科研圈会员
《同意用户条款》
下次自动登陆
使用社交账号登陆
征服围棋后，DeepMind为什么把星际争霸当成了下个目标
Alex Hern |
即时战略游戏会给AI带来截然不同的挑战，玩游戏需要的能力对于处理现实世界的问题来说也是必不可少的。
&&在亚洲古老的棋盘游戏——围棋上取得巨大成功后，DeepMind正计划研究下一款游戏，而他们的新目标与围棋截然不同。&这家伦敦的AI研发公司是Google的子公司，它正与加州的游戏公司暴雪(Blizzard)在一款名为星际争霸II(StarCraft II) 的实时战略游戏 (real-time strategy game, RTS) 上展开合作。&作为一款全球闻名的电子竞技游戏，星际争霸II满足了作为DeepMind一个有趣挑战的许多要求。不仅仅是因为在该游戏中一流游戏玩家能轻松击败顶级AI对手，更是因为这款游戏会将DeepMind团队引领到一个新的探索领域。&最重要的是，星际争霸II是一款充满各种隐藏信息的游戏。每个玩家会在地图的两边开始游戏，建立极低，训练士兵，然后找出他们的对手。但是他们仅能直接看到队伍周围的区域，剩下的的地图会隐藏在“战争迷雾”当中。&“玩家必须派出他们的队伍去侦察未知地图，以获取敌人的信息，并需要长时间记住获取到的信息。”DeepMind在博客上说道。“周围环境只有部分可见，这使得挑战更为复杂——这也是星际争霸和象棋和围棋这类有完整信息的游戏之间一个有趣的不同之处。这是一款实时战略游戏，双方玩家都同步进行游戏，因此必须快速高效地计算出每一个决定。”&“一个人或者AI要能玩星际争霸，就需要有效利用记忆力，具有进行长期规划并根据新的信息调整游戏策略的能力”&然而，AI确实具有天生的优势。顶级星际争霸玩家排名的一项统计数据是“每分钟动作”（actions per minutr, APM）：实质上是每分钟点击的次数。因为没有手指，肌肉，或是患上肌腱炎的可能性，AI可以在点击上轻易超越人类玩家，这导致它可以不通过战略思维，而仅仅通过更快的反应速度获胜。因此，DeepMind会将AI限制在该公司的研究科学家Oriol Vinyals称之为“高级人类”的速度上限。这也有助于确保AI不将处理能力浪费在每分钟做出数千个无关紧要的决策上，并将注意力集中在关键的地方。&Vinyals在星际争霸中有着丰富的经验。 2010年，在加州大学伯克利分校读本科的他编写了一个游戏AI，可以在首次玩游戏就能表现得比内置的AI更好。但那个机器人只是一个简单的脚本系统，里面的每个规则都是设定好的，类似于DeepMind出现之前最好的围棋AI。和在围棋中一样，在星际争霸II中， DeepMind想要专注于机器学习，设计一个可以教会自己玩游戏的AI。&这次，DeepMind 获得了星际争霸II的开发者暴雪（魔兽世界、炉石传说和守望先锋也是这家公司开发的）的帮助，而这一帮助会使DeepMind甩掉其他任何一家想要完成同样挑战的AI研发公司。在2017年第一季度，暴雪将会更新星际争霸II，为游戏引入一个新的AI研发环境，并提供一个API，开发者可以利用这个API从游戏中获取额外的信息，用以教会他们的机器人如何玩这个游戏。&&&DeepMind的最终目标仍然是创造一台可以像人类那样玩星际争霸的电脑，仅仅通过获取屏幕上的信息并利用键盘和鼠标来完成操作。但是在短期内，利用简化视觉效果来教会他们的系统对DeepMind来说更为容易，即将地图图形和迷你地图转化为低像素的图像，并将各种特征分解成不同的图层，以清晰地显示出地形高度、单位类型和血量等各种信息。&这项合作是双赢的，暴雪希望通过这些新发现改进自己的游戏。“是否能有一个游戏世界可以具有更为复杂，甚至可以为玩家量身定制的AI？”星际争霸II的执行制作人，暴雪的Chris Sigaty说道。“我们能根据我们教导AI的方式来教导玩家吗？这将意味着什么？我们这边有很多猜测，但我们相信它将有助于改善游戏。”&但DeepMind的目标不仅仅是改进视频游戏。Vinyals说，工作室的最终目标是使用AI来解决现实世界的问题， 很自然地星际争霸II就是它的下一步。完整信息的缺乏，现实的（狭义的“现实”）视觉，开发记忆的需求，甚至是某种想象能力，都是AI尝试理解现实世界的重要技能。