陈经：人类智能堡垒围棋突然被谷歌智能攻破了，靠的是策略判断和暴力搜索两手都硬
风云学会会员，《中国的官办经济》
关键字: 谷歌人工智能职业二段围棋围棋AI人工智能AlphaGoAlphaGo电脑围棋樊麾
日一早，围棋圈和人工智能圈被一个消息给炸了：
2016年3月将分先挑战李世石，奖金100万美元。
Nature网站出了新闻：
1月28日出版的Nature封面文章介绍了这个人工智能领域的重大突破。
文章第一作者David Silver
围棋迷以前的感觉是，电脑围棋确实进步挺大的，但要说能挑战职业棋手，似乎还有很长时间，十年或者更长。
仅仅两个月前，2015年11月，北京举办了一次“美林谷杯”电脑围棋竞赛，冠军是韩国人工智能程序“石子旋风”（DolBaram)，被让四子、五子、六子与中国职业高手连笑七段（刚获得名人和倡棋杯两个头衔）对弈。在第一局中，电脑显得无比愚蠢，执着地与连笑打一个注定无法胜利的连环劫，消耗了大量劫材不断亏损，对弈中连笑都笑开花了。直到让六子，电脑才胜了一局。
连笑七段和DolBaram作者林宰范
早期的电脑围棋代表程序是我国陈志行教授（量子化学家，跟风云学会会长袁岚峰是同行，2008年去世）开发的“手谈”，上世纪90年代多次获得电脑围棋世界冠军。那时的电脑围棋棋力不到业余一段，业余棋迷们以让多少子战胜“手谈”为谈资，让七八子都很正常。
1997年IBM的国际象棋程序“更深的蓝”战胜了人类最高水平的卡斯帕罗夫，当时兴起了一股人工智能热潮。但是围棋迷很淡定：电脑围棋，还差太远，离一般业余棋手都有不小的差距。按某种估计，围棋的复杂度是10的170次方，比国际象棋的10的47次方多100多个0，电脑还差得远。这个时期的围棋程序有的搜索，有的不搜索，但基本还是与国际象棋的人工智能算法相似，被围棋的复杂度轻易击败，下起来一看就很愚蠢，根本不象人。
和国际象棋类似，中国象棋也被人工智能程序攻破了。业余象棋比赛多次传出选手使用软件作弊的丑闻，职业圈子中王天一、孙勇征等大师也为之争吵。之后围棋逐渐成为人工智能领域的核心难题。Google、Facebook和微软都开了围棋研究小组。
围棋人工智能的上一次显著突破，是2010年左右，开发者们引入了“蒙特卡洛”算法。这种算法的特点是模拟棋局一直到下完算子判断胜负，模拟多次后看哪个选点的“获胜概率”最高。模拟时会利用“棋形”等经验减少选点，一直模拟下去直至终局。时间不够或者电脑计算能力不足，模拟的“局面数”就少，棋力就低。这是一个基于概率的暴力搜索算法，确实取得了突破。代表程序有日本的Zen，法国的CrazyStone，以及前面提到的DolBaram（在北京击败了Zen与CrazyStone）。中国电脑围棋开发者这时落后了，没有开发出水平相当的程序。这些基于蒙特卡洛算法的围棋人工智能，已经可以轻松战胜一般业余棋手了，但是对职业棋手还是差距很大。对局时，电脑招法一般看着还可以，但有时会出现一些莫明其妙的招数，如落后时就开始瞎下。这是因为电脑根据概率评估，瞎下人应错了它有机会胜。
研究者以及棋迷们都认为，蒙特卡洛概率暴力搜索虽然取得了棋力的巨大突破，但不是围棋人工智能技术继续发展的方向。即使再增加算力，增多模拟局面，棋力也不会有本质提升，战胜职业棋手是不可能的。业余棋迷们会惊叹于人工智能围棋的发展，在KGS围棋网上，排着队和Zen等人工智能程序对局很有乐趣。但职业棋手们仍然很淡定，认为围棋人工智能挑战职业选手还是很远的事。
就在前面连笑与DolBaram对弈之后，对于电脑围棋较为了解的中国围棋队总教练俞斌九段评论说：
“国际象棋的电脑程序是围绕着杀死王这一要点设计的，比较有效。而围棋的棋子没有大小之分，电脑无法判断哪条大龙更大，从而无法准确做出取舍。围棋到后盘收官变化无穷，越下到后面，盘面形势就越复杂，这让计算机程序难以做出正确选择。现在设计围棋电脑软件的都是业余棋手，而软件的水平很难超过设计者，光靠电脑会记能算，想战胜职业高手是不容易的。业余棋手思考问题的方法与职业棋手不同，如果今年由围棋和电脑软件高手联手编写软件，那么，电脑围棋的水平会有质的变化。”
国家队总教练俞斌九段
这次Google的DeepMind小组开发的AlphaGo取得的突破，可以说打破了俞斌九段的预期。AlphaGo与中国职业二段樊麾分先下成了5：0看这五局棋的感觉，AlphaGo下得非常象人，一点看不出是机器下的，和以前的各种程序有显著区别。战绩上也是压倒性的。第一局樊麾和电脑平稳收官，输了3目半。后面四局进行战斗，多次被电脑杀死大龙，全部惨败。
樊麾虽然只是欧洲冠军，但毕竟有中国职业段位，就算多年在低水平环境中棋力下降，业余顶尖水平总是有的。AlphaGo也和之前最高水平的程序Zen、CrazyStone下过，分先495盘只输了1盘。它甚至能让4子对阵Crazy Stone和Zen，胜率分别是77%和86%。这个水平突破绝对是革命性的。
