说说谷歌围棋有多厉害吧？谷歌智能围棋也刚刚输给过人类，凭什么取得了最终胜利

本文目录

• 说说谷歌围棋有多厉害吧
• 谷歌智能围棋也刚刚输给过人类，凭什么取得了最终胜利
• 谷歌人工智能围棋是穷举还是别的算法
• Google 人工智能首次完胜人类围棋冠军 为什么很厉害
• 谷歌为何要做人工智能围棋程序AlphaGo
• 2016年3月15日谷歌围棋人工智能最终战胜韩国棋手谁
• 如何看待谷歌AlphaGo首次战胜人类围棋高手
• 谷歌的围棋软件和人类到底谁是赢家
• 谷歌围棋ai战胜欧洲冠军是否作弊，围棋界怎么说
• 最近谷歌围棋人工机器人与韩国相关作文

说说谷歌围棋有多厉害吧

计算机程序能在不让子的情况下，在完整的围棋竞技中击败专业选手，这是第一次。2016年3月9日到15日，阿尔法围棋程序挑战世界围棋冠军李世石的围棋人机大战五番棋在韩国首尔举行。比赛采用中国围棋规则，奖金是由Google提供的100万美元。最终阿尔法围棋以4比1的总比分取得了胜利。2016年12月29日晚起到2017年1月4日晚，阿尔法围棋在弈城围棋网和野狐围棋网以“大师”（Master）为注册名，依次对战数十位人类顶尖高手，取得60胜0负的辉煌战绩。2016年7月18日，世界职业围棋排名网站GoRatings公布最新世界排名，谷歌旗下DeepMind的人工智能系统AlphaGo以3612分，超越3608分的柯洁成为新的世界第一。[

谷歌智能围棋也刚刚输给过人类，凭什么取得了最终胜利

　　因为程序改进过，选点，大局观的判断有了不小的进步。也修复了以前的bug　　从人工智能技术发展上看，DeepMind使用了“深度学习”技术，而非象俞斌估计的和职业高手合作。电脑通过海量学习人类高手的棋谱，用深度神经网络快速模拟出人的招法，下出来的棋就很象人了。樊麾二段说：“如果没人告诉我，我会想对手下得有一点怪，但肯定是个很强的棋手，一个真正的人”。　　而DeepMind小组在搜索技术上取得了更大突破。跟Darkforest相似，AlphaGo用一个深度神经网络（policy network，“策略网络”）减少搜索的选点，象人类高手一样，只考虑少数几个可能的选点。此外，他们还建立了另一个深度神经网络（value network，“值网络”），象人类高手一样，思考到某个局面就有了结论，不必象之前的蒙特卡洛模拟那样下到终局，极大地减小了搜索的深度。　　DeepMind引入的另一个逆天的高招是，让围棋人工智能自己和自己下，总结经验，自我不断提高！　　这个人工智能自学习的要点是，不需要告诉电脑人类的经验，就让它自己玩这些电脑游戏，只是给出玩的分数。电脑看着分数不断纠正自己的策略，最后就发展出比人类还强的电游技术。这次的AlphaGo也用了这个技术，这又是比其它电脑围棋程序强的地方。从Nature的文章看，DeepMind的绝招是，用50台电脑让AlphaGo不断和自己对弈，下了3000万盘棋！然后每盘棋选取一个局面（不多选，以避免同一盘棋中不同局面之间的相关性），根据这盘棋的最终结果判断局势优劣。这样获得了3000万个训练数据，用于训练生成“值网络”。暴力生成这么多数据需要海量的计算资源和投入，确实只有谷歌这样的大公司敢想敢做。可以看出他们的战略是智能和蛮力两手抓，两手都要硬，哪个合适就用哪个，并且互相帮助。　　通过这样三招，DeepMind小组确实在围棋人工智能上取得了巨大突破。而且研究方法的潜力很大，从这个方向上走，最终象“更深的蓝”一样战胜人类最高手是完全可以想象的。一个月前，DeepMind小组就报告说围棋人工智能取得了巨大突破，会战胜人类，但当时棋迷与职业棋手并未留意。现在有了棋谱，又有了技术细节，就显得可信多了。