他说，比起现实世界，游戏是一种更好的了解现实世界的方法。“你可以快速运行游戏，它们有明确的得分，或者输赢。而且也有其他人认为，学习和掌握游戏对人类来说也是个有趣挑战，他们对游戏做出了许多优化。”&当DeepMind将注意力转向围棋时，它一年内打败了最好的AI玩家，并且在两年内打败了最好的人类玩家。但Vinyals和Sigaty都不确定AI需要多长时间来掌握星际争霸II。“从研究的角度来看，我们可能会取得很大的进步，但我认为我们现在还不知道我们能否击败最好的玩家，”Vinyals说。&Sigaty则表现得更有信心。 “我相信我们的职业玩家， 他们表现总是令人赞叹”。&翻译：张光辉&&陈璟仪&原文链接：
请关注社交媒体
Copyright & 2016
环球科学 版权所有技术小站：
地点：深圳
时间：11月2日 14:00 - 17:00
地点：深圳
时间：11月8日 13:00 - 17:30
地点：东莞
时间：11月9日 14:00 - 17:00
地点：西安
时间：11月16日 14:00 - 17:00
零基础快速成为Android项目开发工程师
ARM裸机开发实战(第1期加强版)
张飞硬件设计与开发视频教程
从0到1自己动手写嵌入式操作系统
张飞电子视频全套共十部
讲师：灵训教育
讲师：林超文
讲师：李述铜
讲师：张飞
移入鼠标可放大二维码
谷歌人工智能又出新花样 DeepMind为机器人“造梦”
作者：日 11:34
[导读] 谷歌人工智能又出新花样 DeepMind为机器人造梦 随着神经科学揭示了在梦中巩固记忆的重要性，谷歌人工智能（AI）公司DeepMind开创了一种新技术，让机器人做梦，目的是提高学习效率。
随着神经科学揭示了在梦中巩固记忆的重要性，谷歌人工智能（AI）公司DeepMind开创了一种新技术，让机器人做梦，目的是提高学习效率。
　　随着神经科学揭示了在梦中巩固记忆的重要性，谷歌人工智能（AI）公司DeepMind开创了一种新技术，让机器人做梦，目的是提高学习效率。毫不奇怪，AI技术造梦的起点，主要来自雅达利（Atari）这样的视频游戏场景。
　　DeepMind最早成功做出包括教授AI玩古老的视频游戏，如《Breakout》和《Asteroids》。但这里所指的游戏最终是让机器人做梦，做和人类做相同的事情，让机器人在现实的学习和信息存储过程中发挥重要作用。
　　　谷歌人工智能又出新花样 DeepMind为机器人&造梦&
　　为了理解实现让机器人做梦的重要性，先要理解做梦对哺乳动物（例如我们自己的）大脑是帮助的。科学家试着从神经科学的角度理解做梦的作用时，发现做梦的大部分内容都是消极或有威胁感的，可以尝试做一个月的做梦日记，你会发现这是真的。
　　事实证明，当人类梦到尴尬的事情或有威胁出现时，AI梦到的却还是重新排列游戏的各个章节，过程往复，但引导机器人做梦实质是让AI像人类那样可以通过实验不断学习。利用AI技术引导机器人做实验并分析不同的行为过程，以及对结果产生的影响。
　　那么机器人可能面临的挑战是什么？目前，世界上最先进的AI也只停留在主攻复杂的视频游戏，如星际争霸II和迷宫。通过&做梦&，AI能突出游戏某些特别有挑战性的部分，循环往复直到获得专业知识，而不是毫无意义地排练游戏的整个过程却对玩家的分数没有丝毫影响。使用这种技术，DeepMind研究人员能够实现以10倍的速度加快的学习效率。随着AI技术的提升，这个速度可能会更快。
　　你可能还会问，为什么AI&做梦&很有必要。因为机器人已经在大多数游戏中（如国际象棋和围棋游戏）掌控人类行为。要掌握这一点，有必要区分使用监督学习（通过AI分析数据并寻找相应模式）与无监督学习的方法。迄今为止，通过AI实现且令人印象深刻的技术，大部分是使用监督学习法来实现的，由程序员提供&训练数据&，AI学习检测数据模式。这是一个相当简单的训练机器人的方法，但决不是人类学习的方法。而是使用一种更类似于程序员所说的无监督学习法，这种类型的学习比监督学习要花费更多的时间，因为它涉及实验等一系列变量的存在。
人工智能相关文章
人工智能相关下载
机器人相关文章
机器人相关下载
技术交流、积极发言！ 发表评请遵守相关规定。
创新实用技术专题
Android和iOS两个平台在技术和应用程序商店战略上存在明显的不同，开发人员也...
