围棋下起来围棋中为什么黑子先下这么快

来源：蜘蛛抓取(WebSpider) 时间：2017-01-07 10:53 标签： 降临这么快下线了
&&&&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&&&&
　投稿邮箱：　新闻热线：
　您的当前位置： &
围棋人脑会很快不敌电脑 因为电脑正在学会思考
&&岱山新闻网
　　下个月，谷歌旗下的DeepMind公司研发的人工智能&阿尔法围棋&，将与李世石进行百万美金的人机大战。这场对弈，就像1997年IBM的&深蓝&与国际象棋冠军卡斯帕罗夫的史诗对决一样意义非凡。
　　日前，&阿尔法围棋&的研发者、39岁的杰米斯&哈萨比斯被外媒揭秘，他本身就是一个传奇人物&&他是游戏开发者、神经系统科学家、人工智能专家，还是一个国际象棋神童。总之，他是一个不折不扣的超级天才。
　　　他是国际象棋神童
　　　也是游戏开发者和神经科学博士
　　杰米斯&哈萨比斯从4岁就开始下国际象棋，并很快成长为神童。
　　13岁时，哈萨比斯就取得了国际象棋大师的头衔，在其年龄组中排名世界第二。不过现有的资料并没有显示他也懂得围棋。
　　哈萨比斯的兴趣很快就转移到了电脑和游戏上。8岁时，他用历次参加国际象棋比赛积累下来的奖金买了一台频谱计算机，在上面自学编程。
　　青少年时期，他曾在一场为游戏《太空侵略者》设计续集的比赛中获得第二名，并被游戏公司&牛蛙&相中。在牛蛙公司，哈萨比斯协助设计和发布了《主题公园》这款模拟现实游戏。
　　17岁时，哈萨比斯去剑桥大学攻读计算机科学。整个大学期间，哈萨比斯一直没有脱离游戏的世界。1998年，他成立了自己的游戏公司Elixir Studios，不过他开发的游戏并没有取得他期待的那种成功。
　　为了寻找灵感，哈萨比斯开始研究人脑。他在伦敦大学学院(UCL)念完了神经科学博士，发表了12篇研究论文，并在该校的盖茨比计算神经科学所工作。
　　在UCL期间，哈萨比斯研究的方向是海马体。海马体是人脑的一个区域，对方向感、记忆调取和未来事件的想象至关重要。
　　哈萨比斯很快便做出了成绩。2007年，在一项被《科学》杂志评选为&年度突破&的研究中，他向人们展示出，五名因脑损伤而遭受失忆症折磨的病人，他们的海马体会努力地设想未来的事情。
　　　人工智能约战李世石
　　　或将彻底碾压人脑
　　不过到了2011年，他决定放弃了博士后的研究生生活，转而创立了以&解决智能&为理念的DeepMind公司。
　　2013年底，DeepMind公司在一场机器学习领域的顶级研究会上演了自己的处子秀。
　　DeepMind的研究员们演示了软件是如何学习玩一些经典得分游戏的&&该软件并未编入任何怎么玩游戏的信息，它只与控制器和显示器相连，并在知晓得分方式后，便开始凭借本能尽量打出最高分。它玩得比任何一个人类都要好，经过反复测验，这个程序在每个游戏上的表现都像是专家级的玩家。
　　据悉，DeepMind利用了一种叫做&深度学习&的新兴机器学习技术，其中便包含了模拟神经元网络处理数据。
　　谷歌公司很快就意识到了这项成果的重要性，他们2014年1月便宣布用4亿英镑收购才成立两年的DeepMind公司，不过哈萨比斯依然领导着公司的研发团队。
　　而他们的最新成果，就是开发的人工智能&阿尔法围棋&打败了职业二段棋手、欧洲围棋冠军樊麾，这也是人工智能第一次战胜职业围棋手。随后，他们约战过去十年里的围棋第一人李世石。
　　虽然不少人认为&阿尔法围棋&很难打败李世石，不过哈萨比斯却看好自己的软件。
　　&人类在一年里只能下1000盘棋，但是阿尔法围棋可以在一天就下几百万盘。它有强大的处理能力，不断获得训练，所以阿尔法围棋可以到达人类远远达不到的境界。&
　　在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，人工智能和人类的大脑，究竟谁更强大，答案很快就会揭晓。
　　不过几乎所有人也都意识到，即便这一次人工智能无法战胜李世石，但距离人工智能彻底碾压人脑的这一天，并不遥远了。
　责任编辑：李国平
┃批准文号：浙新办〔2010〕11号
电话：（FAX） E-mail:
岱山县委宣传部主管 浙江在线新闻网站平台支持心中有个很大的疑问，为什么围棋下那么久才能进步一点点_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：146,468贴子：