谷歌人工智能围棋是穷举还是别的算法

AlphaGo 给围棋带来了新方法，它背后主要的方法是 Value Networks（价值网络）和 Policy Networks（策略网络），其中 Value Networks 评估棋盘位置，Policy Networks 选择下棋步法。这些神经网络模型通过一种新的方法训练，结合人类专家比赛中学到的监督学习，以及在自己和自己下棋（Self-Play）中学到强化学习。这不需要任何前瞻式的 Lookahead Search，神经网络玩围棋游戏的能力，就达到了最先进的蒙特卡洛树搜索算法的级别（这种算法模拟了上千种随机自己和自己下棋的结果）。我们也引入了一种新搜索算法，这种算法将蒙特卡洛模拟和价值、策略网络结合起来。

Google 人工智能首次完胜人类围棋冠军 为什么很厉害

Google DeepMind 团队在最新一期《Nature》上发表论文称，其名为 “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。在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军Garry Kasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，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。在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。David Silver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（value network），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policy network” ），会不断地学习此前人类和自己的落子，来选择接下来怎么下。不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。据消息称，Google的“阿尔法Go”V和现在的围棋世界冠军李世石 （Lee Sedol），将在今年三月正式进行比赛。在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，机器人和人类究竟谁更强大，答案很快就会揭晓。

谷歌为何要做人工智能围棋程序AlphaGo

围棋对计算机来说是最困难的，其复杂程度让穷举搜索都难以解决。对机器来说，围棋的困难主要在两方面：一是，机器无法写出评估程序来决定谁赢了；二是，围棋是一种直觉性的比赛。输赢的判断对比赛来说非常重要，但是围棋不像象棋，吃掉对方的“帅”或者“将”即可获胜，这也导致围棋的搜索空间非常庞大。围棋更像是一个筑防游戏，每走一步都需要盘算整个棋局，而象棋是所有棋子都摆在盘上。另外，围棋选手都是依靠直觉在下棋，且围棋中没有等级概念，所有的棋子都一样，小小的一子，就可以影响全局。正因如此，AlphaGo在围棋上取得的成绩，确实得来不易。哈萨比斯也说，战胜李世石，让他们整个团队都很激动。为这一刻，等了十年。

2016年3月15日谷歌围棋人工智能最终战胜韩国棋手谁

李世石。北京时间2016年3月15日下午，谷歌围棋人工智能AlphaGo今天与韩国棋手李世石进行最后一轮较量，AlphaGo获得本场比赛胜利，最终人机大战总比分定格在1：4。

