从20世纪90年代开始 ， 计算机已连续在国际象棋、跳棋、扑克和电视问答等游戏中打败人类 。 但是 ， 有一种游戏 ， 专业的人类选手依旧胜过机器 ， 那就是围棋 。 这项具有2500多年历史的棋盘游戏非常复杂 ， 游戏双方分别用黑色和白色的棋子围住尽可能多的区域来战胜对方 ， 这对于计算机来说很难掌握 。 但是人类在围棋领域唯我独尊的时代貌似已经结束——谷歌DeepMind的研究人员近日宣称他们开发出一种复杂的人工智能程序——融合了深度神经网络技术和搜索技术 ， 在历史上首次打败了人类的围棋冠军 。
去年十月 ， DeepMind团队在伦敦邀请了欧洲围棋冠军樊麾与他们的程序AlphaGo对弈 。 比赛是私下进行的 ， 只有少数几个观众在场 ， 他们在19乘19的网格棋盘上进行比赛 。 AlphaGo在与CrazyStone和Zen等高端的围棋程序的495场对战测试中只输了一场 。 但是 ， 与跟其他计算机比赛相比 ， 与人类高手的对弈更具挑战性 ， 毕竟职业选手更胜一筹——他们有多年的比赛经验 ， 对于运筹博弈的方法有着某种直觉 。 因此 ， AlphaGo以5:0击败人类确实很了不起 。
许多人曾预言 ， 计算机若想打败人类围棋冠军至少还需要10年时间 。 亚马逊的著名软件工程师David Fotland在AlphaGo击败人类冠军后发出感慨 ， “这些年来 ， 计算机性能的飞跃是出乎意料的 ， 而且是空前的 。 ”他也曾开发出一种计算机围棋程序 ， 但他并没有参与此次AlphaGo的研究工作 。 对于AlphaGo的成功 ， David Fotland并没有惊讶 。
要想了解DeepMind研究人员如何创造出这项令人钦佩的程序 ， 我们首先必须意识到下好围棋对于计算机来说为什么这么难 (如果你并不了解围棋的规则和技巧 ， 下文将给你带来清晰简明的解释) 。 第一 ， 围棋有无数种可能的走法和结果——用研究人员的话来说 ， 就是围棋中可能位置的数量比宇宙中原子的数目还要多 。 DeepMind的共同创始人Demis Hassabis是该项研究发起人之一 ， 他将围棋和象棋做了比较 ， 发现在象棋中每一回合平均有20种可能的走法 ， 然而在围棋中 ， 每一回合可能的走法却有将近200种 ， 整整多了将近9倍 。 这意味着如果一台计算机想要探究围棋中所有可能的走法和结果 ， 需要超强大的计算能力 ， 曾有科学家甚至觉得完成这项工作几乎是不可能的 。
文章插图
【电脑首次打败人类围棋冠军意味着什么？】JonathanSchaeffer是加拿大阿尔伯塔大学的一名计算机科学家 ， 他解释说 ， 计算机很难掌握围棋的另一个原因是 ， 围棋选手需要大量的知识 ， 需要吸取以前的比赛经验 。 对于象棋 ， 你只需输入少量的信息就可以自己建立一个强大的游戏程序 ， 但在围棋中却无法做到 。 这是因为 ， 在象棋中 ， 计算机可以按照程序中预先编写的规则走棋 ， 但在围棋中使用这种策略是不可行的 。 因为围棋的每一步走棋是与棋局所呈现的格局息息相关的 ， 而不是一系列可以有章可循的逻辑规则 。
DeepMind团队开发的系统解决了搜索量巨大和知识匮乏的问题 。 在《自然》杂志中（有兴趣做深层探索的朋友可以一睹研究报告真容http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html） ， 他们表明是通过将搜索技术和深度学习技术结合 ， 从而克服了这些困难 。
为了解决知识问题 ， 他们利用所谓的深度神经网络技术——两个13层深的逻辑关系网络 ， 包括成千上万个连接点 ， 类似于人类大脑中的神经连接 。 研究人员通过两种方法来训练这些关系网络：对于单个关系网络 ， 他们向计算机展示了人类高手对决中超过3000万种的走法（这可以使系统学到最佳玩家是如何获胜的）；对于两个关系网络 ， 研究人员让计算机同自己进行上千次博弈 ， 这样 ， 它就能发现新的策略 ， 并且自己学习这项游戏 。 这两种训练策略使计算机在游戏中可以识别不同的模式 ， 并鉴定出如何走棋才能以最大的机会获胜 。
推荐阅读
- 人类能打败大灭绝吗？
- 章鱼直播助手教程
- 光盘DAT文件无法复制到电脑无法打开
- 手机哔哩哔哩B站怎么设置同步电脑端弹幕屏蔽词
- win10如何开启低电量通知
- D: 电脑正在扫描和修复驱动器解救方法
- 苹果电脑Mac系统如何关闭SIP系统完整性保护
- 人脑算命与电脑程序算命，谁更准确？
- 打败微信的将是怎么样的一款产品？这里有一种可能性
- 原始守卫战怎么使用电脑玩