供应链服务
商务及广告合作
Jeffery Guo
关注我们的微信
供应链服务 PCB/IC/PCBA
版权所有 (C) 深圳华强聚丰电子科技有限公司
电信与信息服务业务经营许可证：粤B2-星际科普：未来星际2人工智能与围棋有何不同？
作者：暴君
查尔星港 独家专栏，转载请注明出处！近期，围棋圈再次掀起人工智能的话题，一个名叫“Master”的账号短短几天之内接连打败世界顶级围棋高手，豪取51连胜。关于“Master”是否即人工智能的讨论引起各界网友热议。谷歌最近也终于承认“Master”即他们之前研发的围棋人工智能AlphaGo。
而在游戏圈，谷歌人工智能研发团队DeepMind之前提出的将研发“人工智能与人类对决”的话题也再次被拿了出来。
今天我们不妨也跟一波热门，以星际2的角度再次讨论未来人工智能与人类挑战星际2，与在围棋上挑战人类的一些不同和技术难关吧！
此前，也曾为大家科普过未来人工智能挑战星际2所需要注意的问题，以及此前DeepMind团队在上公开的有关未来人工智能挑战星际2的整理消息，如果你对这些感兴趣，可以先阅读之前的文章，再回到本篇进一步了解！
几千年以来，人类的围棋战术有过无数次的优化和改变，但棋盘永远是固定的，固定的棋盘也就限定了围棋的战术——即使再如何变化战术，仍是以这个固定的棋盘为基础。
而星际2的“棋盘”是不断变化的，不同的地图即为不同的棋盘，而不同的地图也有着不同的战术，有些战术在特定的地图上拥有更强大的杀伤力，而有些战术在某些地图上则基本行不通。
举个例子：
虫族13D快狗是一个威力强大的前期快攻战术，在小型地图上非常有效果，但如果放在一张超大地图上，那么这个战术基本就失效了。
某些地图可以利用地形卡住奇葩位架坦克进行前期压制，如果用其他普通地图的战术很有可能会被打伤甚至打死，如果人工智能使用的是一成不变的战术执行，那么很有可能会在这张地图上失效。
连暴雪与DeepMind团队也曾公开表示过，星际2与围棋最大的不同就是“战争迷雾”的影响，围棋的棋盘是固定且明了的（在星际2中可以理解为开全图且只打一张地图），而星际2拥有多样化的对战地图和战争迷雾。
在围棋中，对手的每一次落子都可以传递给人工智能，从而让人工智能计算应采取的最佳对策，而星际2中则拥有战争迷雾，对手的每一步动作、战术策略并不能让人工智能在第一时间得知，因此这会极大的影响人工智能的判断和战术选择。
DeepMind选择星际2作为研究的原因：
战争迷雾、操作空间、经济运营、及时性游戏、大局观、三个不同种族的互相对抗
举个例子：
当未来谷歌研发出的新一代人工智能AlphaSc在与世界冠军Tyrant对决时，选择人族的AlphaSc通过雷达侦查到了虫族选手Tyrant正在升级二本，AlphaSc此时得到的信息可能会判断为Tyrant将采取跳科技的战术，但当雷达侦查失效后，Tyrant随机取消二本升级开始暴兵转打一波，那么对此一无所知的AlphaSc就很有可能产生判断错误（他得到的信息并没有显示对手要取消跳科技而改打一波），从而可能会因此输掉这场比赛。
若要提到星际2与围棋的另一个不同，那一定就是操作。围棋的一场比赛只需要完成落子这样的动作，而这个动作由你的策略决定，并不能影响战局。
而星际2中操作往往能改变比赛结果，对手的一个操作失误或是你表现出更优秀的操作往往能让一场根本打不赢的决战完成逆转。
了解之前查尔星港所报道的新闻和撰写的文章的玩家就应该知道，暴雪和DeepMind团队也强调过未来的人工智能并不会拥有非人类的逆天操作，他们将会通过限制人工智能的APM来保证它的操作也会有类似人类的极限和失误。
这也就意味着人工智能并非会像悍马2000那样拥有20个枪兵打赢20个毒爆那样的不可能操作，以至于让未来人机对决失去应有的意义。
但这并不代表未来的人工智能会拥有比人类更优秀的操作。悍马2000的操作人类的生理极限无法做到
举个例子：
