继象棋之后，人机大战为何选中围棋？
关于人机大战，早在1997年，一台叫做“深蓝”的超级盘算机在国际象棋高低赢了国际象棋冠军卡斯帕罗夫。“深蓝”是一台超级盘算机，虽然跟人工智能程序Alpha Go好像不是同一回事，但是其实人工智能程序也须要以盘算机作为载体能力工作，就像大脑也须要有身材才行。因此，把它们放在一起比拟并不奇异。而随着超级盘算机技巧的不断发展，即使是今天最普通的集成显卡的性能也超过了700GFLOPS。“深蓝”已经从逐渐跟不上脚步到被甩开了一大截。值得一提的是，世界上最快的超级盘算机是我们国度的天河2号，其性能到达了33.86PFLOPS，是“深蓝”盘算机的30万倍。
那么，跟“深蓝”盘算机相比，谷歌Alpha Go的性能又怎么样呢？此前谷歌曾经在《自然》杂志上发表过关于这个人工智能体系的文章，其中称，Alpha Go人工智能的盘算机装有48个CPU和8个GPU。我们似乎无法将两者放在一起直接比拟，因为Alpha Go是在云盘算平台上运行的，我们可以通过竞争对手的盘算机数据来进行大概的比拟，比如阿里云。
2015年12月，阿里云对外开放高性能盘算服务。这些盘算机的单机浮点运算才能是11TFLOPS。如果谷歌的盘算机性能与阿里云接近的话，那么Alpha Go所驱动的硬件的性能至少是深蓝的1000倍。
说起围棋和人工智能，我们可能多少都懂得一些，不过二者是怎么接洽到一块的呢？
那是因为机器克服人类，一个症结就是围棋。拥有悠长历史的围棋高度反应了人类的智慧，围棋棋盘纵横19道，361个交叉点，涉及到的可能涌现的局势数目最大可达3^361，大致的体量是10^170，而已经观测到的宇宙中，原子的数目才10^80，国际象棋最大只有2^155种局势，这是什么概念？看似简略的纵横19道，361个交叉点，形成了浩瀚的宇宙。所以有人说，围棋是体现人类智慧的最好游戏，之前还有人预测，人工智能（AI）须要再花十几年能力克服人类，所以若抛去商业元素，这场竞赛的意义可能在于见证历史，足以解释当前人工智能的技巧研讨已经到达新高度。
AI下围棋，毕竟有多难？
难点1：围棋对弈的基本是逝世活的确认，肯定棋盘上一块棋的逝世活是最根本的，但要搞清晰一块棋是逝世是活是非常艰苦的，而且，这种似逝世似活的状况又是在不断变更的。研讨局部逝世活搜索是AI围棋发展的一个难点。
难点2：棋形体现着人类形象思维独有的特征，棋手对棋形的感到完整依附于自身的经验，而这种感到恰恰是输赢的症结，也是棋手程度高下的标记。人类棋手不愿意糟蹋自己的棋子去无谓地攻击对方活的棋形或无谓地试图抢救自己逝世的棋形，要赋AI这种对棋形的感到，则是人工智能面临的主要课题。
难点3：此外，还须要研讨特别的算法来解决迅速辨认问题，有名的电脑围棋程序设计者布恩说过: “有了迅速的模式辨认办法，就不难教程序应用手筋来吃棋。”所以说，模式辨认算法是围棋博弈程序的主要组成部分，高效的模式辨认算法反应着博弈程序的程度，当电脑的模式辨认技巧发展到能与人脑匹敌时，电脑围棋的棋力离专业九段就不远了。
简略来说，一方面，围棋规矩非常庞杂，每一步的调剂，都会发生更多的可能，这对机器的盘算才能请求很高。另一方面，即使机器中存储了足够多的已有围棋大战数据，由于围棋规矩的庞杂水平和棋手的无法预测的落子，对机器的应变才能或深度学习才能有更高的请求。
4.下围棋这么庞杂，AI靠什么取胜？
上面说的那么难，难道AI就没机遇取胜了？NO NO NO~
为了击败人类，研讨者们拿出了大杀器——这就是人工智能范畴新一代的机器学习（machine learning）情势——深度学习(deep learning)和强化学习（reinforcement learning）。
深度学习的概念换句话说，就是让盘算机像人脑一样去学习和思考。和传统的机器学习不同，深度学习是把盘算机科学和人类的神经学联合起来，让盘算机自主学习。比如，不是由人告知盘算机这是一只猫，然后让它来进行辨认和印证。而是给盘算机供给大批的图片数据，让它自己学习和剖析，然后自主形成“猫”的概念，就像人类大脑的视觉皮层那样反响。有了具备深度学习才能的人工智能体系，以后驾车出行时，汽车就能自动提示你周围的路况，还能运用于语音和脸部辨认、医疗诊断等范畴。
强化学习一词来自于行动心理学，这一理论把行动学习看成是重复实验的进程，从而把动态环境状况映射成相应的动作。它相似于传统经验中的“吃一堑长一智”，强化学习可以做出策略选择，普遍运用于下棋、走迷宫这一类别中。这种依附于大数据和壮大盘算才能的被称为“深度学习”的无监视或半监视机器学习，使盘算机可以在无需人力参与的情形下，完成本来只有经过高度专业化训练的专业人士能力完成的义务，甚至超过专家。
另外，为了到达更高的运算才能，谷歌还把Alpha Go接入到了一个有1202个CPU组成的网络中。这使得这个人工智能体系的盘算才能在本来的基本上增长了24倍。经过推算，Alpha Go的性能大约是深蓝盘算机的2.5万倍左右。按这个节奏盘算，假如人类一年能玩1000局，AI一天就可能玩100万局。所以Alpha Go只要经过了足够的训练，还是有可能击败人类选手。究竟，人类在长时光的下棋竞赛后，由于生理和心理限制可能会疲累，进而犯错，但机器不会。
不过谷歌董事长施密特表现，即使机器真的赢了，人类仍是赢家。即使AlphaGo机器最终赢了李世石，对于人工智能是否会“碾压”人类，依然存疑，我们不必过于焦虑，人工智能可能还有很长的路要走。
历史上的人机大战
①深蓝克服卡斯帕罗夫
1997年，美国IBM公司的“深蓝”超级盘算机深蓝以二胜一负三平的战绩克服了当时世界排名第一的国际象棋巨匠卡斯帕罗夫，成为赢家。
②浪潮天梭挑衅人类象棋巨匠
2006年的浪潮天梭超级盘算机，挑衅人类象棋巨匠一役，在最终的巅峰对决中，许银川与浪潮天梭两战皆和。浪潮天梭向世人证明了自己超强的运算才能。
③全才学霸沃森挑衅人类
2011年，“深蓝”的同门师弟“watson”（沃森）在美国老牌智力问答节目《危险边沿》中挑衅两位人类冠军，并获得胜利。
④Alpha Go以5:0完胜欧洲冠军樊麾
2016年1月，美国谷歌公司旗下的人工智能(AI)开发商“DeepMind”(位于英国)研发的围棋电脑软件“AlphaGo”(阿尔法围棋)打败了职业棋手樊麾，首创全球先河。
进入21世纪后，科学研讨从大数据、人工智能到虚拟现实，从发明了类地球行星、引力波到无人驾驶、量子盘算，这是一个创新不断、惊喜不断的时期，而我们有幸参与其中，这也许比单纯讨论竞赛胜负更有趣。
下一篇：html下拉选择框;html下拉框上一篇：皇帝成长计划2健康怎么加