手，百万级的对弈落子去训练大脑。这就是AlphaGo最像人的地方，目标是去学习那些顶尖高手的妙手。这个不是为了去下赢，而是去找一个跟人类高手同样的下一步落子。AlphaGo落子选择器能正确符合57%的人类高手。（不符合的不是意味着错误，有可能人类自己犯的失误）
更强的落子选择器
AlphaGo系统事实上需要两个额外落子选择器的大脑。一个是“强化学习的策略网络（Policy Network）”，通过百万级额外的模拟局来完成。你可以称之为更强的。比起基本的训练，只是教网络去模仿单一人类的落子，高级的训练会与每一个模拟棋局下到底，教网络最可能赢的下一手。Sliver团队通过更强的落子选择器总结了百万级训练棋局，比他们之前版本又迭代了不少。
单单用这种落子选择器就已经是强大的对手了，可以到业余棋手的水平，或者说跟之前最强的围棋AI媲美。这里重点是这种落子选择器不会去“读”。它就是简单审视从单一棋盘位置，再提出从那个位置分析出来的落子。它不会去模拟任何未来的走法。这展示了简单的深度神经网络学习的力量。
更快的落子选择器
AlphaGo当然团队没有在这里止步。下面我会阐述是如何将阅读能力赋予AI的。为了做到这一点，他们需要更快版本的落子选择器大脑。越强的版本在耗时上越久－为了产生一个不错的落子也足够快了，但“阅读结构”需要去检查几千种落子可能性才能做决定。
Silver团队建立简单的落子选择器去做出“快速阅读”的版本，他们称之为“滚动网络”。简单版本是不会看整个19*19的棋盘，但会在对手之前下的和新下的棋子中考虑，观察一个更小的窗口。去掉部分落子选择器大脑会损失一些实力，但轻量级版本能够比之前快1000倍，这让“阅读结构”成了可能。
第二大脑：棋局评估器 （Position Evaluator）
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，在给定棋子位置情况下。这“局面评估器”就是论文中提到的“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就跳过阅读在这一条线上的任何更多落子。
局面评估器是怎么看这个棋盘的。深蓝色表示下一步有利于赢棋的位置。
局面评估器也通过百万级别的棋局做训练。Silver团队通过 复制两个AlphaGo的最强落子选择器，精心挑选随机样本创造了这些局面。这里AI 落子选择器在高效创建大规模数据集去训练局面评估器是非常有价值的。这种落子选择器让大家去模拟继续往下走的很多可能，从任意给定棋盘局面去猜测大致的双方赢棋概率。而人类的棋局还不够多恐怕难以完成这种训练。
这里做了三个版本的落子选择大脑，加上局面评估大脑，AlphaGo可以有效去阅读未来走法和步骤了。阅读跟大多数围棋AI一样，通过蒙特卡洛树搜索（MCTS）算法来完成。但AlphaGo 比其他AI都要聪明，能够更加智能的猜测哪个变种去探测，需要多深去探测。
蒙特卡洛树搜索算法
如果拥有无限的计算能力，MCTS可以理论上去计算最佳落子通过探索每一局的可能步骤。但未来走法的搜索空间对于围棋来说太大了（大到比我们认知宇宙里的粒子还多），实际上AI没有办法探索每一个可能的变种。MCTS做法比其他AI有多好的原因是在识别有利的变种，这样可以跳过一些不利的。
Silver团队让AlphaGo装上MCTS系统的模块，这种框架让设计者去嵌入不同的功能去评估变种。最后马力全开的AlphaGo系统按如下方式使用了所有这些大脑。
1. 从当前的棋盘布局，选择哪些下一步的可能性。他们用基础的落子选择器大脑（他们尝试使用更强的版本，但事实上让AlphaGo更弱，因为这没有让MCTS提供更广阔的选择空间）。它集中在“明显最好”的落子而不是阅读很多，而不是再去选择也许对后来有利的下法。
2. 对于每一个可能的落子，评估质量有两种方式：要么用棋盘上局面评估器在落子后，要么运行更深入蒙特卡罗模拟器（滚动）去思考未来的落子，使用快速阅读的落子选择器去提高搜索速度。AlphaGo使用简单参数，“混合相关系数”，将每一个猜测取权重。最大马力的AlphaGo使用 50/50的混合比，使用局面评估器和模拟化滚动去做平衡判断。
