全球网友围观人机围棋大战：电脑胜了人脑|谷歌|美元|人脑_新浪财经_新浪网
　　人机大战：电脑胜了人脑
　　全球网友围观人工智能标志性事件
　　人脑终于还是输给了电脑！昨天，人工智能系统AlphaGo与围棋世界冠军李世石的首场对决，吸引了全球网友围观。不过，此役最终以李世石的主动认输告终。李世石表示，是自己在开局时的失误，导致了局势一直没有办法扭转。一些围棋界人士感叹不可思议，而科技界人士则认为这是人工智能的一个标志性事件。
　　一场全球关注的围棋赛
　　围棋并不是每个人都看得懂，而昨天的一场特殊的围棋比赛却被成功刷屏了。
　　昨天，是谷歌人工智能AlphaGo与韩国棋手李世石的第一场比赛，双方在较量3个半小时后，李世石宣布认输。据悉，双方还将分别在3月10日、12日、13日、15日的北京时间中午12点进行剩余4场比赛。
　　围棋，是一种有着2500年悠久历史的棋类游戏，复杂程度远非国际象棋可比。在一些人士看来，围棋比赛的胜利可以视为人工智能进步的一个标志性事件。而一向爱看热闹的人类早就把这场比赛上升到了人脑和电脑博弈的高度，这也是继1997年“深蓝超级计算机”打赢国际象棋冠军卡斯帕罗夫后的又一次人机较量。
　　整个比赛过程都备受关注：比赛一开始，李世石还比较轻松，但几经波折，李世石还是因为激进的下法败下阵来。赛后李世石表示：“我感到非常吃惊。我没想到会输。一开始我就犯了错，直到最后我也无法扭转。我没想到AlphaGo会以如此完美的方式赢得比赛。”
　　不过，我国围棋高手柯洁则表示，“就算AlphaGo战胜了李世石，但它赢不了我。”他同时表示，本来不打算接受人工智能的挑战，但看了李世石的失利，自己还要重新考虑一下。
　　人脑厉害还是电脑厉害？
　　AlphaGo由DeepMind开发，这家人工智能研发公司在2014年初被谷歌以4亿美元收购。而AlphaGo最厉害的就是有非常强大的自主学习能力，可以很快根据你的招数学习进步，见招拆招。按照谷歌的说法，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。
　　美国知名科技记者马尔科夫认为，虽然AlphaGo最终获胜，也只能够证明人类的程序设计能力和计算能力超强，并不能说明人工智能已经超越了人类。谷歌董事长埃里克在赛前发布会上也表示：AlphaGo输赢都是人类的胜利，因为正是人类的努力才让人工智能有了现在的突破。
　　昨天，不少人被这样一个调侃段子刷屏：我叫李世石，我是一名来自韩国的棋手，今天早上出门前，我在网上各大投注点用尽家财下了巨额赌注买我自己输，我想，这就是人类比人工智能强的地方。北京晨报记者 孙雨
责任编辑：柯敏 SF164为什么围棋电脑赢不了人脑, 为什么围棋电脑赢不了人脑
为什么围棋电脑赢不了人脑
住吉三神 为什么围棋电脑赢不了人脑
是凭感觉得。据说这也是现在印证人脑胜电脑的地方。而在围棋里却不行因为围棋有很多虚的地方。不学围棋太可惜了。这不是计算和数字能表现出来的。所以在别的棋类里电脑可以轻易战胜人类围棋人机大战首局落定 人脑真的败给了电脑吗？
直播间的屏幕显示，李世石在对弈中明显落后。新华社记者 姚琪琳摄
李世石(右)与“阿尔法围棋”对弈现场。新华社发
　　韩国当地时间3月9日13时，当今世界围棋第一人、韩国九段棋手李世石与谷歌围棋AlphaGo(阿尔法围棋)的人机大战如约而至，这场世人瞩目的比赛也标志着人工智能迈出了划时代的一步。经过近四个小时的激战，AlphaGo执白中盘战胜李世石，在五番棋的比赛中暂时以1比0领先。
　　2015年10月，由谷歌公司开发的围棋软件AlphaGo与欧洲围棋冠军樊麾二段进行了五场秘密比赛，结果，欧洲冠军被5比0横扫。三个月后，著名的《自然》杂志率先披露了这一赛事结果：“面对AlphaGo，人类最后的智力骄傲崩塌了？”
