好吧，谷歌又赢了..-牛人微信
好吧，谷歌又赢了..
尧造围棋 丹朱善之
今天上午开始，差评君看到很多惊悚的标题，关于谷歌和围棋的。
《面对谷歌围棋AI，人类最后的智力骄傲即将崩塌》
《谷歌程序战胜欧洲围棋冠军,人类快被自己灭绝了?》
《谷歌智能围棋AI击败人脑,人类智商被深度碾压了》
类似这样的。。。
主要大家为什么这么惊讶呢，一路看下来。。差评君觉得可能人工智能真的快走到了由下往上的第四条线了。。 图片来源：谢熊猫君
按照当初谢熊猫君的解释，当你某天看着人工智能说着“呵呵，那个机器人和猴子一样聪明呢，真逗”的时候。。。可能再隔一小段时间，你对人工智能的反应将会是“我擦，发生了什么？”。。。
97年，深蓝击败了国际象棋冠军加里·卡斯帕罗夫。
但围棋，一直是人工智能尚未攻克之地。
可以简单的对比下难度。国际象棋的目标是杀死国王，偏向战术；而围棋更像是两国争霸，考验心性与贪欲，看谁最后圈地多，偏向战略。
国际象棋每回合的有35种可能，一盘棋可达80回合；而围棋每回合有250种可能，一盘棋可长达150回合。所以最后在计算方面，国际象棋最多会有10的47次方种局面，而围棋最多会有10的170次方种局面。。。
高下立判。。毕竟是国粹。。
一直在研究如何通过人工智能的方式击败围棋职业的棋手的主要是两拨人————谷歌和Facebook。当然，两方投入巨量的科研成本，绝非简单的击败人类，而是想在人工智能方面更进一步，建立自己的壁垒。
在去年11月，Facebook在Arxiv发表论文，提到了一种将蒙特卡洛数搜索与深度学习相结合的方法（待会差评君会尽量科普），表示这个算法甚至能呈现人类般的下棋风格。
而另一边，12月底谷歌的Deepmind团队在接受采访时，表示笑而不谈。。请大家观望等待。。
这两天。。两家公司又开始有动作了。。
先是扎克伯格在Facebook，表达了自己对于自家围棋团队的看法。
大概翻译：古老的中国桌游“围棋”是仅存的几个人类还能击败人工智能的游戏之一。在去年开始，Facebook的AI团队开始努力，希望能在这个领域有所突破。
科学家们已经花了20年，来教电脑如何下围棋。现在我们有点接近了。。。
我们的AI结合了搜索模型，也结合了模式匹配。。。
团队的研究员田渊栋就坐在我办公桌6米远的地方，我喜欢和我们的AI团队坐的很近，这样我就能学习到一些他们每天在研究的东西了。
没过多久谷歌的消息出来了。。我们上了《自然》杂志封面。。
当Facebook还在由老板亲自做PR的时候，谷歌已经把东西给做出来了。。==！
今天扎克伯格口中的那个研究员田渊栋（其实是人工智能大咖）也在知乎上对此问题，发表了自己的看法，非常客观中立，从中我们也得以了解这两大公司在进展上到底有何差距，以及为什么谷歌又领先了。
首先，田同学表示在算法上来说，谷歌其实和大家都差不多，还是蒙特卡洛数搜索与深度学习相结合的方法。
(蒙特卡洛？？。。what the fuck。。。恩，其实差评君也不懂，看了些资料，消化后分享给大家。。)
喏，人工智能下棋的算法本质呢，是搜索树。。。
喏，下面这个是国际象棋的。
这个呢是围棋的。
很明显后面的树宽，要比前面的宽很多倍。
所以，在有限的时间里面落子呢。。。AI如果要遍历这么宽的树（纵向），就只能牺牲深度了（横向）。
在蒙特卡洛数搜索这个算法出来之前呢，AI总是偏重于纵向的搜索，而忽略对于横向的搜索。（用大白话来说就是，AI很难考虑三步之后的状况。）
后来这个算法出来了，平衡了一下，让搜索深度大大增加。。。（用大白话说，就是AI已然心机婊。）
这次的谷歌呢，不仅在这方面又进一步提升。。
同时又加了两个神经网络：一个是走子的神经网络，一个是评估局面的网络。田同学表示，后者他们还没有。。
就是这两个，反正你也看不懂。。
于是，结合以上这些，在进行了两千万局（换做人类，15分钟一局，要570年）的训练积累后，这个AI基本上就成了。
这不，已经击败了欧洲围棋冠军樊麾（中国围棋协会职业二段），还相约要在3月份挑战韩国九段棋手李世乭，奖金100万美金。
他真的是李世乭
恩，看下今天围棋圈的反应吧。。
职业六段棋手李喆：（看了棋谱后）感觉离顶尖（职业棋手）还有不小的差距，现在电脑水平还不足以抗衡李世石。三月就不知道了……棋界应该做的不是质疑它，而是思考如何面对，如何用它。即使它真的遇到没看到的瓶颈，我们饿思考也是有益的，而且一定会是有用的。
孟泰龄：我认为樊麾布局有三盘占优，另两盘劣势。我觉得电脑确实有职业水准。感觉电脑棋风稳健，酷爱实地，如果后半盘它真的可以滴水不漏的话，那距离顶尖真的只有一层窗户纸的距离了。显然电脑大局观差一些，但局部棋型的感觉及计算已经有相当水准了。
郭北雅：一觉醒来，被震撼到了。 感觉一般，考虑到AI的成长速度确实不敢低估。
樊麾本人表示：一切都是真的，因为一直在保密中，所以大家都不知道。我没有放水，不过下得确实不好。只能告诉大家，这个系统确实很强！拭目以待和李世石的棋吧！这是去年10月下的，还有些条款在保密范围之内的，我不能告诉大家，不过我觉得跟李世石的棋会很精彩！
想想也是挺好笑的，4000年前的“尧造围棋，丹朱善之”，现在竟然也和人工智能扯上了关系。。
最后放个视频，看看一个老外————也就是谷歌这个项目的负责人Hassabis对于围棋的看法吧，有字幕。
唯一非官方微博： @差评君来了
不一定回复的邮箱：
长按二维码关注 看精选文章，添加后，后台回复“精选” 呵呵，关注这个号的人运气不会太差 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
深度强化学习综述：兼论计算机围棋的发展
下载积分：1000
内容提示：深度强化学习综述：兼论计算机围棋的发展
文档格式：PDF|
浏览次数：67|
上传日期： 12:39:41|
文档星级：
全文阅读已结束，如果下载本文需要使用
 1000 积分
下载此文档
该用户还上传了这些文档
深度强化学习综述：兼论计算机围棋的发展
关注微信公众号休闲娱乐生活服务其他类别
热门新闻更多
实时热点榜单热门视频发现好货
阅读下一篇视频推荐面对谷歌围棋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：打开微信“扫一扫”，分享到朋友圈
更多有趣好玩的内容
尽在品玩微信公众号
PingWest品玩移动客户端
PingWest账号登录
微信扫码登录
var initposts = [{"title":"AlphaGo\uff1a\u9ed1\u\u7891\uff1f","imgurl":"http:\/\/\/wp-content\/uploads\/2016\/03\/alphago-talkingdatd-1.png","is_hailuo":0,"name":"TalkingData","comnum":"9","cat":"\u77e5\u8bc6","caturl":"http:\/\/\/category\/knowledge\/","wburl":"http:\/\/\/share\/share.php?appkey=&url=http:\/\/\/alphago-talkingdatd\/&ralateUid=&title=\u3010AlphaGo\uff1a\u9ed1\u\u7891\uff1f\u3011&pic=http:\/\/\/wp-content\/uploads\/2016\/03\/alphago-talkingdatd-1.png","contenthtml":"\u672c\u\u81eaTalkingData\ud\ue\u79d1\u5b66\u5bb6 \u5f20\u590f\u5929\nAlphaGo\u4e0e\u674e\u4e16\u77f3\u\u\u7ecf\u8fdb\u884c\u4e86\u56db\u5c40\ud\u4e09\u5c40\u4e16\u4eba\u60ca\u53f9\u4e8eAlphaGo\u5bf9\u674e\u4e16\u77f3\u\u9762\u78be\u538b\uff0c\u5f88\u591a\u4eba\u76f4\u547c\u4eba\u7c7b\uc\u\u4e3a\u88ab\u89c6\u4e3a\u4eba\u7c7b\u667a\u80fd\u\u676f\uff0d\u56f4\u68cb\uff0c\u\u\u673a\u5668\uff08\u\u662f\u75af\u72c2\uf\u72d7\uff09\ud\u53d8\u\u553e\u624b\u53ef\u5f97\ue\u901a\u9a6c\u514b\u676f\uff0c\u800c\u4eba\u7c7b\u\u5c16\u68cb\u624b\u4f3c\u4e4e\u6beb\u65e0\u8fd8\u624b\u4e4b\u529b\u3\u53f7\uc\u56db\u5c40\uff0c\u674e\u4e16\u77f3\u7ec8\u4e8e\u6273\u56de\u4e00\u5c45\uff0c\u800c\u4e14\u4e0b\u4e86\u51e0\u624b\u8ba9\u4eba\u60ca\u53f9\ud\u68cb\u\u522b\u662f\u7b2c78\u624b\uff0c\u56f4\u68cb\u\u591a\u4eba\u8d5e\u4e3a\u201c\u795e\u4e4b\u4e00\u624b\u201d\uff0c\u201c\u540d\u\u53f2\u201d\uff0c\u201c\u627c\u4f4f\u547d\u8fd0\u\u\u624b\u201d\u\u4e3a\u8fd9\u4e00\u5c40\uff0c\u56f4\u68cb\u\u4e3b\u6d41\u8206\u8bba\u5df2\u7ecf\u4ece\u524d\u51e0\u\u9707\u60ca, \u53f9\u606f\uff0c\u4f24\u5fc3\uff0c\u751a\u81f3\u662f\u8ba4\u4e3a\u674e\u4e16\u77f3\u\u8c37\u6b4c\u\u94b1\u8f6c\u53d8\u4e3a\u60ca\u559c\uff0c\u751a\u81f3\u8ba4\u4e3a\u674e\u4e16\u77f3\u5df2\u7ecf\u627e\u\u\u68d2\u6cd5\uc\u4eba\u7c7b\uc\u515a\u\u4e3a\u8fd9\u6bd4AlphaGo 5:0 \u5927\u80dc\u66f4\u53ef\u6015\uff0c\u56e0\u4e3a\u8fd9\u53ea\u72d7\u751a\u81f3\u77e5\ub\u5047\u68cb\u6765\u9ebb\u75f9\u4eba\u7c7b\uff0c\u771f\u662f\u7ec6\u601d\u\u3002\n\u4e0d\u8bba\u600e\u6837\uff0cAlphaGo\ue\u4eba\u7c7b\u\u56f4\u68cb\u9ad8\u624b\u\u51b3\u4e2d\u5df2\u7ecf\u4ee53\u80dc\u\u52bf\ua\u4e86\u80dc\u5c40\uff0c\u674e\u4e16\u77f3\u76ee\u524d\u53ea\u662f\ua\u4eba\u7c7b\ua\u4e25\u800c\u\u\u68cb\u4e00\u5e74\u524d\u8fd8\u901a\u5e38\u88ab\u8ba4\u4e3a\u662f10\u5e74\u5185\u90fd\u65e0\u6cd5\u88ab\u4eba\u5de5\u667a\u80fd\u653b\u514b\u\u7ebf\uff0c\uc\u8f6c\u773c\u5c31\u53d8\u\u9a6c\u5176\u8bfa\u9632\u7ebf\u4e86\u\u4e48\u8fd9\u573a\u4eba\u673a\u\u\u610f\u\u4ec0\u4e48\uff1f\u4eba\u7c7b\u5df2\u7ecf\u\u4e86\u6f58\u591a\u62c9\u9b54\u76d2\u5417\uff1f AlphaGo\u7684\u80dc\uf\uf\u\u4eba\u5de5\u667a\u80fd\u\u\u7891\uff08\u56fe1\uff0c \u8bf7\u53c2\u89c1\u\u300a2001\uff1a\u592a\u7a7a\u6f2b\u6e38\u300b\uff09\u5df2\u7ecf\u51fa\u73b0? \u672c\u\u4eceAlphaGo\uf\u\u624b\u\u63a2\u8ba8\u8fd9\u4e2a\u95ee\u\n\n1.AlphaGo\uf\u7406\n\u7f51\u4e0a\u4ecb\u7ecdAlphaGo\u539f\u\u\u5df2\u7ecf\ud\u5c11\uff0c\u4f46\u662f\u\u5f97\u60f3\u6df1\u\u89e3\uf\u\u540c\u5b66\u8fd8\u662f\u5e94\u8be5\u770b\u770bNature\u4e0a\u7684\u8bba\uf\u6587 \u201cMastering the game of Go with deep neural networks and tree search\u201d\ud\u\u7bc7\u\u75\uff0c\u4f46\u662f\u6b63\u\u\u4e0a\u4ecb\u7ecd\u90e8\u\uMethod\u90e8\uf\u5c318\u9875\uff0c\ud\u8fd8\u5305\u62ec\u4e86\u5f88\u591a\u56fe\ua\u4eba\u89c9\u5f97\u4ecb\u7ecdAlphaGo\uf\u\u662f\u8fd9\u7bc7\ud\ua\u4e86\u540e\u\u8ba8\u8bba\u65b9\u4fbf\uff0c\u8fd9\u91cc\u5bf9\uf\ua\u7b80\ub\u7ed3\u3002\n\u5bf9\u4e8e\u56f4\u68cb\u8fd9\u7c7b\u5b8c\u\u606f\u535a\u5f08\uff0c\u4ece\u7406\u8bba\u4e0a\u\u53ef\u4ee5\u901a\u8fc7\u66b4\u529b\u641c\u7d22\u\u53ef\u80fd\u\u5f08\u8fc7\u7a0b\ue\u5b9a\u\u\u6cd5\u\u4e8e\u8fd9\u7c7b\u95ee\u9898\uff0c\u5176\u96be\u5ea6\u5b8c\uf\uc\u7d22\u7684\u5bbd\u5ea6\u548c\u6df1\u5ea6\u\u5b9a\u97\u5e74\u6df1\u84dd\u89e3\u51b3\u4e86\u56fd\u\u68cb\uff0c\u5176\u6bcf\u6b65\uc\u7d22\u5bbd\u5ea6\u548c\u6df1\u5ea6\ub\u7ea6\u4e3a35\u548c80\u6b65\uc\u56f4\u68cb\u6bcf\u6b65\uc\u7d22\u5bbd\u5ea6\u548c\u6df1\u5ea6\u\u522b\u7ea6\u4e3a250\u548c150\u6b65\uff0c\u641c\u7d22\u8ba1\u7b97\u91cf\u8fdc\u8fdc\u8d85\u8fc7\u56fd\u\u68cb\u3002\u51cf\u5c11\u641c\u7d22\u91cf\u\u4e2a\u57fa\u672c\u539f\uf\uff1a1. \u901a\u8fc7\u8bc4\u4f30\u5c40\u52bf\u6765\u51cf\u5c11\u641c\u7d22\u\u5ea6\uff0c\u\u641c\u7d22\u\u5b9a\u6df1\