【谷歌AI】谷歌AI击败围棋冠军旗手为中国人 韩国李世乭成人类最后希望？-围棋冠军-韩国李世乭

欢迎您访问我爱IT技术网，今天小编为你分享的是新闻资讯是：【谷歌AI击败围棋冠军旗手为中国人 韩国李世乭成人类最后希望？】，下面是详细的分享！

谷歌AI击败围棋冠军旗手为中国人 韩国李世乭成人类最后希望？

前瞻科技注：谷歌 AI 击败欧洲围棋冠军，有网友评论称，“欧洲围棋冠军最多业余 5 段……复仇的希望寄托于中韩旗手。”看过樊麾的简历，相信网友就不会这么说了。以下是樊麾简介：

欧洲围棋冠军樊麾

樊麾，1998 年进入国家队，与古力、刘星是同一拨棋手。2000 年初，樊麾前往法国留学。此后在围棋界泰斗王汝南的搭桥下，樊麾接触到法国围棋协会，开始了在法兰西边求学边下棋的生活。2005 年，樊麾被正式聘任为法国围棋队和少年围棋队的总教练，那一年他才 24 岁。这些年，樊麾拿下了几乎全部的欧洲重量级围棋赛事冠军。

以下报道转自果壳网，作者“开明”，原标题为《面对谷歌围棋 AI，人类最后的智力骄傲即将崩塌》。

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

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。

韩国李世乭

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 3^361 种局面，大致的体量是 10^170，而已经观测到的宇宙中，原子的数量才 10^80。国际象棋最大只有 2^155 种局面，称为香农数，大致是 10^47。

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 250^150 种情况，大致是 10^360。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 35^80 种情况，大概是 10^124。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。

《自然》杂志关于 AlphaGo 的封面报道

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

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

文章的第一作者大卫·西尔弗 (David Silver)

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)

想要仔细阅读这篇论文?马上点击下面参考文献 [1] 的链接吧。

参考文献：

David Silver, et al. "Mastering the game of Go with deep neural networks and tree search." Nature doi:10.1038/nature16961

Mnih, Volodymyr, et al. "Human-level control through deep reinforcement learning." Nature 518.7540 (2015): 529-533.

关于谷歌AI击败围棋冠军旗手为中国人 韩国李世乭成人类最后希望？的用户互动如下：

　　相关问题：谁搞定了围棋人工智能

　　答：好多种 但Google应该是最牛的 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着... >>详细

　　相关问题：

　　答： >>详细

　　相关问题：

　　答： >>详细