这篇论文包含一个随着他们使用插件的不同，AlphaGo的能力变化和上述步骤的模拟。仅使用独立大脑，AlphaGo跟最好的计算机围棋AI差不多强，但当使用这些综合手段，就可能到达职业人类选手水平。
AlphaGo的能力变化与MCTS的插件是否使用有关。
这篇论文还详细讲了一些工程优化：分布式计算，网络计算机去提升MCTS速度，但这些都没有改变基础算法。这些算法部中分精确，部分近似。在特别情况下，AlphaGo通过更强的计算能力变的更强，但计算单元的提升率随着性能变强而减缓。
优势和劣势
我认为AlphaGo在小规模战术上会非常厉害。它知道通过很多位置和类型找到人类最好的下法，所以不会在给定小范围的战术条件下犯明显错误。
但是，AlphaGo有个弱点在全局判断上。它看到棋盘式通过5*5金字塔似的过滤，这样对于集成战术小块变成战略整体上带来麻烦，同样道理，图片分类神经网络往往对包含一个东西和另一个的搞不清。比如说围棋在角落上一个定式造成一个墙或者引征，这会剧烈改变另一个角上的位置估值。
就像其他的基于MCTS的AI， AlphaGo对于需要很深入阅读才能解决的大势判断上，还是麻烦重重的，比如说大龙生死劫。AlphaGo 对一些故意看起来正常的局也会失去判断，天元开盘或者少见的定式，因为很多训练是基于人类的棋局库。
我还是很期待看到AlphaGo和李世石9段的对决！我预测是：如果李使用直（straight）式，就像跟其他职业棋手的对决，他可能会输，但如果他让AlphaGo陷入到不熟悉的战略情形下，他可能就赢。
－－－－－－－－－－－－－－－－－－－
原文结束分割线，下面是董老师抒情咏叹调：）
这里我还想到另一个人，中国最强大脑选手鲍橒，当时看了他走出蜂巢迷宫，被他的超强的空间记忆和想象能力深深震撼了，而他的职业就是围棋选手，并且是盲棋。他能完成1对5的围棋盲棋，实在是很不可思议的事情。在围棋圈内，几乎没有棋手能完成盲棋，因为确实太难了。笔者也向他询问了对这个事情看法，他说，欧洲冠军没能摸到程序的底，但从棋谱来说，对谷歌程序我也难以取胜，确实下的不错。虽然围棋圈一致看好李世石，不过我不敢确定谷歌的程序3月份进展到什么地步。
再说到Facebook田博士，跟谷歌DeepMind超豪华团队长期投入不同，他就在半年多前从立项到实现，直到最近才有一个实习生加入帮他，而背后是他付出的心血，为了抢时间，在圣诞新年都是加班加点，按他所说，每日工作10＋小时，自己搭机器，写代码，调参数，单枪匹马做出成绩。
谈到跟谷歌团队的较量，田博士说：“这是一场必败的战斗”，但我还是很佩服他，他让我想到三国时代赵子龙，单枪匹马大战曹军，力拔山兮气盖世！因为他是真正的勇士。正是有了这些英勇无畏的科学家，一次次打破常规，挑战极限，我们才知道人类如此大的潜力。最近短短几年的发展，从大数据，深度学习人工智能到虚拟现实，从发现了类地球行星，证实引力波，从Hyperloop，无人驾驶，量子计算，这些魅力无穷的科技让我们对世界的认识上升到新的高度。面对这个激动人心的时代，我想说，天空是我们的极限，宇宙是我们的极限，未来才是我们的极限！
最后允许我拿田博士的话来结束。
我有时候会问自己：“我是不是背弃了梦想？”我想除了我自己，任何人都不会给我答案，任何评论也不具效力。我记得有人问过，如果梦想从践行的一开始，就在不自觉地向现实妥协，那样的梦想还是最初的梦想么？其实，这样的问题没什么可纠结的，因为世界从来就不是二元的，梦想和现实，如同高悬的日月，日月之间，有一条灰色的路，在自己脚下蜿蜒曲折，绕过各种险阻，一直向前。
“而我能做的，只是要在奔跑时，不停提醒自己，还记得“梦想”这个词的含义。”
How AlphaGo works //alphago/
Nature 论文：/nature/journal/v529/n7587/full/nature16961.html
关于 AlphaGo 论文的阅读笔记 /p/5042969.html
关于围棋AI的新思路 /yuandong/
阅读：19718
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：12万
热门文章HOT NEWS
前有江苏周莉，现有山东王英，广电反腐“打击”了谁？
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