心中有个很大的疑问，为什么围棋下那么久才能进步一点点
为什么不是学一周进步 0.5 段，学一个月提升一段这样的速度前进。 谁可以解释一下大家都慢速进步的机理是什么？
当年创建贴吧人到底是咋...
神父到底强在哪里？白羊...
今天手感全无，被一个不...
斑在一开始钱五分钟的时...
百度百科终结的炽天使看...
为什么8号楼是鸳鸯楼
因为别人的进步限制了你的进步……
任何东西都有极限存在的。
人笨吧，十几岁就定断
贴吧水分最简单
孙明明身高2.35米，本人什么时候超过孙明明的身高
用功程度跟有没有良师都很重要
因为硬件差。计算机循环算个上亿次也就秒算。人类这破硬件早晚被淘汰掉，人工智能必然会觉醒后消灭掉没啥用的人类的。
学什么不都是很慢的吗…语文之类的学的更慢
最慢的是学做人
贴吧热议榜
使用签名档&&
保存至快速回贴现在网上在谈网络围棋迟早有一天能下赢人脑... | 问答 | 问答 | 果壳网 科技有意思
现在网上在谈网络围棋迟早有一天能下赢人脑，我觉得这个不靠谱。因为电脑下棋纯属用的是蒙特卡洛法，不能完全理解围棋的内涵，而且，电脑太死板了，不能变通。不知道大家是怎么想的？
蒙特卡罗法，也就是蒙特卡洛方法。称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。 电脑就是应用这种方法来进行的各种概率模拟，它们也在计算。但和人计算的概念不同。电脑不知道手筋，官子，死活这些东西，所以我觉得即便是电脑能下赢的也仅仅只能是初级的棋手。
Electrical Engineering
EDIT：monte carlo的提法是不对的。所谓monte carlo模拟是指按照观察到的概率分布，随机生成一些样本，然后做大量的互相独立的模拟，再观察结果有什么规律。旧时的下棋AI用的是穷举，这个不涉及任何随机的过程，只是把所有情况都权衡一边而已。楼主的论断太过武断了。我提两点：1.现在的AI算法早已经不是单纯的穷举了。2.围棋本质上对计算能力还是有要求，这方面机器有优势。-------------------------------------------------------------传统的下棋AI，像深蓝，确实是用树形搜索一层一层往下找的。搜索解决不了围棋问题，是因为围棋相比国际象棋，难点有二。其一，是棋盘太大，总共361格，开局阶段每一步都有三百多种可能的落子位置；我们管这个叫搜索树的branching factor，想象一下一棵树，每一个端点都能分出三百多个叉，搜索的难度远大于国际象棋。其二，就是如楼主说的，围棋有很多比较虚的大局观的问题，是机器很难掌握的（至于官子，死活，甚至打劫这种问题，其实根本不算问题，很容易解决的）。但是我们也要知道，围棋虽然有大局观问题，有棋风，棋力这些玄妙的东西，但是仍旧是一种依赖计算的游戏。石佛李昌镐最变态的能力就是计算，提前几十步就能算到正负半目的差距，实在是惊为天人。他的师父曹薰铉先生虽然棋风飘逸，大开大合，却总做不到李昌镐那样长时间称霸棋坛，其差距我觉得是在计算能力上。综上我们大概能有一个概念，就是简单的搜索算法，在开局阶段很难下好，但是一旦顺利进入中盘和官子阶段，机器还是有先天的优势的。那么针对大局观、开局取势的问题，我觉得我们现在的研究方向是有希望解决的。我只看过很少的围棋方面的论文，不过就泛泛地说，现在AI用的算法已经远比单纯搜索复杂了。我们会有一个training（训练嘛，就是用数据来调参）的过程，现在也已经有各种所谓structural training的模型，也就是说我们可以把一些零散的规律告诉电脑，而电脑可以利用这些规律从海量的棋谱数据中有结构的提炼出有用的信息，并在以后的不断training中自己提炼新的规律。而模糊逻辑的应用，也可以帮助AI更好的布局。我们自己下棋的时候也往往会有这样的经历，就是把眼镜摘了看棋盘的时候往往会对棋局的脉络看得更清楚。字码的有点太多了。想说的就是现在的AI已经越来越灵活越来越能自我学习了。而且AI发展这么快，Siri和小黄鸡那样的应用已经开始出现，未来到底怎么样真的很难说。
(C)2016果壳网&&&&京ICP证100430号&&&&京网文[-239号&&&&新出发京零字东150005号&&&&
违法和不良信息举报邮箱：&&&&举报电话：

我要回帖

更多关于 降临这么快下线了 的文章

 

随机推荐