　　尽管人工智能早在近20年前和10年前就分别战胜了国际象棋和象棋的世界冠军，但在围棋界的高手看来，AlphaGo并没有外行人想象中的厉害。大家普遍认为，包括AlphaGo在内的人工智能围棋都只是业余水平，要想像“深蓝”战胜卡斯帕罗夫那样，在短时期内并无可能，因为AlphaGo的实力仍停留在业余高手阶段，尚不具备与职业高手对抗的能力。
　　谷歌公司主持研发AlphaGo的最高执行官则认为：在国际象棋方面，电脑可以通过快速计算战胜人类。但围棋存在国际象棋所无法比拟的大量变数，最重要的是，在围棋博弈中，人的直观感受和洞察力可以发挥决定性作用。“人们一直认为围棋是人工智能不可能战胜人类的领域，我们想要挑战这种不可能。大家可能仅根据AlphaGo与樊麾的对弈棋谱作出了这一判断，希望大家不要把那场对弈看作AlphaGo的全部实力。从胜率上讲，各有五成概率。在对弈内容上，AlphaGo应该不会输给李九段。”
　　于是，AlphaGo的研发者谷歌公司掏出百万美元的资金，请出近十年来获得世界冠军最多(14个)的李世石，来证明到底是人脑强还是电脑强。
　　国内各大门户网站差不多对这场比赛都进行了网上直播，并都请来职业围棋高手进行讲解。这些高手普遍认为，从棋局进程来看，李世石开局心态有些失衡，用常昊九段的话说：他在右上角选择了激烈的作战，如果不看对局者的话，很容易让人将对弈者的位置对调，因为执黑的李世石着法显得生硬，其后更是撑得极满。
　　不过，之后AlphaGo弈得亦很生硬，让李世石趁机在中腹围出大空后，棋局形势逆转。就在大家都认为李世石占优的情况下，他却放出了非常业余的手法，瞬间使微弱的优势化为乌有，还变成了劣势。进入官子，AlphaGo根本不犯一点错误，着着精准，李世石算清后投子认输。
扫一扫，分享到微信朋友圈
责任编辑：AP015
本文相关推荐
里约当地时间本周一，巴西警方在奥运村中再抓获一名性侵清洁女工的拳击运动员。
4岁时，阮维海右腿下半部分开始出现生长异常。17岁时，长出的异物估计重达25公斤。
王宝强的离婚案可谓一波三折，网上流言四起，众说纷纭。
世界最奇异9大村庄 中国功夫村上榜
获得亚军的何姿却“抢了头条”，颁奖后秦凯单膝跪地向她求婚。何姿眼含热泪地戴上了戒指。
24小时点击排行榜
热线：020-
频道信箱：sports21cn＃ (#改为@)> 人脑VS电脑 谷歌人工智能挑战人类围棋冠军
人脑VS电脑 谷歌人工智能挑战人类围棋冠军
发布时间：16-02-23 14:13
来源：互联网
作者：佚名
北京时间2月22日消息，继宣布AlphaGo实现突破性研究－计算机程序首次击败专业棋手之后， Google DeepMind今日公布了即将与过去十年最佳围棋手李世石之间的终极挑战的详细情况。
3月9日至3月15日，AlphaGo将在韩国首尔与李世石进行5场挑战赛。比赛完全平等，获胜者将得到一百万美元奖金。如果AlphaGo获胜，奖金将捐赠给联合国儿童基金会(UNICEF)，STEM教育，以及围棋慈善机构(Go Charity)。
因围棋步骤的绝对数量比宇宙的原子数还多，它一直被视为最复杂的电脑游戏之一，也是人工智能始终未解的挑战。DeepMind在上月的科学杂志Nature，以一篇论文公布了这一突破性进展的详细情况。
比赛采用中国围棋规则
比赛将于北京时间中午12点在首尔四季酒店举行，具体日程如下：
1. 3月9日 (星期三)：首场比赛
2. 3月10日(星期四)：第二场比赛
3. 3月12日(星期六)：第三场比赛
4. 3月13日(星期日)：第四场比赛
