科普贴：扒一扒人工智能到底有多厉害
用微信扫描二维码分享至好友和朋友圈
在刚刚结束的围棋人机大战中，AlphaGo机器人在与韩国顶尖高手李世石之间的五番棋第一战中取胜，总比分1-0落后。可以预见，这场世纪大战之后，人类被计算机碾压、人工智能时代来临、人类治理骄傲即将崩塌……这些说法充斥着朋友圈与各大新闻频道。
中新网3月9日电在刚刚结束的围棋人机大战中，AlphaGo机器人在与韩国顶尖高手李世石之间的五番棋第一战中取胜，总比分1-0落后。这是AlphaGo机器人去年战胜欧洲围棋冠军后在人机大战中的又一次胜利。 可以预见，这场世纪大战之后，人类被计算机碾压、人工智能时代来临、人类治理骄傲即将崩塌&&这些说法充斥着朋友圈与各大新闻频道。
资料图 多年以来，人机大战从来没停止过，人工智能一直在各个领域不停地向人类发起挑战。1997年，IBM的超级电脑&深蓝&击败国际象棋世界冠军卡斯帕罗夫，深蓝也成为击败人类的最知名的人工智能。不过马上就不是了，因为AlphaGo准备在更难的围棋领域，击败人类！ 众所周知，围棋的规则与胜负条件足够复杂，其估值函数非常不平滑，差一个子盘面就可能天翻地覆，同时状态空间大，也没有全局的结构。 说的再简单一些，我们都知道国际象棋有着明确的兑子价值： 后&&10分 车&&5分 象&&3分 马&&3分 兵&&1分
图：国际象棋算法的搜索树
图：围棋算法的搜索树 围棋复杂度超过宇宙原子总数：围棋棋盘横竖各有19条线，共有361个落子点，双方交替落子，这意味着围棋总共可能有10^171(1后面有171个零)种可能性。这个数字到底有多大，你可能没有感觉。我们可以告诉你，宇宙中的原子总数是10^80(1后面80个零)，即使穷尽整个宇宙的物质也不能存下围棋的所有可能性。 而且在围棋中，我们很难量化每一子的价值；遑论对弈过程中还需要符合&打劫&的游戏规则，并通过挤、拆、逼、封等手段获取优势，其难度远高于其它项目。因此，棋类游戏中，围棋成为了计算机唯一一道未能攻破的防线。
那么守护人类智力的重任，就交给你了！ 不过围棋与IT界似乎都相信，即便这次AlphaGo跪了，电脑也迟早是会在围棋等全部博弈类游戏上赢过顶尖的人类选手。 因为人工智能技术已经迎来了一个新的突破&&深度学习技术。 AlphaGo比此前国际象棋人工智能复杂的点在于：它基于深度学习进行估值和走棋。而近几年深度学习最大的突破之处，就是深度学习不需要人来设计算法&找特征&；只通过大量原始数据和标签的对比，程序便可以自动找特征，并且并不比人差。 那这和下围棋有什么关系？！先别急，围棋虽说是&千古无同局&，但在局部及开局还是有很多相似或者相同的模式会反复出现，人工智能需要寻找并记录的，就是这其中的特征、以及每一步之间的规律。之后，人工智能将深度学习的找特征，与蒙特卡洛搜索树相结合&& 等等，蒙特卡洛搜索树(MCTS)又是什么鬼？科幻爱好者对这个应该词语并不陌生，老刘的《三体》里也曾出现过。说得简单一些，就是一种通过大量采样获取最优解的方法；体现在围棋中，就是运用了蒙特卡洛搜索树的人工智能，能够看到更多步以后的局势，不会为了眼前的利益而舍弃大局。对于机器来说，这几乎是智的飞跃。 但《三体》里也曾表示，在样本过多的情况下，蒙特卡洛搜索树耗时过长，往往需要以年作为时间单位。因此，快速、精准发现特征的深度学习技术，成为其最好拍档。于是，蒙特卡洛搜索树搭配深度学习&&利用前者枚举棋路、利用后者发现特征加以分析的人工智能AlphaGo，成为了人类棋坛荣耀的最大威胁。 不只是围棋，自从人工智能不断趋向成熟，越来越多的传统领域受到了挑战。 人工智能VS专业医师
图：沃森电脑已向医疗领域进军 例如11年在综艺节目上狂虐人类选手的超级电脑&沃森&。在面对主持人提出的各类新奇古怪的问题时，沃森不仅能在第一时间给出正确答案，还能主动忽略自己不擅长的问题。据说，沃森储存了数百万的文档资料，包括字典、百科全书、新闻、文学等，其硬件配置可以使它每秒处理500GB的数据，相当于每秒阅读100万本书。 如今沃森被运用于医疗服务、咨询等领域，能够给患者提供最合适的治疗方案。不论从效率还是诊断准确率来讲，人工智能都远胜过人工咨询，足以媲美专业医师。 人工智能VS顶级黑客
