JMeter性能测试基础实战视频教程
14240 人在学
由谷歌伦敦子公司DeepMind开发的AlphaGo机器,以5:0的绝对优势击败了欧洲围棋冠军樊麾。樊麾出生于中国、现籍法国,现为法国国家围棋队总教练。
据悉,“AlphaGo”还与其他几个种类的围棋软件展开切磋,495局比赛中仅败阵一局,优势十分明显。
今年3月,“AlphaGo”将挑战全球顶级的韩国九段棋手李世乭,奖金是100万美金。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。”
战胜围棋高手到底有多难?
在过去的二十多年里,机器在诸多智力游戏领域都战胜了人类,国际象棋、跳棋、黑白棋、扑克牌等都被人工智能拿下。
1952年计算机掌握了第一款游戏——井字棋。
90年代中期,一个名叫Chinook的程序打败了全世界顶尖的跳棋高手们。
1997年,IBM的“深蓝”打败了当时国际象棋大师卡斯帕洛夫。
2011年,IBM的Watson 在智力游戏Jeopardy中夺得第一。
然而,尽管上述智力竞赛均被人工智能拿下,围棋也一直是例外,人类智力总是更胜一筹。尽管有着极简的游戏规则,但实际上围棋却是一种极为复杂的游戏。
围棋起源于三千多年前的中国,计算起来,共有10的170次方种可能的走法——这个数字大于宇宙中原子的数量,比国际象棋还多一个10的100 次方。
尽管目前AlphaGo机器已战胜欧洲围棋冠军,但谷歌公司今日却发文承认,截止目前,围棋仍然是横亘在人工智能研究者面前的难题:计算机真正的围棋水平只能达到业余选手的程度。
谷歌如何做到?
谷歌公司称,传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ,但这种方法对围棋并不适用。所以在征服围棋的过程中,谷歌决定另辟蹊径,构建了AlphaGo的系统,将高级搜索树与深度神经网络结合在一起。
这些神经网络通过12个处理层传递对棋盘的描述,这些处理层包含数百万个类似于神经的连接点。其中一个神经网络“策略网络”(policy NETwork)选择下一步走法,另一个神经网络“价值网络”(value network)预测比赛胜利者。
谷歌用人类围棋高手的三千万步围棋走法训练神经网络,直至神经网络预测人类走法的准确率达到57%。为了打败樊麾,AlphaGo学习自行研究新战略,在它的神经网络之间运行了数千局围棋,利用反复试验调整连接点,这个流程也称为巩固学习。 完成训练后,谷歌再对AlphaGo进行测试。首先,谷歌在AlphaGo和其他顶级计算机围棋程序之间举行了比赛,结果AlphaGo在全部500场比赛中只输了一场。下一步就是邀请欧洲围棋三料冠军樊麾来到谷歌的伦敦办公室参加挑战赛,结果大家已经知道了。
谷歌将用人工智能做灾难分析
谷歌公司称,这项成就最重要的意义在于,AlphaGo不仅是遵循人工规则的“专家”系统,它还通过通用“机器学习”自行掌握如何赢得围棋比赛的规则。
游戏是迅速而高效地开发及测试人工智能算法的完美平台,不过最终,谷歌表示,要运用这些技术解决现实社会的重要问题。
“我们所采用的方法具有通用性,因此我们希望有一天这些方法也能用来解决当今世界面临的最严峻、最紧迫的问题——从气候建模到复杂的灾难分析,期待着继续运用这些技术解决更多问题!”