5. 3月15日(星期二)：第五场比赛
比赛将采用贴7.5目的中国规则(比赛结束时，后走棋的棋手贴目)。每位棋手各有两个小时布局时间，3次60秒的读秒，每场比赛预计需要大约4-5个小时。
1、比赛分先进行，共下5盘，五盘对局取三胜以上为优胜，获得奖金100万美元（固定汇率：11亿韩元）。
2、若Alpha GO获胜，奖金捐献给联合国儿童基金和STEM教育（科学、技术、工程、艺术以及数学）及围棋相关公益团体。
3、比赛即使3：0、3比1分出胜负，与比分无关将下满五盘棋，以便Alpha GO拥有更多学习机会。
4、以下满五盘为条件，李世石可获得15万美元（约1亿6500万韩元）出场费，同时每胜一局获得2万美元胜局奖金。如果五盘全胜，胜局奖金为10万美元（1亿1000万韩元）。即李世石五战全胜获得优胜，最多可以获得125万美元（13亿7500万韩元）。
5、比赛用时每方2小时，1分钟读秒三次。比赛采用中国规则，黑贴3又3/4子（黑贴7目半）。采用中国规则的原因，是因Alpha GO以中国规则为基础开发。
6、比赛开局时间为韩国当地时间下午1点（北京时间中午12点），比赛不设中间休息。
7、比赛时李世石在棋盘上落子，助手将手数输入电脑传送给Alpha GO。Alpha GO的手数由助手摆到李世石落子的棋盘上。
8、所有对局通过Deep Mind公司youtube频道向全世界实况直播，此外通过韩国棋院围棋TV和因特网围棋网站直播。
人工智能挑战围棋有多难？
计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等棋类上，计算机都先后完成了对人类的挑战。但对拥有2500多年历史的围棋 而言，计算机在此之前从未战胜过人类。围棋看起来棋盘简单、规则不难，纵横各19九条等距离、垂直交叉的平行线，共构成19&19(361)个交叉点。比 赛双方交替落子，目的是在棋盘上占据尽可能大的空间。
在极简主义的游戏表象之下，围棋具有令人难以置信的深度和微妙之处。当棋盘为空时，先手拥有361个可选方案。在游戏进行当中，它拥有远比国际象棋更多的选择空间，这也是为什么人工智能、机器学习的研发者们始终希望在此取得突破的原因。
就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10的170方，而已经观测到的宇宙中，原子的数量才10的80方。国际象棋最大只有2155种局面，称为香农数，大致是10的47方。
&机器学习&预测人类行为
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。此次谷歌推出的AlphaGo，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，处理层则包含数百万个类似于神经的连接点。
其中一个神经网络&决策网络&(policy network)负责选择下一步走法，另一个神经网络&值网络&(&value network)则预测比赛胜利方。谷歌方面用人类围棋高手的三千万步围棋走法训练神经网络，与此同时，AlphaGo也自行研究新战略，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(reinforcement learning)。通过广泛使用Google云平台，完成了大量研究工作。
AlphaGo所使用的神经网络结构示意图AlphaGo所使用的神经网络结构示意图
征服围棋对于谷歌来说有重要意义。AlphaGo不仅是遵循人工规则的&专家&系统，它还通过&机器学习&自行掌握如何赢得围棋比赛。谷歌方面希望运用这些技术解决现实社会最严峻、最紧迫的问题&&从气候建模到复杂的灾难分析。