图：360天眼团队在BlackHat大会上演讲 对于人工智能来说，达到专业医师的程度还不够。采用深度学习技术的360天眼系统，已经和世界最顶尖的黑客开始了博弈。去年8月，全球信息安全行业的最高盛会&&世界黑帽大会BlackHat在召开。期间，该人工智能系统被搬上大会讲台，为在场的1.5万余名专业安全人士以及顶级黑客，展示深度学习与流量识别的综合应用。 虽然出现在黑客的最大party上，但天眼系统的目标却是防止黑客的攻击：基于多GPU的并行计算，建立一个模拟人类大脑的深度学习神经网络，通过网络流量识别协议及应用程序，找出云端海量数据中的APT攻击、免杀木马、新型木马等未知威胁。 人工智能VS男/女朋友
图：呆萌的随身人工智能&&Siri 如果说这些人工智能只让一些职业感到危机的话，那么Siri、小冰等这些语音助手的出现，就可能让男票女票面临失业了&&早期的Siri相当于语音识别+搜索引擎，而如今，Siri不仅能够知道语言所代表的含义，还能给出一个或有趣或靠谱的回答，像人多过于机器。 还记得电影《Her》吗？男主人公爱上了电脑操作系统里的女声&萨曼莎&&&有着一把略微沙哑的性感嗓音，并且风趣幽默、善解人意的人工智能。按照现在小冰以及Siri这些语音助手的发展速度，恐怕人工智能成为人类心灵伴侣的一天，并不会遥远了&& 还有Google的无人驾驶、美联社一周能写百万篇新闻的Wordsmith、facebook的虚拟助手M&&各行各业的人工智能科技不胜枚举。按照比尔盖茨、霍金这些大佬的说法，我们正处于人工智能爆发的节点，接下来，将会有更多智能系数更高的系统、程序被研发出来。 &世界最好的人类棋手在压力下崩溃了。&1997年，卡斯帕罗夫被深蓝击败后如是表示。
也许世界冠军卡斯帕罗夫最后都没能明白，击败他的并非是心理压力，而是进击的人工智能。
[责任编辑：周超]
用微信扫描二维码分享至好友和朋友圈谷歌人工智能破解围棋比赛：首次完胜欧洲冠军 - iDoNews
> 谷歌人工智能破解围棋比赛：首次完胜欧洲冠军
谷歌人工智能破解围棋比赛：首次完胜欧洲冠军
谷歌今日宣布在人工智能领域的重要进展：开发出一款能够在围棋中击败职业选手的程序——AlphaGo，该程序能够通过机器学习的方式掌握比赛技巧。
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10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。
“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　　
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。
值网络也是通过自己和自己下棋的方式来训练。目前值网络可以评估每一步棋能够有多大胜算。这在此前被认为是不可能的。
AlphaGo战绩惊人
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。
AlphaGo与欧洲围棋冠军樊麾的5局较量　　
公开的比赛将在今年三月举行，AlphaGo将在韩国首尔与韩国围棋选手李世石九段一决高下，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。李世石表示很期待此次对决，并且有信心获得胜利。
此外，AlphaGo的发布，也是Deep
MInd在2014年1月被谷歌收购以来首次发声。在被收购之前，这家位于伦敦的人工智能领域的公司还获得了特斯拉和SpaceX创始人马斯克的投资。
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。