如何看待谷歌AlphaGo首次战胜人类围棋高手

一个月前，DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜，而1月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind开发的一款名为AlphaGo的人工智能，它已经击败了欧洲围棋冠军，并将于3月与世界冠军李世乭对战。该程序采用了两个深度神经网络，policy network与value network，极大地降低了需要考虑的搜索空间的复杂度，前者降低搜索的广度，后者降低搜索的深度，很像人脑在下围棋时凭直觉快速锁定策略的思维。这么说起给一点时间,巅峰的吴清源,李昌镐这类人物(即使不断学习)也是下不过电脑的了? (我指的电脑就是2015一台中等配置的PC这样,不是服务器集群,类似普通电脑跑Pocket Fritz 4)今天(3-12-2016) AlphaGo 已经3:0领先Lee Sedol了这个并不是太出人意料。我记得十年前就有人说，十年内这个问题可以解决。可能那时候他就已经有点思路了吧。这个问题能解决到这个程度，Google的确做出了很大的贡献，我想很多同样看上去很难的问题也并不是不能解决，而是我们愿不愿意解决，愿意花多大的精力在上面。我觉得这点启发非常重要，尤其是在深度网络这类新技术出现的时候，有很多地方简单地应用一下就能有新的突破。老实说，我看了AlphaGo的思路，跟我之前的思路差不了太多，我在2015年1月份就看过一篇利用卷积神经网络来下棋的论文（神经网络可能终将在围棋上打败人类），并且有种豁然开朗的感觉，还想出了改进的思路（论文中的程序实际上有比较明显的**，而去掉其中的**就是一条更为完善的思路），真正的理论层面的突破是那篇论文，那篇论文写出来，就决定了今天只用了一年左右的时间AlphaGo能达到这个程度，Google的贡献在于将理论更好地改进和实践了，他们更有实力来解决这样的问题，不是像那篇论文里的程序，使用比较纯粹的神经网络，那样想要达到顶尖水准很有难度。值得反省的是，为什么围棋作为东方人的游戏，却不是我们自己来解决这个问题？我觉得国内一定有人看到解决思路了，既然我这种业余爱好者都能看出点眉目。

谷歌的围棋软件和人类到底谁是赢家

　　Alphabet的执行总裁埃里克·施密特（Eric Emerson Schmidt）在赛前的发布会上表示，无论谁在比赛中获胜，人类都将是最大的赢家。　　施密特称促成人机大战是他此生的一大梦想，60年代时他就有了类似构想，但过去的30年内此类技术一直裹足不前。不过，得益于新算法和更加强悍的计算能力，以及不断增多的各类人力与财力投入，人工智能在过去10年内取得了大发展，谷歌翻译就是AI大跃进的明证。　　DeepMind CEO周一就到达了首尔，他表示：“输赢不重要，我们的终极目标是让AI技术超越比赛本身。”

谷歌围棋ai战胜欧洲冠军是否作弊，围棋界怎么说

作弊应该谈不上，因为下围棋的策略和步骤并没有统一的标准答案，可供参考或抄袭。另外，围棋界并不必为此惊慌，机器学习也不是永远不会犯错的，也可能会出现纰漏，出现不确定性和无法预料或费解的情况。

最近谷歌围棋人工机器人与韩国相关作文

谷歌公司的人工智能AlphaGo与韩国棋手李世石五场围棋较量的第一场落下帷幕，最终李世石投子告负。这引发了社会各界对人工智能究竟能够发展到什么程度的各种讨论。　　AlphaGo的主要开发者，同时也是开发AlphaGo的谷歌DeepMind团队创始人兼谷歌公司高管的Demis Hassabis在赛后表示，“这表明我们程序的成功，而在人工智能发展上也是一个历史性的时刻。”　　但据看过比赛的围棋爱好者们称，李世石也并没有在第一场发挥全部实力。总共五场比赛的赛制只举行了一场，还不能认定人工智能最终能够获胜。很多人表示，李世石盘初领先，随后有些轻敌。　　围棋被公认为目前**类游戏中最复杂的一种，所以也成为了检验人工智能系统的一个重要工具。与以往的人工智能相比，AlphaGo的确有很多进步，一些以往人工智能围棋机器人的弱点这个新的系统并没有出现。但这也仅仅局限在围棋的范围，距离真正所谓的人工智能，AlphaGo还有很长一段“进化”的路要走。　　Google近期公布了多项与机器人相关的项目。前一段时间该公司Atlas机器人的一段视频也引发了不小的轰动。目前谷歌对于这些前沿科技领域的投资意向明显，预计在未来有可能能够在这一方面推出更加令人轰动的新产品。　　但从目前的情况上来看，不管是谷歌的AlphaGo还是苹果的Siri，基本还是跳不出按照程序员制定的模式运作的领域，距离实际的人工“智能”还相当遥远。更多只能算是程序员思维的一种延伸。不过这一市场未来被视为大有可为的领域。风险投资似乎会对谷歌近期的动向更加关注。