本文仅代表作者个人观点。 请支持独立网站，转发请注明本文链接： 责任编辑:李楚悦> 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
引用 的话：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...人类想要干AI的游戏类别太多了棋类只是其中之一而已随便找个lol，dota2之类，说不定一个业余的也可以干AI
果壳实验室主任
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...记得那篇，好像是人跟Ai靠围棋赌资源吧，油田还是钻井平台什么的
看了1盘是点目 后面4盘都是中盘胜.如果真是如此，那还是差很远。19*19，这个规则曾经就有人突破过，下一辈子棋，有些把握可以大到难以计算。面对陷阱取舍，面对博弈大局，面对关子回转。AI可以在某方面突破，如果棋手也研究AI，你觉得谁会赢
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。这个职业棋手可是中国人。你真的懂围棋么？晚报杯业余六段强豪砍职业四五段的二线棋手如切菜砍瓜一般。。。。
引用 的话：人类想要干AI的游戏类别太多了棋类只是其中之一而已随便找个lol，dota2之类，说不定一个业余的也可以干AI兄弟你开玩笑么。。。。我3-4年前就在围棋吧说过，电脑AI干不过人类是因为谷歌这种大公司没有参与开发。当时被喷几百楼。现在？呵呵LOL一局我没玩过不说话，DOTA2就是一个细节决定一切的事。我自从学会控制台自动切假腿，分数从4000涨到了4500。打团，插眼，反眼这些，人家电脑分分钟完克你。打团每个人要干嘛，走位怎么走，只有电脑近乎0ms的反应速度才能打出来完美团。还是那句话，要是谷歌参与DOTA2的AI，分分钟完克职业战队。
人算不如天算呐！
机械计算人类不是计算机的对手，但是人类可以以大脑的低能耗战胜计算机，围棋无边，加２条或者４条甚至２０条线，变成３９线的围棋，人类吃力尚且可以计算，而那时候计算机哪怕消耗全球电力也无法进行基本计算，人类就可以以大脑的低能耗战胜计算机了。
然而，我还可以拔掉它的电源
星际玩家表示ai的操作应该是完爆真人的，但策略方面，不好说啊：）
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...我记得那篇，好像是双胞胎兄弟俩，一个下棋凭美的感觉，最后赢了。
让AI玩Agar.io
引用 的话：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。前年十番棋还赢了古力呢
人类忘记自己的愚蠢重复同样的错误讲道理公平竞争的话这台电脑是不是只能烧几千卡的酒精？
引用 的话：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...反正在EasyTech出品的游戏的AI面前还是有优越感的。
引用 的话：前年十番棋还赢了古力呢看总战绩啊……李世石的冠军都集中在那几年？
引用 的话：倒也正常，毕竟吃反应的游戏，结果反应时间可以碾压两个数量级么2333跟这种人有什么好说的。。。看来你不混贴吧啊。。。
引用 的话：呵呵，想说自己没喷，当我们智商和你一样那？或者你用你那小学生的撒泼打滚让我们忘记你喷的东西？啧啧啧，还号称自己练这个练那个，怂货一个嘛。但是当怂货的前提是你要把你之前喷出来的吃回去啊，你怎么吃？本来挺有意思的帖子， 突然就变成脏话秀了， 能私下解决么？引用 的话：继续，我是认真的，看着人便秘而死心有不忍啊。 说不通就散了吧，又不能咬一口
引用 的话：没办法，我反驳他，他说不过就喷我，难道我就让他喷么？…… 可是都一页多了…… 转战站内不行么……
引用 的话：如果某人有自知的话其实早就散了。不明真相的群众表示只是想安安静静看帖
算法，人写的算法。还是利用了计算机高频运算能力作弊的算法。
引用 的话：不要和这种大仙级别的人说话了，他已经达到了外星人的地步，那种数量级的反应速度在昆虫中也算是佼佼者了，在人类科学文献中根本就不存在的。活在自己的世界的人你何苦去叫醒他么，随他去不就好了么
引用 的话：嗯嗯嗯，顺便介绍一下，这个小游戏的AI开始后会根据模式在一个时间段内出刀，普通1~5秒，困难1~30秒，在对话框弹出时开始计时，早晚都判负（废话），普通模式AI的速度是0.1秒，高难度是0.048秒，...求你去隔壁找个好基友用自由落体的100块试试能不能抓住
引用 的话：抓尺子头的路过。啧啧，果然厉害啊，是位移不到12.5mm就可以抓住尺子么
围棋的英文什么时候才能正式改成weiqi而不是日语的go？
引用 的话：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 ……这是通用算法，人工智能可以虚拟出无数个实例在统一的规则中自己和自己下，根本就没人类什么事。好比1万个人每天下1万盘连续下1万年提高技艺，最后这1万个人再同时和别人下...
