从AlphaGO到现在的Master，人工智能AI也不一定无敌.doc

《从AlphaGO到现在的Master，人工智能AI也不一定无敌.doc》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、从AlphaGO到现在的Master，人工智能AI也不一定无敌　　2016年3月9日可能会成为写入人类史册的一天——持续五天的谷歌AlphaGo大战李世石开始，一场世界上最会下围棋的人与人工智能的超级对弈，被全人类通过网络直播共同围观。　　在赛前，围棋界和科学界的很多人都对这场比赛做了预测。谷歌对自己开发的机器人信心很足，声称根据电脑计算的结果，李世石打败“阿尔法狗”的概率为0。而围棋界则多数站在李世石这一边，中国棋圣聂卫平认为李世石败北是不可能的事情。　　就在这第一场比赛中，李世石在前期优势的情况下不敌“阿尔法狗”，并在终局宣告认输。而在赛前，李世石曾自信表示自己能够赢满5

2、盘。所以说flag不要乱立。AlphaGO到底是何方神圣？竟强到让围棋一代天骄李世石九段败下阵来？　　　　简单介绍一下，谷歌AlphaGo是什么？作为一种人工智能的AlphaGo，和IBM在上个世纪打败国际象棋大师卡斯帕罗夫的深蓝超级计算机，以及当代的苹果Siri、GoogleNow有着显著的区别。要解读AlphaGo，首先我们需要了解AlphaGo背后到底是一个什么东西。其实谷歌AlphaGo背后是一套神经网络系统，由Google2014年收购的英国人工智能公司DeepMind开发。这个系统和深蓝不同，不是一台超级计算机，而是一个由许多个数据中心作为节点相连，每个节点内有着

3、多台超级计算机的神经网络系统。就像人脑，是由50-100亿个神经元所组成的，这也是为什么这种机器学习架构被称为神经网络。　　AlphaGo是在这个神经网络系统上，专为下围棋（Go）而开发出的一个实例。然而，虽然名字已经介绍了它的功能，AlphaGo背后的神经网络系统却适合用于任何智力竞技类项目。其实“Master”的棋手就是AlphaGo的升级版　　1月5日消息，谷歌DeepMind开发的AI在围棋棋盘上战胜韩国世界冠军之后再度重返，2016年12月29日至2017年1月4日，谷歌AlphaGo的升级版本以Master为名，在弈城围棋网和野狐围棋网的快棋比赛中对人类最高水平的

4、选手取得了60:0的压倒战绩，再次让人们对围棋AI的实力感到震惊。5日早些时候，谷歌DeepMind创始人丹米斯·哈撒比斯（DemisHassabis）在Twitter发布消息，证实升级版AlphaGo在网上与真人对决。　　哈撒比斯写道：“在过去几天里，我们在网上进行了一些非正式围棋比赛，对局以快棋的形式进行……我们的目的只是为了查看系统是否如预期一样好。”他还说：“感谢那些在弈城围棋网和野狐围棋网与我们对弈的棋手，我们的账号是Magister（P）和Master（P），我们还要感谢那些观战的人。”　　之前许多人都在猜测这位围棋高手是谁，大家都不确定，有人怀疑它是电脑。中国棋

5、手古力悬赏10万元，寻找可以打败“Master”的棋手。　　DeepMind发布的消息显示，非正式测试可能已经结束，今年晚些时候，AlphaGo将会参加一些正式比赛。　　一直以来，我们都在努力改进AlphaGo，在过去几天里，我们进行了一些非正式网上比赛，对局以快棋的形式进行，参加比赛的是最新开发的原型版系统，进行网上对决只是为了检查系统，看它是不是和预料的一样好。感谢那些在弈城围棋网和野狐围棋网与我们对弈的棋手，我们的账号是Magister（P）和Master（P），我们还要感谢那些观战的人。　　新版AlphaGo在比赛中下出了一些富有创意、非常漂亮的棋步，我们和围棋社区从

6、中学到了许多东西，对此我们感到很兴奋，结果让人满意。　　人工智能大家谈：AI在围棋界已再无对手，但并不证明在其他领域也是这样　　与AlphaGo对弈之后，棋手古力发帖称：“人类与AI携手合作，很快将会揭开围棋的深层秘密。”现在我们的非正式测试已经结束，今年我们准备与围棋组织、专家合作，举办正式、完整的比赛，进一步探索围棋的秘密，让人类与AI互相启迪，共同进步。很快我们就会公布更多消息。　　Master目前一局未输，是不是代表人工智能在围棋界已再无对手？第四范式CEO戴文渊认为基本已成定局。戴文渊称，机器学习的能力太强了，它是勤奋好学的不知疲倦的小孩，没有人能维持这样的强度，所

7、以人类和机器的差距会越来越大。现在想赢机器，需要顶尖高手戳中机器盲点这样的黑天鹅事件才有可能。　　对于Master是否是AlphaGo这个问题，戴文渊称这个已经不重要了。因为AlphaGo本身的技术已没有什么秘密可言，只要有足够的计算资源，然后按照AlphaGo的方式去训练一个下围棋的程序，最终都能实现这样的高水平。戴文渊称，技术其实不需要有特别大的突破，只需要按照原来的方式多训练一段时间，就会比原来的AlphaGo更强。不过，虽然从技术上来说其它公司实现Master是可能的，但从成本上考虑，应该不可能