围棋“大师”背后的科技力量

围棋“大师”背后的科技力量

ID:21722190

大小:24.50 KB

页数:5页

时间:2018-10-24

围棋“大师”背后的科技力量_第1页
围棋“大师”背后的科技力量_第2页
围棋“大师”背后的科技力量_第3页
围棋“大师”背后的科技力量_第4页
围棋“大师”背后的科技力量_第5页
资源描述:

《围棋“大师”背后的科技力量》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、围棋“大师”背后的科技力量  人工智能的领跑者  著名的人工智能围棋程序AlphaGo在2016年3月与韩国顶尖围棋高手李世?h进行人机大战,并以4:1的总比分获胜。与李世?h的对决让世界看到了人工智能的无限潜力,而到了2016年岁末,AlphaGo的进击版更是通过名为Master(“大师”)的账号,在网络上与中韩高手连番过招,以连赢60场的成绩令人惊叹。  在创造这一前所未有围棋奇迹的背后,是一支充满了智慧和活力、用数字构建未来的团队――DeepMind。  在伦敦国王十字火车站旁边一座不起眼的建筑里,藏着这样一家潜力无限的公司DeepMind(深度思维),该公司努力将机器学

2、习和人类系统神经科学的先进技术结合,发展人工智能深度学习,建立强大的通用算法,将这种技术与游戏、医疗等多项实用产业结合。谁也不曾想到,一家成立于2010年的年轻初创公司会是世界两大科技巨头――谷歌和脸书竞相争夺的宝物。最终谷歌获胜,2014年,谷歌公司以4亿英镑的高价将DeepMind收归麾下,该公司正式成为谷歌旗下人工智能领域探索的排头兵。  谷歌和?书已经在机器学习和人工智能领域走在世界最前沿了,那么,这家公司到底存在着怎样的价值,吸引了这些行业巨头的注意呢?  谷歌招揽的超强大脑  DeepMind可以说是一个智库集合,集结了400余名优秀的计算机科学家和神经学专家。下面

3、这些人物可谓是DeepMind团队精英中的精英。  德米斯?哈萨比斯  身为DeepMind创始人之一,德米斯?哈萨比斯可以说是整个公司的核心人物。哈萨比斯1976年出生于英国伦敦,4岁开始下国际象棋,13岁时就已经获得国际象棋大师头衔,15岁时,他连跳两级,提前从高中毕业。1993年,17岁的哈萨比斯进入剑桥大学学习计算机专业,同年,他依靠自己开发的游戏获得了某游戏设计比赛的亚军,进入顶尖游戏公司“牛蛙”实习,并参与开发了在全球风靡一时的虚拟游戏《主题公园》。  自1999年至2003年,哈萨比斯连续5年参加“国际智力奥运会”,连夺5次冠军,可谓是“地球上最聪明的男人”。20

4、05年,29岁的哈萨比斯重新走进学校,在英国伦敦大学攻读神经科学博士学位,潜心研究负责记忆、学习、空间导向的大脑海马体。2011年,35岁的哈萨比斯结合自己游戏设计、计算机编程和神经科学研究经验,成立DeepMind科技公司,专注研究模仿大脑的人工智能系统。  黄士杰  AlphaGo设计团队的另一位杰出人才是来自台湾的黄士杰博士。黄士杰本科就读于台湾交通大学,研究生和博士在台湾师范大学研习。他从小热爱围棋,是个业余六段围棋选手,在台湾师范大学读书时就曾经在学校创办围棋社。大学期间,黄士杰醉心研究围棋软件开发,他设计的软件参加国际电脑奥林匹克竞赛,获得19路电脑围棋金牌,这个程

5、序甚至击败了当时围棋人工智能领域公认最强的程序“Zen”,在业内引起极大的轰动。随后,他进入加拿大阿尔伯塔大学继续围棋程序研究。在博士和博士后阶段,他深入研究蒙特卡洛树搜索技术,后来将其运用在AlphaGo的走棋程序当中。  大卫?西尔弗  大卫?西尔弗是哈萨比斯在剑桥大学读书期间认识的朋友,计算机专业的他常年霸占着专业第一的宝座。在校期间,他还教会了哈萨比斯多种棋类游戏的玩法,包括围棋。1998年,哈萨比斯创立游戏公司ElixirStudios,西尔弗作为联合创始人之一,在这间公司担任首席技术官和主程序设计师。2004年,他进入加拿大阿尔伯塔大学攻读博士学位,研究人工智能增强

6、学习。2013年,西尔弗重新与哈萨比斯会合,加入DeepMind团队,以增强学习技术助力AlphaGo的设计和程序优化。  除了上面这些人,DeepMind中还有诸多学界执牛耳者,在神经科学、计算机科学、卷积神经网络研究等方面人才济济。DeepMind简直就是一群超级极客组合而成的深度学习全明星战队。  “大师”是怎样炼成的  DeepMind发布的AlphaGo在围棋棋局上出尽风头,让世界级的围棋大师们为之惊叹。围棋规则看似简单,但棋局变化却相当多,在很长的时间里,围棋都被视为人工智能开发领域的一座难以攻克的圣杯。围棋第一步361个点,下第二步有360点,如果要下到底,大概有

7、10360种下法,即便运算量惊人的计算机也很难找到最佳解法。  AlphaGo和传统的计算机围棋游戏完全不同,可以进行深度学习。它并非只是按照棋局库的固定章法来照本宣科,而是能够进行自我学习和提升,以现有数据库为基础主动创造新棋路,甚至能够走出让专业棋手摸不着头脑的步法。  DeepMind主攻人工智能的意识,让机器理解自己的任务的同时,也能够理解环境或别人在做什么,并据此作出反应,完成决定。首先,需要让计算机“懂得”棋局的规则,程序员将围棋以计算机语言描述出来。比如在19×19的棋盘上的3

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。