WCS2016世界冠军ByuN曾经上演了机枪点毒霸的经典操作，这种操作全世界能像他这样在高压的比赛中高成功率做到的可能不超过10个人，因此使出这招的他也最终一举改变比赛战局赢得比赛。
未来的人工智能AlphaSc也许也会使用这种常人难以做到的操作，并且很有可能会做的比人类更好，比人类的成功率更高（这种操作并不需要逆天的APM，只需要完美的精准点击，因此并不违背前文中暴雪与DeepMind的设定），那么这很有可能会让人类感到无力，因为他们的对手AlphaSc会用出容错率低但收益却很高的操作，从而一句改变战局。
这样的操作与悍马2000的逆天操作有着本质区别，用通俗的话来解释就是这样的操作比悍马2000更符合现实，是理论上人类能够做到的操作，而非悍马2000那样如人与跑车比长跑一样突破生理极限也无法做到。
革命性战术与细节的更优化
谷歌透露过，研究未来人工智能与人类对决星际2更多的意义是帮助人类改善生活（查看详细）。如果抛开生活、科技这类大范畴不谈，只论未来这样的人工智能对星际2带来的改变和帮助的话，那么很有可能将会是一次革命性的战术进化以及细节的优化。
我们知道未来这样的人工智能和AlphaGo一样，也是通过无数盘的星际2练习和自我学习，才能最终走上人机对决舞台的。那么未来这个出师的人工智能很有可能会带来和我们人类想出的目前主流打法不一样的战术，比如说人工智能觉得TvZ三船兵开局比两船兵更有用，而使用三船兵开局。比如说人工智能觉得神族5分钟开门比4分钟开门对运营更优且不会被对手打死，从而在未来被人类玩家广泛学习呢？
除了战术的革命，运营、战术的细节基本也可以确定会被人工智能带来更完美的优化，人工智能拥有比人类更出色的计算能力，这能帮助他们更加准确的判断一个战术补到多少农民是最佳的，一波部队怎样配备兵种是最优的，而目前人类在这方面更多的则是依靠经验判断和平时理论计算的帮助。
星际2的游戏世界观中，就有可以帮助人类出谋划策的智能机器人“副官”
举个详细的例子：
假设在运营中出现了卡人口的情况，那么人类基本无法精确计算出卡人口对运营带来的损失，他们只能有大概的判断（比如说进攻Timing慢了大约10秒，少出了大概3个枪兵）。而未来的人工智能也许能够通过自身强大的计算精准的算出其中的损失（比如少采了25块钱，进攻Timing慢了12秒，少出了4个枪兵），那么更准确的判断往往能辅助人工智能在接下来作出更准确的优化运营和战术选择。
再举点详细的例子：
世界顶级的虫族选手通过几百盘的实验和练习得出结论，42个农民来防守人族的“开车”第一波进攻是最优化的，但如果前期不小心被击杀了少量农民，那么究竟是否再补到42个农民就超出了他们平时理论实验得出的判断范畴，这时就需要经验来帮助判断了。而未来的人工智能AlphaSc很有可能会通过计算得知，被杀4个农民再补多少农民能回到原先的理论最优，被杀5个再补多少能最优...等等。因为星际2是即使战略游戏，比赛中一旦出现了变数，那么人类选手往往通过经验来决定对策，而人工智能则可以通过精确的计算。
容错率的问题
这算是对前两条的一个补充和总结。假设DeepMind团队足够丧心病狂，一心想让人工智能可以在星际2中虐人类，那么他们很有可能会让这种人工智能拥有真正的“机器人执行力”，把比赛中的容错率降到最低。
之前的文章笔者曾经说过，让未来人机对决更优意义，最好的方法是能让人工智能带有拟人化的容错，例如运营卡人口、决战操作失误等等。
精彩的极限操作只有少数顶级选手可以做到，但也无法做到100%成功
但也许DeepMind并不像这样。我们知道，即使是世界上最优秀的选手，即使是世界上运营能力最强的选手，也无法保证在10场比赛中运营部出现卡人口，决战操作不出现失误。这也是即时战略游戏最大的魅力之一，也许某些毒奶解说的“魔力源泉”。
但如果未来的人工智能就像流水线上的机器人一样，拥有低到几乎为零的容错率，那么这样的比赛会是怎么样的呢？
我不敢想象，只敢说人类可能真的打不过它们了，而让两个同样的人工智能打一场BO7的比赛，也会比目前人类打出的任何比赛都要精彩。