在具体的机器训练上，决策网络的方式是输入人类围棋专家的比赛，到系统可以预测57%人类行动为止，此前最好成绩是44%。此后AlphaGo通过在神 经网络内部进行比赛的方式(可以简单理解成和自己下棋)，开始学习自主探索新的围棋策略。目前AlphaGo的决策网络可以击败大多数具有庞大搜寻树的最 先进的围棋程序。
Google DeepMind首席执行官、联合创始人Demis Hassabis表示：&围棋是深刻而复杂的游戏。为了击败一名职业棋手，我们不能只靠模仿，而是自主发现新的战略规则。因为方法是通用的，我们希望有一天可以将其运用于解决社会最棘手和最紧迫的问题上。不论我们在三月份能否赢李世石，这场比赛都一定能够激发世界各地对围棋的兴趣。&
AlphaGo战绩惊人
Park Chimoon, 韩国棋院副主席表示 &全世界都在关注这场人类与电脑在智能领域的首次交锋。这一历史时刻将由围棋来传达，我为此感到骄傲。我希望李世石能获得胜利，去证明人类卓越的智商以及维护围棋的神秘特性。&
实际上，目前AlphaGo已经成为最优秀的人工智能围棋程序。在与其他程序的对弈中，AlphaGo用一台机器就取得了500场的胜利，甚至有过 让对手4手后获胜的纪录。去年10月5日-10月9日，谷歌安排AlphaGo与欧洲围棋冠军Fan Hui(樊麾：法国国家围棋队总教练)闭门比赛，谷歌以5-0取胜。
此次比赛的李世石是近10年来获得世界第一头衔最多的棋手，谷歌为此提供了100万美元作为奖金。李世石谈到此次比赛时表示：&这是电脑首次在公平比赛中挑战人类专家选手，我很荣幸能参与进来。无论结果如何，这都是围棋史上的重要时刻。我听说Google DeepMind的人工智能出乎意料的强大，并且一直在优化，但至少这次我还是很自信能够取得胜利。&
AlphaGo与欧洲围棋冠军樊麾的5局较量AlphaGo与欧洲围棋冠军樊麾的5局较量
人机对弈谁将胜？
值得一提的是，上一次著名的人机对弈要追溯到1997年。当时IBM公司研发的超级计算机&深蓝&战胜了国际象棋冠军卡斯巴罗夫。不过国际象棋 的算法要比围棋简单得多。国际象棋中取胜只需&杀死&国王，而围棋中则用数子或比目的方法计算胜负，并不是简单地杀死对方棋子。此前，&深蓝&计算机的设 计人2007年发表文章指出，他相信十年内能有超级电脑在围棋上战胜人类。
该项目并未给IBM带来可以销售的产品，但却让我们意识到：基础科学研究所面临的巨大挑战是值得我们去迎接的，虽然企业在这方面的收益还无法量化。
随着顶级科技公司争相在产品中融入智能技术，谷歌并不是唯一一家研究围棋AI的公司，Facebook对围棋人工智能的研究整合此前也亮相最新 的计算技术：深卷积神经网络(deep convolutional neural networks)和蒙特卡洛树搜索(Monte Carlo tree search)，前者利用类似于大脑的算法来学习和识别棋盘上各种模式的重要性，而后者相当于一种超前思维，用于计算详细的战略步骤。
Facebook和谷歌在围棋人工智能方面的研究具有极大的代表意义。与国际象棋相比，围棋更具深度。要让计算机掌握相关技巧，需要更多类似于人类的模式 识别和直觉判断技巧，计算机象棋软件越来越优秀，已将揭开了这项游戏的神秘面纱；相比之下，围棋目前更加神秘。但将来，围棋的神秘色彩也可能不复存在。&
关注52PK微信公众号
扫描二维码或添加微信号：love52pk 关注“52PK游戏网”
第一时间获取最火游戏激活码
最有趣游戏资讯
*网友评论仅代表其个人看法，并不表明本站同意其观点及描述。
日期游戏名称测试状态