引用 的话：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...小赖皮……好主意哎！
引用 的话：实际上当年CS流行的时候我拿着个AUG蹲哪哪没人敢来，包括开挂的，反正打头一枪，我先开枪我就赢。然而BF是个系统上杜绝早泄党的游戏，打头一枪死不了不说，散布和瞄准无关让打头实际上变成了拼脸，所以大神来...当年没有防弹衣和头盔吗
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 十年前, 我认为, 神经网络优选 + 蒙特卡洛 + 硬件进步, 可以轻松让 computer AI 真正战胜人类围棋选手....如果加上针对对手的心理战和习惯数据库, 人类棋手将毫无希望.... 不要觉得这个 是 "作弊", 人类棋手对人类棋手的心理战和针对 "棋风" 的策略, 是很重要的一个取胜手段....我的一位朋友, 围棋还可以, 总是把自己的优越感建立在围棋上, 认为围棋水平高, 数学/物理只要一学就会, 一想就通..... 被无情的事实打得灰头土脸..... 于是他改为 "情商优越" 路线, 开始吹捧围棋水平高是智商情商都高..... 然而并不能解释他被那些小孩儿痛宰.....然而, 围棋的核心并没有那么多智慧, 它只不过是个 游戏, 很抽象, 很好玩儿的游戏, 进而发展成一项成功的商业化智力运动, 仅此而已. 试图在围棋上找太多的 "文化内涵"..... 我觉得本来就没什么意思....而对于人类智力的自负 (好吧, 我承认人类智力目前还是很值得自豪的) 让很多人不原意承认计算机技术的发展...... 或者, 思维上, 视野上看不到这么宽.... 毕竟, 人家的本行是棋手, 而且很成功, 再要求有科学思维和视野就太过苛求了....几个月前, &围棋天地&写道, 国家队总教练俞斌九段, 对计算机围棋的看法是: 公平战胜职业高手 "一百年也没可能"..... 俞斌九段是编程爱好者, 据说编写过不少围棋应用, 比如说棋谱记录和管理之类的, (不知道有没有死活题软件什么的)..... 当时看到这句话, 我就想说: 您下棋当教练都是专业的, 我很钦佩; 但很遗憾, 您的计算机, 真的是业余的......又及, 现在担心被 AI K.O. , 还并不非常现实, 毕竟, 随便找个棋手来学开车, 用不了几个月还能学得不错的...... 但 google 的汽车来下棋, 还是 google 的棋手学开车, 恐怕都得一个大团队来伺候, 劳民伤财, 费时费力..... 但是, 不要忘了, computer 跨越门槛之后的发展, 真的很恐怖.....计算机围棋, 跨越门槛的那一刻, 应该从战胜卡斯帕罗夫的深蓝开始算起......
引用 的话：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...科技不是玩游戏，你以为点科技树呢，技能点有限只能点一个方向，科学技术之间是相互促进的、相互牵制的，举个例子，外星殖民需要光速飞船对不对？光速飞船的发动机一定要很结实对不对？很结实就一定要新材料对不对？这种材料的配方人工去试是不是要试到猴年马月？如果有可以高速模拟微观粒子的计算机是不是可以快速常识新材料配方？
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：