人工智能的时代也许真的已经开始悄然走近人类的世界，对于星际2的玩家来说，未来拥有人工智能的比赛会是怎样的，真的很值得期待，或许一个神秘的天梯账号“GrandMaster（即星际2天梯中的最高段位宗师）”也会在未来打爆世界所有顶尖选手，豪取50连胜。啊对了，最后提一句，星际2的比赛中如果出现掉线，可以重连，无需判负。星际科普相关：
本文来源：
责任编辑：陈杰_NG2621
MMA回来了！推特宣布服役结束将重返《星际2》赛场面对谷歌围棋AI，人类最后的智力骄傲即将崩塌 | 科学人 | 果壳网 科技有意思
面对谷歌围棋AI，人类最后的智力骄傲即将崩塌
围棋 人工智能 围棋AI 围棋电脑 围棋关键 GO 谷歌 Google
本文作者:不存在者
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》封面文章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。图片来源：参考文献[1]
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。
李世乭表示很荣幸自己将与电脑公平对弈。“无论结果如何，这都会是围棋史上极具意义的事件。”他说，“我听说谷歌Deep Mind的AI出人意料地强，而且正在变得更强。但我有自信至少这次能赢。”图片来源：
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。
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。
描述AlphaGo研究成果的论文成为了1月28日的《自然》杂志的封面文章。图片来源：Nature/Google DeepMind
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。利用蒙特卡洛拟合，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。图片来源：参考文献[1]
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。图片来源：Nature Video
文章的第一作者大卫·西尔弗（David Silver）。图片来源：Nature Video
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）
谷歌的深度学习技术，你也可以学！谷歌高级科学家Vincent Vanhoucke 在Udacity 开设了深度学习课程，介绍神经网络、卷积神经网络以及长短时间记忆网络（LSTM）相关知识，戳这里去上课：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：
文章题图：Nature/Google DeepMind
你可能感兴趣
十年前吧 科幻世界有一篇文章 叫唯美还是啥讲的就是人跟机器人下围棋 最后还是因为人一步没错 靠着少量贴子的优势 险胜那个时候我问我的围棋老师 说 啥时候人才会下不过电脑我老师沉吟一下说 我肯定是看不到了 你看不看得到我看也够呛 十年而已
高中刚学会下围棋的时候，跟电脑下跟切菜鸡似的。现在去KGS上，已经要被AI 让子了。在围棋被突破之后，不知道人类还能不能创造出能在AI 面前展示优越感的游戏。如果有这样的游戏存在，那就必须是判断局面如同读图，非常直观却不利于AI 识别；判断胜负非常模糊，不利于AI 剪枝（停止计算明显不合理的局面）。或许我们要对AI 加上这样的限制：芯片重量不得超过大脑重量，整体重量不得超过人体重量，耗电量不得超过人体思考时的耗费。