来源：新浪科技
正在加载......围棋“人机大战” 人工智能站在风口(股)
作者：徐杨 整理来源：中国证券报?中证网
&&&人工智能概念股迎风口(图)　　人机大战　　围棋一直被看作是人类最后的智力竞技高地。3月9日，一场举世瞩目的与人类大脑的对决在韩国首尔上演。对战双方分别是谷歌的人工智能AlphaGo机器人与世界围棋高手李世石，最终李世石执黑186手中盘投子认负。　　李开复：未来人工智能会赢　　对于此次人机大战，著名创业者、创新工场首席执行官李开复认为“人工智能未来一定会赢”。　　李开复可以说是最早接触人机对弈的专业人士之一。谈及此次AlpaGo与李世石的比赛，他并不回避机器要赢还有点难，但充分看好人工智能的未来发展。　　让他觉得人工智能终将战胜人类的，还包括他在硅谷的所见所闻。“做深度学习的人工智能博士生一毕业就能拿到200万至300万美元年收入的岗位邀请，这是有史以来没有的。我觉得硅谷的公司都在追捧这个方向，而且基本看重的都是斯坦福、麻省理工、卡内基梅隆、伯克利这四大名校的学生。以前这些学校的博士生在硅谷都可以拿到高薪，但从来没有达到每年250万美元的薪资水平。”　　除了人工智能的前景，李开复提醒记者还可以从另一个角度看待这场比赛：与其讨论究竟谁会赢，不如关注还有多长时间机器才能战胜人类，以及机器战胜人类之后的发展是什么。　　在他看来，过去机器只是在计算方面超越人类，但在视觉、感觉方面不如人。但近些年来，机器越做越好，从而让机器能在更广的领域里发挥作用。他预测，未来10年，大部分人类的工作可以被机器所取代，包括工厂工人、司机、护士、会计、律师助手、教师，或其他带有助理、代理或经纪等职位，甚至医生、律师和教授的部分工作，也能被机器所取代。　　人工智能行业迎来第三次高潮　　根据艾瑞市场咨询关于人工智能的深度报告，如今人工智能已经在诸如智能穿戴设备、无人机、虚拟客户服务、智慧城市/安防、基于大数据的业务分析等领域得到应用，节省了大量人工成本。　　渤海证券认为，谷歌AlphaGo与李世石进行人机大战，势必将引来社会各界对人工智能的关注，建议投资者积极关注人工智能个股的事件性机会。　　广证恒生研报给出的数据显示，2014年人工智能领域全球投资总额超过19亿美元，同比增长超50%。其中，风投领域共完成40笔交易，总金额高达3.09亿美元，同比增加302%。受到下游需求倒逼和上游技术成型推动的双重动因，BBC预测，人工智能市场将继续保持高速增长，2020年全球市场规模将达到183亿美元，约合人民币1190亿元。　　爱建证券认为，人工智能行业正在迎来第三次高潮。爱建证券在研报中表示，人工智能的应用随着芯片计算能力的增强以及先进算法的提出，正得到快速发展，越来越多的巨头公司和创业公司也正积极进入这一领域。根据艾瑞市场咨询关于人工智能的深度报告，随着“深度学习”神经网络算法在语音和图像识别上取得成功，目前人工智能行业已迎来第三次高潮。当前我国在政策支持、人才和技术储备以及资本产业发展动向上看已为国内人工智能的发展提供了良好的基础条件，未来会有更多应用投向市场。　　具体个股方面，爱建证券建议投资者关注（002253）、（002230）、（600728）、（300098）、（002226）。
中证网声明：凡本网注明&来源：中国证券报&中证网&的所有作品，版权均属于中国证券报、中证网。中国证券报&中证网与作品作者联合声明，任何组织未经中国证券报、中证网以及作者书面授权不得转载、摘编或利用其它方式使用上述作品。凡本网注明来源非中国证券报&中证网的作品，均转载自其它媒体，转载目的在于更好服务读者、传递信息之需，并不代表本网赞同其观点，本网亦不对其真实性负责，持异议者应与原出处单位主张权利。
document.getElementById("bdshell_js").src = "http://bdimg./static/js/shell_v2.js?cdnversion=" + new Date().getHours();