u5ea6\u540e\u901a\u8fc7\u4e00\u4e2a\u8fd1\u4f3c\u5c40\u52bf\u5224\u65ad\u51fd\u6570(\u4ef7\u503c\u51fd\u6570)\u\u4ee3\u66f4\u6df1\u5c42\u6b21\uc\u7d22\uff1b2. \u901a\u8fc7\u7b56\u7565\u51fd\u\u\u5bbd\u5ea6\u641c\u7d22\u\u9aa4\uff0c\u901a\u8fc7\u\u4f4e\u53ef\u80fd\u\u6b65\u9aa4\u6765\u51cf\u5c11\u641c\u7d22\u5bbd\u5ea6\u\u7b80\u\u4e24\u4e2a\u539f\u5219\uff0c\u4f46\u96be\u5ea6\ue\u51cf\u5c11\u641c\u7d22\u91cf\u548c\u5f97\u\u4f18\u89e3\u4e4b\u95f4\u662f\uc\u6027\u77db\u76fe\u7684\uff0c\u\ud\u53ef\u80fd\u51cf\u5c11\u641c\u7d22\u91cf\u548c\u5c3d\u53ef\u80fd\u903c\u8fd1\u\u89e3\u4e4b\u95f4\u505a\u\u597d\u\ud\u662f\u\u\u\n\u4f20\u7edf\u\u529b\u641c\u7d22\u52a0\u526a\u679d\u\u6cd5\u\u68cb\u95ee\ua\u957f\u671f\u65e0\u6cd5\u\u\u7834\uff0c \u76f4\ue74\u\ub\uc\u7d22(Monte Carlo Tree Search)\u\u68cb\u4e0a\u5f97\u\u7528\uff0c\u4f7f\u5f97\u4eba\u5de5\u667a\u80fd\u56f4\u68cb\u7684\u80fd\u529b\u\u8f83\u\u7834\u8fbe\u\u524d\ua\u\u4e1a\u4f595-6\u6bb5\u\u5e73\u3002MCTS\u628a\u535a\u5f08\u8fc7\u7a0b\uc\u7d22\u5f53\u\u4e2a\u591a\u81c2\ue\u673a\u95ee\u9898\uff08multiarmed bandit problem\uff09\uff0c\u91c7\u7528UCT\u7b56\u\u5e73\u\u4e0d\u540c\u641c\u7d22\uf\u4e0a\u7684Exploration\u548cExploitation\u95ee\uMCTS\u4e0e\u66b4\u529b\u641c\u7d22\u4e0d\u540c\u70b9\ue\u5b83\u6ca1\u\u683c\u610f\u4e49\u\u5ea6\u4f18\u\u662f\u5bbd\u5ea6\u4f18\u5148\uff0c\u4ece\u641c\u7d22\u5f00\u59cb\u7684\u8ddf\u\uff0c\u91c7\uf\u673a\u7b56\u\uc\u7d22\uf\uff0c\u6bcf\u4e00\u5c42\u90fd\u662f\u\uff0c\u5f53\u968f\u673a\u641c\u7d22\u5b8c\u\u6b21\u540e\uff0c\u53c8\u4f1a\u91cd\u65b0\u56de\u\u\u5f00\u59cb\u4e0b\u4e00\u8f6e\u641c\u7d22\u3002\u7eaf\u968f\u673a\uc\u7d22\u\uf\ue\u7684\uff0c\uc\u89e3\u51b3\u591a\u81c2\ue\u673a\u7684\u95ee\u\u6837\uff0cMCTS\u4f1a\u8bb0\u5f55\u6bcf\u6b21\u641c\u7d22\u83b7\u5f97\u\u76ca\uff0c\u4ece\u800c\u66f4\u65b0\u90a3\u4e9b\u641c\u7d22\u8def\u5f84\u4e0a\u\u70b9\u7684\u80dc\u\ub\u4e00\u8f6e\u641c\u7d22\u65f6\u5c31\u53ef\u4ee5\u7ed9\u80dc\u\u9ad8\u\u652f\u66f4\u9ad8\uc\u7d22\u\u\ua\u4e86\u5e73\u\u\u90e8\u\u7684\u95ee\u9898\uff0c\u\u\u51fd\u\u4f1a\u\u4e00\u4e2a\uf\u7684\u88ab\u641c\u7d22\u\u6570\uff0c\u6b21\ua\u5c11\u88ab\ud\u\uf\u4f1a\u76f8\u5e94\u63d0\u9ad8\u\u5bf9\u56f4\u68cb\u8fd9\u4e48\u5de8\u\u641c\u7d22\u7a7a\u95f4\uff0c\u8fd9\u4e2a\u57fa\u672c\u7b56\ud\uf\u4e0d\u53ef\u884c\u\u5728\u6bcf\u6b21\u641c\u7d22\u8fc7\u7a0b\u4e2d\uc\u7d22\u6df1\u5ea6\u8fd8\u662f\u5fc5\u987b\u4e88\u4ee5\u\u\u4e8e\u539f\u59cb\u7684MCTS\u91c7\u53d6\u\uf\u5f53\u4e00\u4e2a\u641c\u7d22\u\u5176\u88ab\u641c\u7d22\u\uf\u4e8e\u4e00\u5b9a\uc\u65f6\uff08\u5728AlphaGo\u4e2d\u597d\u50cf\u662f40\uff09\uff0c \u5c31\u7ec8\u6b62\ub\u641c\u7d22\u3002 \u540c\u65f6\u91c7\u7528Simulation\u\u7565\uff0c\u4ece\u8be5\u\u5f00\u59cb\uff0c\u901a\u8fc7\u4e00\u8f6e\u\u82e5\u5e72\u8f6e\u968f\u673a\u8d70\u68cb\ue\u5b9a\ue\u\u76ca\u\u641c\u7d22\u6b21\u\u4e8e\uc\u65f6\uff0c\ua\u5c06\u641c\u7d22\u\ub\u\u3002Wikipedia\u4e0aMCTS\u8bcd\ud\ua\u4f8b\u56fe\uff08\u56fe2\uff09\u5c55\u793a\u4e86MCTS\u7684\u56db\u4e2a\u6b65\u9aa4\uff1a\n\n\n\u\uff1a\ue\u5b50\u\u7684\u80dc\uf\u673a\u\u641c\u7d22\u8def\u5f84\u3002\n\u\uff1a\u5f53\u53f6\u5b50\u\uc\u7d22\u6b21\u\u4e8e\uc\u65f6\ub\u\u51fa\u65b0\u\u5b50\u\uff08\u\uc\uf\u673a\u\uff09\u3002\n\u4eff\u771f\uff1a\u4ece\u53f6\u5b50\u\u5f00\u59cb\u968f\u673a\u8d70\u68cb\u4e00\u8f6e\u\u82e5\u5e72\u8f6e\u5f97\u\u5c40\u\u76ca\u3002\n\u56de\u4f20\uff1a\u5c06\u6b64\u6b21\u641c\u7d22\u\u679c\u56de\u4f20\uc\u7d22\u8def\u5f84\u7684\u6bcf\u4e2a\u\u\u65b0\u80dc\u\n\n\nAlphaGo\u5176\u57fa\u672c\u539f\uf\u662f\u57fa\u4e8eMCTS\u7684\uff0c\ue\u4e00\u70b9\u4e5f\u4e0d\u6df1\u\u4f46\u662fAlphaGo\u5728MCTS\u4e0a\u505a\u4e86\u4e24\u4e2a\u4e3b\u\u4f18\u\u4f5c\uff0c\u4f7f\u5f97\u56f4\u68cb\u4eba\u5de5\u667a\u80fd\u4ece\u4e1a\u4f59\u6c34\u5e73\u98de\u8dc3\u81f3\u804c\u4e1a\u\u6c34\u5e73\u\u4e24\u4e2a\u4f18\u\u4f5c\ub\u662f\u7b56\u\u7edc\u548c\u4ef7\u503c\u7f51\u7edc\uff0c\u8fd9\u4e24\u4e2a\u7f51\u7edc\u90fd\u662f\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\uff0c\u672c\u8d28\u4e0a\u662f\u8fd8\u662f\u4e24\u4e2a\u51fd\u\u8fd9\u4e24\u4e2a\u7f51\u7edc\ub\u89e3\u51b3\u4ec0\u4e48\u95ee\u\uff1f\uf\u59cbMCTS\u4e2d\u\u62e9\u6b65\u9aa4\u4e2d\uff0c\u5f00\u59cb\u\u4e9b\u641c\u7d22\u53ea\u80fd\u7eaf\u968f\u673a\u\u\u\uff0c\u\u655b\u\u663e\uf\u5f88\u4f4e\u\u800c\u7b56\u\u7edc\u4ee5\u5f53\u524d\u5c40\u52bf\u4e3a\u8f93\u5165\uff0c\u8f93\u51fa\u6bcf\u4e2a\u\u8d70\u6cd5\u\u7387\uff0c\u8fd9\u4e2a\u\u5c31\u53ef\u4ee5\u4f5c\u4e3a\u\u6b65\u9aa4\u\u9a8c\u\uff0c\u52a0\u901f\u641c\u7d22\u8fc7\u7a0b\u\u655b\uc\u4ef7\u503c\u7f51\u7edc\uf\u5728\u4eff\u771f\u90a3\u4e00\u6b65\u65f6\u76f4\u63a5\ue\u5f53\u524d\u5c40\u52bf\u7ed9\u51fa\u6536\u76ca\u\u503c\u3002 \u\u6ce8\u610f\uf\u5728AlphaGo\u4e2d\uff0c\u4ef7\u503c\u7f51\u7edc\u5e76\u4e0d\u662f\u53d6\u4ee3\u4e86\u968f\u673a\u8d70\u68cb\u65b9\u6cd5\uff0c\u800c\u662f\u4e0e\u968f\u673a\u8d70\u68cb\u5e76\u884c\uff08\u968f\u673a\u8d70\u68cb\u5728CPU\u4e0a\u800c\u4ef7\u503c\u7f51\u7edc\u5728GPU\u4e0a\u8fd0\u884c\uff09\u3002 \ue\u5c06\u4e24\u\u7ed3\u679c\u8fdb\u884c\u52a0\u6743(\u7cfb\ua0.5)\u\u7136AlphaGo\uf\u673a\u8d70\u68cb\u4e5f\u5e94\u8be5\u662f\u505a\u4e86\u5927\u91cf\u\u\u4f5c\uff0c\u53ef\u80fd\u501f\u\u4e4b\u524d\u\u4e9b\u56f4\u68cb\u4eba\u5de5\u667a\u80fd\u\u4f5c\u\u81eaAlphaGo\u8bba\u\u56fe3\u6e05\u\u793a\u4e86\u7b56\u\u7edc\u548c\u4ef7\u503c\u7f51\u7edc\u\u5c06\u56f4\u68cb\u4eba\u5de5\u667a\u80fd\u\u5e73\u4ece\u4e1a\u4f59\u6c34\u5e73\u63d0\u\u804c\u4e1a\u6c34\u5e73\uff08Rollouts\u5c31\u662f\u968f\u673a\u8d70\u68cb\uff09\u\u6b64AlphaGo\u7684\u7cbe\u9ad3\u5c31\u662f\u\u\u7edc\u548c\u4ef7\u503c\u7f51\u7edc\u4e0a\u3002\n\u7b56\u\u7edc\u53ef\u4ee5\u62bd\u8c61\u4e3a, \uds\u4e3a\u5f53\u524d\u5c40\u52bf\uff0ca\u4e3a\u8d70\u6cd5\uff0c\ue\u5c31\u662f\u\u524d\u5c40\u52bf\u4e0b\u6bcf\u4e00\u4e2a\u\u8d70\u6cd5\u\u4ef6\u\u51fd\u\u4e3a\u4e86\u5f97\u\u4e2a\u51fd\u6570\uff0cAlphaGo\u91c7\u\u76d1\u\u4e60\ue\u6cd5\uff0c\u4eceKGS Go Server\u4e0a\u62ff\u\u4e09\u\u4e2a\u5c40\u52bf\u8bad\u7ec3\u4e86\u6df1\u8fbe13\u5c42\u\u5ea6\u795e\u7ecf\u7f51\u7edc\u\u4e00\u7f51\u7edc\u80fd\u5c06\u8d70\u6cd5\ub\u51c6\u786e\u5ea6\u63d0\u9ad8\u523057%\u\u679c\u5c06\u8fd9\u4e00\u95ee\ub\u\u4e2a\u591a\ub\u95ee\u9898\uff0c\u\ub\u522b\u7ea6\u4e3a250\u4e2a\u\u51b5\u4e0b\u53d6\u5f9757%\u7684\u7cbe\u786e\u5ea6\u662f\u\u60ca\u4eba\u\u\u4e2a\u8bad\u7ec3\u8fc7\u7a0b\u4e2d\uff0c\u5176\u76ee\uf\u66f4\u770b\u91cd\u8d70\u6cd5\u5bf9\ue\u7684\u80dc\u8d1f\u5f71\u54cd\u800c\u4e0d\u4ec5\u4ec5\u662f\u5bf9\u4eba\u7c7b\u8d70\u6cd5\u\u6d4b\u7cbe\u5ea6\u3002 \u8fd9\u4e2a\u6df1\u5ea6\u5b66\u4e60\u7f51\u7edc\u\u6d4b\u\u4e5f\u662f\u76f8\u5f53\u\uff08\u\u6beb\u79d2\uff09\ua\u6b64AlphaGo\u53c8\u\u7b80\u\u529e\u6cd5\u8bad\u7ec3\u4e86\u4e00\u4e2a\u5feb\u901f\u7b56\u7565\u51fd\uc\u4e3a\u5907\u4efd\uff0c\u\u6d4b\u7cbe\u5ea6\u53ea\u%\u4f46\u662f\ub\u\u4ec5\u4e3a2\u5fae\u79d2\uff0c\u4f4ea\u6570\u91cf\u7ea7\u\u\u610f\uf\uff0cAlphaGo\u5b9e\uf\u\u7b56\u\u7edc\u5c31\u662f\u4ece\u4eba\u7c7b\u68cb\u8c31\u4e2d\u5b66\u\u7b56\u\u7edc\uff0c\u800c\u5e76\u6ca1\uf\ua\u8fc7\u81ea\u\u5f08\ua\u\u4e60\u83b7\u5f97\u\u\u7edc\u\u662f\u56e0\u4e3a\ue\u\ud\uff0c\u76d1\u\u4e60\u7f51\u7edc\u6bd4\u5f3a\u\u4e60\u7f51\u7edc\uc\ud\u3002\n\u4ef7\u503c\u7f51\u7edc\u662f\u4e2a\u5f53\u503c\u51fd\u6570\uff0c\u53ef\u4ee5\u62bd\u8c61\u4e3a\uff0c \u\u524d\u5c40\u52bf\u4e0b\u\u76ca\u671f\u671b\u51fd\u\u4ef7\u503c\u7f51\u7edc\ue2a\u\uff0c\u5176\u8bad\u7ec3\u662f\u901a\u8fc7\u91c7\ua\u\u4e60\u7b56\u\u7edcAlphaGo\u7684\u81ea\u\u5f08\u8fc7\u7a0b\u4e2d\u4ea7\u751f\u\u52bf\u548c\u\u7684\u80dc\u8d1f\u6765\u8bad\u7ec3\u8fd9\u4e2a\u51fd\u\n\u5f3a\u\u4e60\u\u8bf4\u81ea\u\u4e60\u8fd9\u4e2a\u8fc7\u7a0b\u662f\u\u5bf9AlphaGo\u\u8ff7\u\u5206\uff0c\u4e5f\u662f\u836f\u4e38\u515a\u\u5fc3\u\u\u8fd9\u4e2a\u8fc7\u7a0b\u751a\u81f3\u88ab\u89e3\u8bfb\u\u517b\u86ca\uff0c\u65e0\uaAlphaGo\u81ea\u6211\u62fc\u6740\uff0c\ue\ub\u4e00\u4e2a\u6c14\u5ea6\u65e0\u6bd4\u\u4f46\u8bfb\u5b8c\u8bba\u\u73b0\uff0c\u5f3a\u\u4e60\uc\u\u5b9e\u5e76\u6ca1\u\u4e48\u\u\u662f\u5f3a\u\u4e60\u662f\ub\u524d\u5b66\u4e60\u4eba\u7c7b\u68cb\u8c31\u\u\u4e60\u7f51\u7edc\u7684\u57fa\ua\u8fdb\u4e00\u6b65\u\u4e60\u7684\uff0c\u800c\u4e0d\u662f\u4ece0\u57fa\u\u59cb\u\u6b21\uff0c\u5f3a\u\u4e60\u7f51\u7edc\u\u6ca1\u\ue\ua\u5f08\u4e2d\uff0c\u800c\u662f\u\u8bad\u7ec3\u4ef7\u503c\u7f51\u7edc\u4e2d\uc\u4e14\u5728\u8bad\u7ec3\u4ef7\u503c\u7f51\u7edc\u4e2d\uff0c\u5e76\u4e0d\u662f\u53ea\u4f7f\u\u\u5f3a\u7684\u86ca\u72d7\uff0c\u800c\u662f\u4f1a\u968f\u673a\u4f7f\ud\u540c\u\ua\u4eba\u8ba4\u4e3a\uff0c\u5f3a\u\u4e60\u5728AlphaGo\u4e2d\u4e3b\uf\u\u521b\u\ud\u540c\u98ce\u683c\u\uff0c\ue\u901a\u8fc7\u8fd9\u4e9b\u4e0d\u540c\u98ce\u683c\u\u8bad\u7ec3\u4ef7\u503c\u7f51\u7edc\uff0c\u4ece\u800c\u907f\u514d\u4ef7\u503c\u7f51\u7edc\u\u62df\u\u8fd9\u53ef\u80fd\u662f\u56e0\u4e3a\u76ee\u524d\u4eba\u7c7b\u68cb\u8c31\u\u91cf\u4e0d\u591f\u\u8bad\u7ec3\u8db3\u591f\u591a\u\u5e73\u9ad8\u\u\u7edc\uf\u\u503c\u7f51\u7edc\u7684\u8bad\u7ec3\u3002\n2.AlphaGo\u\u4ece\u4eba\u7c7b\u7ecf\u9a8c\u4e2d\u5b66\u\u4ec0\u4e48\uff1f\n\u4e2a\u4eba\u8ba4\u4e3a\uff0cAlphaGo\u\u79cd\u7a0b\u5ea6\u\u5f3a\u5b66\u4e60\u80fd\u529b\uff0c\u80fd\u591f\u8f7b\u677e\u\u4e60\u4eba\u7c7b\u\u4ee5\u\ub\u8fc7\u7684\u68cb\u8c31\uff08\u53ea\u\u4e9b\u68cb\u8c31\u80fd\u591f\u\u5316\uff09\uff0c\u5e76\u4ece\u8fd9\u4e9b\u4eba\u7c7b\u7684\u7ecf\u9a8c\u4e2d\u5b66\u\u80dc\u\u8bc0\u\u663e\u7136\uff0cAlphaGo\u4e0b\u56f4\u68cb\ub\u8f91\u4ece\u4eba\u7c7b\u770b\u8d77\u6765\u80af\u5b9a\u662f\u4e0d\u4f18\u7f8e\uMCTS\u\u4e0e\u4eba\u7c7b\u68cb\u624b\u\u5c40\u8c0b\u7bc7\u5b8c\u\u\u540c\u\u65b9\uff0c\u53ea\u662f\u51b7\u51b0\u51b0\u\u529b\u8ba1\u7b97\u52a0\u4e0a\u\u\u\u7b56\u\u7edc\u5b66\u4e60\u4e86\u5927\u91cf\u4eba\u7c7b\u\u7565\u7ecf\u9a8c\uff0c\u53ef\u4ee5\u975e\u5e38\u597d\u\u65ad\u5e94\u8be5\u8d70\u54ea\u4e00\u6b65\uff0c\u4f46\u5e76\u4e0d\u662f\u57fa\u4e8e\u5bf9\u56f4\u68cb\u\u89e3\u548c\u903b\u8f91\u63a8\u\uc\u4f60\u8981\u95ee\u4e3a\u4ec0\u4e48\u\u62e9\u8fd9\u4e00\u6b65\uff0c\u7b56\u\u7edc\u7ed9\u51fa\u7684\u56de\u7b54\u4f1a\u662f\u\u4e0a\u8fd9\u79cd\u60c5\u51b590%\u7684\u4eba\u90fd\u4f1a\u8d70\u8fd9\u4e00\u6b65\uc\u7b56\u\u7edc\u5462\uff0c\u5b66\u4e60\uf\u5f53\u524d\u5c40\u\u80dc\u8d1f\u4f18\u52bf\u\u65ad\uff0c\u4f46\u662f\u5b83\u540c\u\u6cd5\u7ed9\u51fa\u4e00\u4e2a\u903b\u8f91\u\u56de\u7b54\uff0c\u800c\u53ea\u80fd\u56de\u7b54\ue\u\u7ecf\u9a8c\uff0c\u8fd9\u79cd\u5c40\u\u\u%\u8fd9\u\u7b54\u\ub\u4eba\u8bf4\uff0c\u8fd9\u79cd\u80fd\u529b\u8fd1\u4e4e\u4eba\u\u89c9\uff0c\u4f46\u\u5f97\u4eba\u7c7b\u76f4\u89c9\ua\u\u8be5\u6bd4\u8fd9\u590d\u\u591a\uff0c\u6211\u4eec\u\u89c9\u65e0\u6cd5\u7ed9\u51fa\u5224\u65ad\u\u7387\uff0c \u\u8bf4\u4eba\u7c7b\ud\u7ef4\u\u5e76\u4e0d\u662f\u\u\u3002AlphaGo\u4ece\u5927\u91cf\u4eba\u7c7b\u7ecf\u9a8c\u4e2d\u5b66\u\u5927\u91cf\u\u\u\u5f8b\uff08\u\u51fd\u6570\uff09\uff0c\u4f46\u662f\u786e\u6ca1\u\u4e60\u5230\u4efb\u4f55\u\u679c\u\u5f8b\u\u5e94\u8be5\u662fAlphaGo\u548c\u4eba\u7c7b\u68cb\u624b\uc\u8d28\ua\u522b\u4e86\u3002\n3.AlphaGo\u8d85\u8d8a\u4e86\u4eba\u7c7b\ua\u80fd\u4e86\u5417\uff1f\n\u8981\u56de\u7b54\u8fd9\u4e2a\u95ee\u9898\uff0c\u\ue\u786e\u8d85\u8d8a\ua\u4e49\u\u679c\u8bf4\u80fd\u\u4eba\u7c7b\u\u68cb\u624b\uff0c\u90a3AlphaGo\u\u68cb\u4e0a\ua\u80fd\u786e\u5b9e\u662f\u8d85\u8d8a\u4e86\u4eba\u7c7b\u3002 \u4f46\u662f\u5047\u8bbe\uff0c\u4eba\u7c7b\u518d\u4e5f\u4e0d\u73a9\u56f4\u68cb\u4e86\uff0c\u6ca1\u\u65b0\u7684\u4eba\u7c7b\u68cb\u8c31\uff0cAlphaGo\u\u68cb\u667a\u80fd\u8fd8\u80fd\u63d0\u9ad8\u5417\uff1f \u4ece\u524d\u\u\u770b\uff0c AlphaGo\u7684\u81ea\u\u4e60\u8fc7\u7a0b\u4f5c\u\u4e0d\u662f\u90a3\u4e48\u5927\uff0c\u8fd9\u70b9\uf\ua\u\u\u4e5f\u8bb8\u4eba\u7c7b\u6c89\u6dc0\u7684\u7ecf\u9a8c\u51b3\u5b9a\u4e86AlphaGo\u80fd\u529b\ua\u754c\uff0c\u8fd9\u4e2a\u4e0a\u754c\u53ef\u80fd\u4f1a\u9ad8\u4e8e\u4eba\u7c7b\u81ea\u8eab\u\u9ad8\u624b\u\u662f\u5f53\u4eba\u7c7b\u4e0d\u80fd\u7ee7\u7eed\u53d1\u5c55\u56f4\u68cb\uff0cAlphaGo\u7684\u80fd\u529b\u4e5f\u5c31\u4f1a\u6b62\u6b65\u4e0d\u524d\u3002\n\u4ece\u7406\u8bba\u4e0a\u\u56f4\u68cb\u53ef\u80fd\u53d1\u751f\u\u\u91cf\u662f\u4e2a170\u4f4d\u6570\uff0c \u8fd9\u662f\u4eba\u7c7b\u548c\u8ba1\u7b97\u673a\u7684\u80fd\u529b\u90fd\u65e0\u6cd5\u7a77\u5c3d\u\u65e0\u8bba\u662f\u4eba\u7c7b\ub\u8f91\u63a8\u7406\uff0c\u8fd8\u662f\u4eba\u5de5\u667a\u80fd\uc\u7d22\u7b56\u7565\uff0c\u\u5c40\u90e8\u\u662f\u65e0\u6cd5\u907f\u514d\ud\u8fd0\uc\u76ee\u524dAlphaGo\ua\u5236\uff0c\u51b3\u5b9a\u4e86\u5176\u80af\u5b9a\u662f\u8ddf\u7740\u4eba\u7c7b\u6389\u8fdb\u5751\u91cc\uff08\u67d0\u4e9b\u5c40\u90e8\u\uff09\u\u679c\u4eba\u7c7b\u4e0d\u80fd\u4e0d\u65ad\u\u\u5751\uff08\u65b0\u\u90e8\u\uff0c\u\u56f4\u68cb\u65b0\u7684\u98ce\u683c\u548c\u6d41\u6d3e\uff09\uff0cAlphaGo\u80fd\u8df3\u51fa\u\u7684\u53ef\u80fd\u\u4e0d\u662f\u592a\u\u4ece\u8fd9\u4e2a\u610f\u4e49\u4e0a\u\uff0cAlphaGo\u\u68cb\u4e0a\u8d85\u8d8a\u4eba\u7c7b\u667a\u80fd\u5e94\u8be5\u8fd8\u6ca1\ue\u73b0\u3002\n4.AlphaGo\u4f1a\uf\u8f93\u7ed9\u674e\u4e16\u77f3\u5417\uff1f\n12\u53f7\u8fd9\u4e00\u5c40\u6709\u4eba\u8ba4\u4e3a\u662fAlphaGo\uf\u8f93\u7ed9\u674e\u4e16\u77f3\uff0c\u\u4e3a\u4e86\u4fdd\u5b58\u5b9e\u529b\uff0c\u\u4e3a\u4e86\u80fd\u591f\u8fdb\u\u540d\u\u662f\u4eceGoogle\u516c\u5f00\uf\u\u770b\uff0c\ue\ud\u\u505a\u8fd9\u\u7b56\ua\uAlphaGo\ua\u\u662f\u8ffd\u6c42\u5f53\u5c40\u53d6\u80dc\uff0c\u5b8c\u\u\u\u5c40\u4e4b\u95f4\u\u7cfb\uff0c\u66f4\u6ca1\u6709\u4eba\u5de5\u667a\u80fd\u4f1f\ub\u8d77\u\u7565\u76ee\u AlphaGo\uf\u8f93\u53ea\u662f\u53e5\u73a9\u7b11\u800c\u5df2\uf\u\uf\uff0c\u90a3\u4e5f\u53ea\u53ef\u80fd\u662fDeepMind\u4e2d\u7684\u4eba\u5e72\ub\u60c5\u3002\n5.