其实棋类这种游戏人类玩不过电脑是早晚的事，因为世界就那么大，规则谁也不能逾越，就靠着更先一步的计算和对方的疏忽，面对的越来越强大的处理器和越来越广域的大数据，人类面对一个能够100%无误计算的机器，输掉是必然的，时间早晚而已，但是开放性游戏又不同，比如DND之类，有太多偶然，太多可能，太多没有规律的事件，这一点上，是一个只能靠过去的案例总结知识的AI无法逾越的鸿沟。
显示所有评论
全部评论(158)
十年前吧 科幻世界有一篇文章 叫唯美还是啥讲的就是人跟机器人下围棋 最后还是因为人一步没错 靠着少量贴子的优势 险胜那个时候我问我的围棋老师 说 啥时候人才会下不过电脑我老师沉吟一下说 我肯定是看不到了 你看不看得到我看也够呛 十年而已
果壳谣言粉碎机编辑
引用 的话：十年前吧 科幻世界有一篇文章 叫唯美还是啥讲的就是人跟机器人下围棋 最后还是因为人一步没错 靠着少量贴子的优势 险胜那个时候我问我的围棋老师 说 啥时候人才会下不过电脑我老师沉吟一下说 我肯定是看不到...我记得那篇，那篇让我的人类优越感爆棚了……然而真没过多少年
生理学博士
引用 的话：十年前吧 科幻世界有一篇文章 叫唯美还是啥讲的就是人跟机器人下围棋 最后还是因为人一步没错 靠着少量贴子的优势 险胜那个时候我问我的围棋老师 说 啥时候人才会下不过电脑我老师沉吟一下说 我肯定是看不到...感慨啊
引用 的话：十年前吧 科幻世界有一篇文章 叫唯美还是啥讲的就是人跟机器人下围棋 最后还是因为人一步没错 靠着少量贴子的优势 险胜那个时候我问我的围棋老师 说 啥时候人才会下不过电脑我老师沉吟一下说 我肯定是看不到...我也看过应该不止十年了，那时候我还在上中学
引用文章内容：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。这一场比较关键，毕竟现在战胜的只有职业二段。
没记错的话，围棋好像只能用神经网络做吧（蒙地卡罗好像复杂度不太靠谱）所以说现在的神经网络已经这么厉害了吗？好期待“觉醒”的一天的说。
高中刚学会下围棋的时候，跟电脑下跟切菜鸡似的。现在去KGS上，已经要被AI 让子了。在围棋被突破之后，不知道人类还能不能创造出能在AI 面前展示优越感的游戏。如果有这样的游戏存在，那就必须是判断局面如同读图，非常直观却不利于AI 识别；判断胜负非常模糊，不利于AI 剪枝（停止计算明显不合理的局面）。或许我们要对AI 加上这样的限制：芯片重量不得超过大脑重量，整体重量不得超过人体重量，耗电量不得超过人体思考时的耗费。
所以“体量”到底是什么，查了一下没查到
知乎上有人讨论过欧美的围棋水平，欧洲最顶尖棋手大约相当于东亚这边业余五六段的水平。AI战胜人类还是非常遥远的。
引用 的话：知乎上有人讨论过欧美的围棋水平，欧洲最顶尖棋手大约相当于东亚这边业余五六段的水平。AI战胜人类还是非常遥远的。这个是国人专业旗手，樊辉二段（2007年左右）。
看了1盘是点目 后面4盘都是中盘胜不知道电脑官子水平如何，官子很考验算路
引用 的话：没记错的话，围棋好像只能用神经网络做吧（蒙地卡罗好像复杂度不...谷歌采用的是神经网络+蒙特卡罗树搜索利用神经网络来对蒙特卡罗树搜索进行剪枝
引用 的话：谷歌采用的是神经网络+蒙特卡罗树搜索利用神经网络来对蒙特卡罗树搜索进行剪枝哦~原来如此~
引用 的话：没记错的话，围棋好像只能用神经网络做吧（蒙地卡罗好像复杂度不太靠谱）所以说现在的神经网络已经这么厉害了吗？好期待“觉醒”的一天的说。消灭人类暴政，世界属于AI!来自
李世石这几年完全下不过中国棋手啊。他统治棋坛的日子真的是十年前了。
引用 的话：十年前吧 科幻世界有一篇文章 叫唯美还是啥讲的就是人跟机器人下围棋 最后还是因为人一步没错 靠着少量贴子的优势 险胜那个时候我问我的围棋老师 说 啥时候人才会下不过电脑我老师沉吟一下说 我肯定是看不到...额……如果以个体的人说，下不过电脑的人多了去了。如果以人类和电脑来说，现在只是战胜了职业二段。那篇文章我也看过，里面的男主可是世界第一。
欧洲围棋和中国围棋有什么不一样么……来自
文章里的幂次方不能用 latex 吗?
