-
日期: 2017-01-05 | 來源: 科學人微信號 | 有0人參與評論 | 字體: 小 中 大
自1月2日起，短短的3天時間內，圍棋AI“Master”已獲60連勝，戰勝了包括柯潔、古力、聶衛平在內的幾乎所有頂尖人類棋手。“棋風怪異，招式狠辣，連戰連勝”, 在我們紛紛猜測這神秘AI來自何處時，昨日21時，Master終於給出了回應。“我就是AlphoGo”。
昨晚，DeepMind官方發布新聞稿，證實AlphaGo歸來。圖片來源：Deepmind.
2016年，DeepMind研制的人工智能程序AlphaGo戰勝圍棋世界冠軍、韓國名將李世乭。那時，人類曾贏下了壹局。不到壹年的時間，AlphaGo變得更快更強，人類卻已潰不成軍。新的AlphoGo有多厲害？Master能否戰無不勝？與AlphoGo相比，Master強在哪裡？科學人邀請多位計算機科學家進行討論，壹起來聊聊這重新歸來的AlphaGo。
天下武功
唯快不破
Master是壹個不折不扣的快棋高手。職業圍棋九段，國家圍棋隊總教練俞斌在“分答”中表示：“Master和我們的頂尖高手下的都是30秒以下的快棋，我們跟它約30秒以上的棋它是不接受的，它這次來好像就是測試快棋的實力的。”
科學人: 為什麼Master只下快棋？會有什麼可能的用意？
張崢（上海紐約大學計算機科學教授）：
快慢是相對的，對狗狗系來說人的時鍾太慢。?
余凱（地平線機器人科技創始人兼CEO，前百度研究院副院長）：
計算機算法的能力是用求解時間來決定的，能下快棋，說明Ai的算法能力得到了顯著提升。?
俞揚（南京大學副教授，AI專家）：
下快棋是很難的，僅說機器壹方，目前的博弈算法都包含有搜索，搜得多看得遠就下得更好，國際象棋的深藍是純靠搜索。AlphaGo壹方面使用了改進的搜索算法，另壹方面引入了深度神經網絡，減少了對搜索量的需求，但是還是要搜。
搜索的弊端就是耗時，因此下得快是對算法博弈的巨大挑戰。
Master在下快棋方面拾分厲害，相較於AlphaGo在技術上肯定有改變，最直接的手段是計算加快，例如使用更新的計算設備。另壹種手段是改進算法，提高深度神經網絡的能力，進壹步減小需要的搜索量，包括：1. 目前已經有壹些性能更好的網絡結構，如ResNet；2. 強化學習的算法得到了改進，如TRPO；3. 強化學習自博弈算法得到了改進，如FSP。
繆文（富士通研發中心研究員，中科院、德國馬普學會計算神經科學博士）：快棋對AI算法的影響比較小，計算10秒和計算1分鍾這兩者之間的結果絕大部分可能是壹樣是。而對於人類來說，快棋狀態下更傾向走定式棋而且更容易犯錯，定式對於AI來說是比較容易應對的，畢竟算法訓練的數據來源很多都是定式。快棋策略讓Master有更大的贏面。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見