\u4eba\u7c7b\u80fd\u\u80dcAlphaGo\uff1f\n\u674e\u4e16\u77f3\u8d62\u4e86\u4e00\u5c40\uff0c\u56f4\u68cb\ud\u5c11\u4eba\u90fd\u8ba4\u4e3a\u4eba\u7c7b\u627e\u\u514b\u5236AlphaGo\u\u72d7\u68d2\u6cd5\u\u662f\u4e0d\ua\u72d7\u5f53\u4eba\uff0c\u4e0d\u\u4eba\ud\u7ef4\u5bf9\u5f85\u72d7\uff0c\u6211\u4eec\u\u\u8df3\u51fa\u4ee5\u5f80\u7684\u7ecf\u9a8c\uff0c\u53bb\u5bfb\u627e\u795e\u4e4b\u4e00\u624b\u\ud\u\u\uff0c\u\u5f97\u8fd9\u4e2a\u601d\u8def\u662f\u5bf9\u\u672c\u8d28\u4e0aAlphaGo\u662f\u5728\u8ffd\u968f\u4eba\u7c7b\u56f4\u68cb\u\u5c55\uff0c\uc\u4eba\u7c7b\u4e0d\u80fd\u8df3\u51fa\u81ea\u5df1\u\u81fc\uff0c\u5219\u53ea\u4f1a\u88ab\u\u4e2a\u7aa0\u81fc\u4e2d\u7b97\u65e0\u\u7684AlphaGo\u78be\u538b\u3002\u4eba\u7c7b\u68cb\u624b\u53ef\u4ee5\u901a\u8fc7\u81ea\u5df1\ub\u8f91\u63a8\u7406\uff0c\u5bfb\u627e\u8df3\u51fa\u5f53\u524d\u5c40\u90e8\u\u\u6cd5\u\u8fd9\u4e5f\u4e0d\u662f\u4e00\u4ef6\u5bb9\u\u4e8b\u60c5\uff0c\u8df3\u51fa\u7ecf\u9a8c\u601d\u7ef4\uff0c\u66f4\u591a\u7684\u53ef\u80fd\uf\u\u66f4\u\u9006\u52bf\uff0c\u8fd9\u5bf9\u4eba\u\u6c42\u592a\u9ad8\u4e86\uff0c\u4e5f\u53ea\u\u5c16\u68cb\u624b\u624d\u6709\u53ef\u80fd\u505a\u\u800c\u4e14AlphaGo\u4e5f\u80fd\u591f\u4e0d\u6bb5\u\u4e60\u65b0\u7684\u7ecf\u9a8c\uff0c\u795e\u4e4b\u4e00\u624b\u53ef\u80fd\u6218\u80dcAlphaGo\u4e00\u6b21\uff0c\u4f46\u4e0b\u4e00\u6b21\u5c31\u4e0d\u89c1\u5f97\ua\u4f1a\u4e86\u3002AlphaGo\u5c31\uc\u7ec3\u5c31\u4e86\u\u68cb\u529b\u\u661f\u\uff0c\u4eba\u7c7b\u5bf9\u4ed6\u\u6218\u53ea\u4f1a\u8d8a\u\u56f0\u96be\u3002\n6.AlphaGo\u80fd\u5e72\u4ec0\u4e48\u4ee5\u53ca\u4e0d\u80fd\u5e72\u4ec0\u4e48\uff1f\nDeepMind\u7684\u76ee\u6807\u80af\u5b9a\u4e0d\u53ea\u662f\u56f4\u68cb\uff0c\u56f4\u68cb\u53ea\u662f\u4e00\u4e2a\u4eea\u5f0f\uff0c\u\u793a\u\u4eba\u5de5\u667a\u80fd\u4e0a\ue\u8ff9\ub\u516c\u5f00\u62a5\u5bfc\uff0c\u4e0b\u4e00\u6b65\u53ef\u80fd\u662f\u661f\u\u9738\uff0c\ue\u662f\u533b\u7597\uff0c\u667a\u80fd\u624b\u673a\u52a9\u624b\uff0c\u751a\u81f3\u662f\u653f\u5e9c\uff0c\ua\u548c\u\u51b3\u7b56\u7b49\u9886\u57df\u3002\nDemis Hassabis\u\u53d7The Verge\u91c7\u8bbf\u65f6\u900f\u9732DeepMind\u63a5\u4e0b\u\u6ce8\u\u5fc3\u9886\u57df\u5c06\u4f1a\u662f\u4e2a\u4eba\u624b\u673a\u52a9\u624b\u3002Hassabis\u8ba4\u4e3a\u76ee\u524d\ua\u4eba\u624b\u673a\u52a9\u624b\u90fd\u662f\u\u7a0b\u7684\uff0c\u8fc7\u4e8e\u\uff0c\u65e0\u6cd5\u5e94\u53d8\u5404\u79cd\u60c5\u51b5\uff0c \u800cDeepMind\u60f3\u901a\u8fc7\u4eba\u5de5\u667a\u80fd\uf\uff0c\ub\u662f\u65e0\u76d1\u\u81ea\u\u4e60\u65b9\u5f0f\u\u771f\u6b63\u667a\u80fd\uf\u6b63\u667a\u80fd\u624b\u673a\u52a9\u624b\u\u662f\u56e0\u4e3a\u667a\u80fd\u624b\u673a\u\u\ua\u591a\uff0c\u\u5de8\u91cf\u7684\u8bad\u7ec3\uc\u624d\u80fd\u5b66\u\u\u4e1c\u897f\uc\u8fd9\u6b63\u662fAlphaGo\u76ee\u524d\u4e3b\ud\u8d56\u\u6cd5\ua\u6b64\uff0cHassabis\u60f3\u\u8ba9\u673a\u\u81ea\u\u4e60\ua\u4e3b\u\u5b66\u4e60\u65b9\u5f0f\uff0c \u4ed6\u5bf9\u6b64\u\u4e86\u4fe1\u5fc3\u\u\u4e3a\u8fd9\u4e2a\u95ee\u9898\u53ef\u80fd\u4e0d\u662f\u90a3\u4e48\u597d\u89e3\u51b3\u7684\uff0c\u56e0\u4e3a\u5728AlphaGo\u4e2d\u81ea\u\u4e60\uc\uf\u76f8\u5bf9\u\u\uc\u\u68cb\u8fd9\u79cd\u76f8\u5bf9\u7b80\u\u73af\ud\uff0c\u81ea\u\u4e60\uc\u7528\u90fd\u76f8\u5bf9\u\uff0c\u\u52a0\u590d\u\u73af\ud\u8981\u80fd\u\u597d\u7684\u81ea\u\u4e60\uc\u\ua\u66f4\u52a0\u5de8\u\u4e0d\u8fc7\u4ece\u6211\u4eecTalkingData\u\u5ea6\ub\uff0c\u628a\u6211\u4eec\u\u91cf\u79fb\u52a8\u7aef\ue\u548c\u76d1\u\u4e60\uf\u76f8\u7ed3\u5408\uff0c\u53ef\u80fd\u66f4\u5bb9\ue\u73b0Hassabis\u7684\u8bbe\u60f3\u3002\n\ua\u4eba\u671f\u5f85AlphaGo\u80fd\u591f\u521b\u\u\u795e\u8ff9\uff0c\u4f46\u540c\u65f6\u4e5f\u8ba4\u4e3a\u\u\u662f\u\u5b9a\u5c40\u\u\u56e0\u4e3a\u5e76\u4e0d\u662f\u\ue\u9645\u95ee\u9898\u90fd\u80fd\u627e\u\u4e48\u591a\u7684\u8bad\u7ec3\ue\u\u\u653f\u5e9c\uff0c\ua\u548c\u\u51b3\u7b56\u4e0a\uff0c\u7a77\u5c3d\u4eba\u7c7b\u\u4e5f\u627e\u4e0d\ua\u5c11\u7cbe\u786e\u7684\u8bad\u7ec3\u96c6\uff0c\u800c\u95ee\uc\u8eab\ud\u\u53c8\u662f\u8d85\u8fc7\u56f4\u68cb\u8fd9\u79cd\u5b8c\u\u606f\u535a\u5f08\u\u\u79cd\u60c5\u51b5\u4e0b\uff0c\u\u5f88\u96be\u5b66\u\u591f\u51c6\u786e\u\u\u7edc\u548c\u4ef7\u503c\u7f51\u7edc\u\u5c31\u4f7f\u5f97AlphaGo\u\u6cd5\u\u8fd9\u4e9b\u95ee\u9898\uff0c\u53ef\u80fd\u662f\u5b8c\u\u6cd5\u89e3\u51b3\u\n7.AlphaGo\u\u610f\u\u4ec0\u4e48\uff1f\n\u867d\u\u56f4\u68cb\u8fd9\u4e00\u88ab\u4eba\u7c7b\u81ea\u8ba4\u4e3a\u662f\u667a\u80fd\uf\u\u5b9a\u9886\u57df\uff0c