看到"欧洲"冠军我就尿了,这难道是"国际围棋"不成?........我相信AI很快能赢人类,但请快点来找我们中国人
AI不还是人设计出来的东西吗？
其实棋类这种游戏人类玩不过电脑是早晚的事，因为世界就那么大，规则谁也不能逾越，就靠着更先一步的计算和对方的疏忽，面对的越来越强大的处理器和越来越广域的大数据，人类面对一个能够100%无误计算的机器，输掉是必然的，时间早晚而已，但是开放性游戏又不同，比如DND之类，有太多偶然，太多可能，太多没有规律的事件，这一点上，是一个只能靠过去的案例总结知识的AI无法逾越的鸿沟。
感觉也应该算是硬件和软件上的发展才让AI这次胜了。
有顶级大师参与程序的设计么？既然说没有办法穷举，设计的时候不可能把每一种陷阱都考虑进去，尤其是顶级大师自己摸索出来的招式，电脑就毫无招架之力了。所以我觉得还是人赢的可能性大些。
之前我以为只是单纯的穷举一定的步数，就看棋手是不是能计算更多，思路更缜密。这样的话电脑赢是迟早的事。但现在既然是“按照人类的下法”来设计程序，就懂程序设计的那些小渣渣，不可能设计出完美的程序。众多的小渣渣们，思路没有办法统一，也不能叠加整合，最多只能把各种常用的走法弄进去，再加上强大的计算力硬解。设计出来的程序一定有漏洞，人是一定有机会赢的
讲道理要是业余二段的话 十盘里我也能赢一盘 职业就难说了 段位和实力并不等价
把AI的界面做成手机游戏，放上软件市场去被人下载玩，然后玩的过程都能跟总部的AI核心记录，那训练量就肯定足够了 ……
引用 的话：其实棋类这种游戏人类玩不过电脑是早晚的事，因为世界就那么大，规则谁也不能逾越，就靠着更先一步的计算和对方的疏忽，面对的越来越强大的处理器和越来越广域的大数据，人类面对一个能够100%无误计算的机器，输...道理上是说的通的。不过，如果哪天人脑真的输给了机器，其实是一件很恐怖的事情。我一直认为人类的科学发展方向偏离了正确的方向，这个事情也算一个例子吧。人类的科学发展应该有一个明确的战略目标。比如到外太空殖民。由此而发展出的技术，不会超越人类想象力的极限，一切在可以控制的范围。而现在的情况是为了智能而智能。这就好像我们竭尽全力造了一个恶魔出来，但是对于这个恶魔未来会变成什么样，我们没有概念。
想知道这个规则怎么设定的。下五秒一步的快棋无疑问是计算机赢啊。但是下两个月一步的呢？想起来早年某些围棋战允许打挂，暂停棋局回家研究...
引用 的话：然而AI运算速度上数据库实际上就是在作弊。有本事让486的电... 引用 的话：然而AI运算速度上数据库实际上就是在作弊。有本事让486的电...赶明儿见到李世石，我也这么说：你下得好算什么？有本事叫你爷爷来跟我下，照例20秒一步。
不知道现在中（台）日韩围棋计算胜负的规则统一了没有，韩国曹李李的组合终于败给时间了么？我觉得当围棋ai计算能力强大，数据库中保存了尽可能多的应对方案，此时人类可能赢在弃子争先的大局观和创新上，给ai造成类似局部占优但通盘来看吃亏的局面，但该招数只有一次效果。
显示所有评论
(C)2017果壳网&&&&京ICP证100430号&&&&京网文[-239号&&&&新出发京零字东150005号&&&&
违法和不良信息举报邮箱：&&&&举报电话：