美媒:阿尔法围棋获胜诠释深层学习威力

  次阅读 来源:互联网(转载协议) 2016-03-21 09:53 我要评论(0)

阿尔法围棋赢得最后一局 与李世石战成4:1

(来源:~~)

核心提示:为了弄清这些棋局中蕴含的决胜策略,系统使用了一种名为“深层学习”的超凡方法,能够梳理出模式并一下抓住重点,而不会迷失在信息海洋中。

参考消息网3月19日报道 美媒称,“阿尔法围棋”这个由谷歌旗下“深层思维”公司创建的人工智能系统,在人机围棋大赛中以四比一的成绩击败了围棋冠军李世石。这场人机大赛究竟重要在哪里?毕竟1997年国际象棋冠军加里·卡斯帕罗夫就败在了国际商用机器公司的“深蓝”计算机手下。那么为何说“阿尔法围棋”的胜利具有特别重要的意义呢?

据美国《纽约时报》网站3月16日文章称,和国际象棋一样,围棋是高度复杂的战略游戏,无法依靠机会和运气取胜。然而和象棋不同的是,没人能解释高段位围棋该如何下。事实上,甚至连围棋大师都无法完全搞懂自己为什么会下得一手好棋。从驾车到辨认面孔,这种不自知是存在于人类诸多能力中的一种普遍现象。英国哲学家、科学家迈克尔·波拉尼描绘这种奇异的状态时说:“我们知道的要比我们能表达的多。”人们将这种现象称为“波拉尼的悖论”。

文章称,“波拉尼的悖论”并没有妨碍人民使用电脑来完成一些复杂工作。这些活动的编程需要极高的精确度,以命令电脑具体该做什么。而给电脑编程的老方法在应用方面非常受限,在很多领域都行不通。

“深蓝”之所以能够有超人的绝佳表现,几乎纯粹是靠运算能力:它被输入了数百万个国际象棋案例,因此能在众多可能性中进行筛选,从而确定下一步棋的最佳位置。然而围棋落子的可能性要多得多,即便是运算速度最快的电脑都无法模拟哪怕其中一小部分。

文章称,“阿尔法围棋”生动地诠释了新方法的威力。这个方法是创建一个几乎完全靠自学,并通过观察成功与失败案例来掌握得胜技巧的系统。

“阿尔法围棋”确实使用了模拟的方式和传统搜索算法来帮它下了几步棋,但真正的突破则在于它能够克服“波拉尼的悖论”。之所以能做到这点,是因为它既能通过具体案例,也能通过自身经验来得出决胜战略。这些案例取材于2500年围棋史上出自围棋大师之手的无数经典棋局。为了弄清这些棋局中蕴含的决胜策略,系统使用了一种名为“深层学习”的超凡方法,能够梳理出模式并一下抓住重点,而不会迷失在信息海洋中。

文章称,对于人脑来说,学习是一个在神经元之间形成并加强关联的过程。“深层学习”系统采取了类似方式,因而被称作“神经网络”。它在软件中建立起数十亿节点和关联,使用案例“训练集”来强化刺激(正在下的棋)和反应(下一步棋)间的关联,而后再对系统进行新刺激,并观察其反应。通过另一种名叫“强化学习”的技术,“阿尔法围棋”还和自己下了数百万盘棋,以记住有效走法和战略。

“深层学习”和“强化学习”并非新生事物,然而直到最近,我们才认清其威力以及其所能到达的境地。

文章称,虽然还有很长的路要走,但其意义深远。未来数年内,技术带来的变革将会波及人类经济。了解并解决科技迅速发展所带来的社会挑战仍是人类所面临的任务,没有机器能够替代我们完成。

本站文章信息来源于网络以及网友投稿,本站只负责对文章进行整理、排版、编辑,是出于传递更多信息之目的,并不意味着赞同其观点或证实其内容的真实性。如果您有什么意见或建议,请联系QQ28-1688-302!

人工智能实验室
相关文章相关文章
  • 鸿雁全屋智能开启万科郡西云台智慧生活

    鸿雁全屋智能开启万科郡西云台智慧生活

  • 波音公司推出无人驾驶纯电动货运飞机原型机

    波音公司推出无人驾驶纯电动货运飞机原型机

  • 科大讯飞刘庆峰:AI替代率高的岗位人类本就不喜欢

    科大讯飞刘庆峰:AI替代率高的岗位人类本就不喜欢

  • 特朗普政府考虑建设国有化5G网络,应对中国

    特朗普政府考虑建设国有化5G网络,应对中国

网友点评网友点评
阅读推荐阅读推荐

算法 任何一个入门的软件开发人员都会听到这句话:算法是软件的灵魂!近年来大火的机器学习即是在算法在人工智能上的集中体现。今日头条通...

据《日本经济新闻》报道,日本东京大学教授稻叶雅幸等人开发出再现日本人骨骼肌肉构造的机器人。机器人各部位的肌肉和骨骼长度与日本人的平...

以奥黛丽-赫本为原型打造的人形机器人索菲娅首次拜访了印度。索菲娅是世界上首位获得公民身份的机器人,她在12月30日出现在了印度理工学院...

在查获现场,代售点电脑旁的一台机器人通过敲击电脑键盘抢票。 广州日报惠州讯 (全媒体记者秦仲阳 通讯员张中铃摄影报道)2018年春运售票已...