AlphaGo\u53d6\u5f97\u4e86\u5de8\u\u5c31\uff0c\u4f46\u5176\u57fa\u672c\u673a\u\u6ca1\u\u4e48\u98a0\u\uc\u897f\u\u5b9e\u73b0\u5f3a\u4eba\u5de5\u667a\u80fd\uf\u8fb0\u\uff0c\u76ee\u524d\u\u7b97\u673a\u7406\u8bba\u548c\uf\u53ef\u80fd\u53ea\u7b97\u5f97\u4e0a\u5de5\u8d28\u706b\u7bad\u\u662fAlphaGo\u\u\u4eba\u5de5\u667a\u80fd\u7a81\u\u\u5c55\u4e5f\u4e0d\u80fd\u88ab\u4f4e\u4f30\uff0c\u5de5\u8d28\u706b\u7bad\u6bd5\u7adf\u628a\u4eba\u7c7b\u5e26\u\u592a\u7a7a\u65f6\u4ee3\u3002\u76ee\u524d\u7684\u4eba\u5de5\u667a\u80fd\u\u4e9b\u9886\u57df\u5df2\u7ecf\u80fd\u591f\u66f4\u597d\u\u4e60\u5168\u4eba\u7c7b\u7684\u7ecf\u9a8c\u7684\u80fd\u529b\uf\u8bb8\u4eba\u5de5\u667a\u80fd\u5f88\u96be\u521b\u9020\u51fa\u4ec0\u4e48\uff0c\u4f46\u662f\u81f3\u5c11\u80fd\u628a\u4eba\u7c7b\u5df2\u7ecf\u8fbe\u\u9ad8\u5ea6\u63a8\u\u9ad8\uff0c\u5c06\u4eba\u7c7b\u4ece\u66f4\u591a\u7684\u91cd\u590d\u\u52a8\u4e2d\u89e3\u653e\u51fa\u6765\uff0c\u4e5f\u4e3a\u6211\u4eec\u521b\u\u597d\uf\u6d3b\uff0c\u66f4\u597d\u7684\u73af\u AlphaGo\u662f\u4eba\u7c7b\u8fdb\u6b65\u53f2\u4e0a\u\u4e2a\u91cd\u\u9636\uff0c\u4f46\u662f\u5b83\u53ef\u80fd\u5e76\u4e0d\u662f\u4eba\u5de5\u667a\u80fd\u5d1b\u8d77\u\u\u\n\u66f4\u591a\u\uff0c\u\u54c1\u73a9\u5fae\u4fe1\u53f7\uff1awepingwest\u9650\u91cf\u5f00\u653e\u\u\uPingWest\u54c1\u73a9\u\u670b\u53cb\u4e86\uff1f\u4f55\u4e0d\u626b\u\u5ba2\u670d\u8fdb\u7fa4\u804a\n","gtime":"","taghtml":"","posturl":"http:\/\/\/alphago-talkingdatd\/","postid":68718,"purl":"http:\/\/\/alphago-talkingdatd\/","reposthtml":null,"wxurl":"http:\/\/\/qrcode.php?url=http:\/\/\/alphago-talkingdatd\/?via=wechat_qr","aurl":"http:\/\/\/author\/talkingdata\/","avurl":"TalkingData","ad01":"","ptime":,"sharemore":"Google PlusTwitterFacebookLinkedin","lnurl":"http:\/\/\/shareArticle?mini=true&url=http%3A%2F%%2Falphago-talkingdatd%2F&title=AlphaGo%EF%BC%9A%E9%BB%91%E8%89%B2%E6%96%B9%E7%A2%91%EF%BC%9F&source=http%3A%2F%%2Falphago-talkingdatd%2F"},{"title":"315\u\uff01\u54ea\u4e9b\u\u6d88\u8d39\u\u4e0d\u80fd\u5fcd","imgurl":"http:\/\/\/wp-content\/uploads\/2016\/03\/image2.jpeg","is_hailuo":0,"name":"editor","comnum":"2","cat":"\u","caturl":"http:\/\/\/category\/attitude\/","wburl":"http:\/\/\/share\/share.php?appkey=&url=http:\/\/\/pw-inforgraph-\/&ralateUid=&title=\u30\u4e86\uff01\u54ea\u4e9b\u\u6d88\u8d39\u\u4e0d\u80fd\u5fcd\u3011&pic=http:\/\/\/wp-content\/uploads\/2016\/03\/image2.jpeg","contenthtml":"\u53c8\u\u4e00\u5e74315\uff0c\u53ef\u4ee5\u60f3\u8c61\uf\uff0c\u4e00\u5b9a\u4f1a\u\u\u”\u\u5e73\u53f0”\u\u\u51fa\u73b0\uff0c\u6bd5\u7adf\u8fd9\u662f\u4e00\u4e2a\u6bcf\u5e74\u90fd\ud\u4e86\u;\u5609\u5bbe”\uc\u53bb\u5e74\uff0c\u54ea\u4e9b\u4e8b\u60c5\u662f\u\u\u7684\u70ed\u70b9\u5462\uff1f\u56fe\u89e3\u8fd9\u4e9b\u\u8d39\u\u69fd\u\u65b9\uff0c\u770b\u770b\u4f60\u662f\u4e0d\u662f\u4e5f\u4e2d\u62db\u4e86\u3002\n\n\u4fe1\u606f\u56fe\u7531PingWest \u54c1\u73a9\u4e0e\u661f\u56fe\ue\u\u53d1\u5e03\n\u66f4\u591a\u\uff0c\u\u54c1\u73a9\u5fae\u4fe1\u53f7\uff1awepingwest\u9650\u91cf\u5f00\u653e\u\u\uPingWest\u54c1\u73a9\u\u670b\u53cb\u4e86\uff1f\u4f55\u4e0d\u626b\u\u5ba2\u670d\u8fdb\u7fa4\u804a\n","gtime":"","taghtml":"