人工智能已成围棋职业高手日常训练工具 柯洁：我也要用
人工智能已成围棋职业高手日常训练工具 柯洁：我也要用
[导读]从2016年3月AlphaGo战胜李世石之后，职业围棋高手们就认可了围棋人工智能的实力……
柯洁等新一代围棋高手们已经开始自觉使用围棋来辅助日常训练了
从2016年3月AlphaGo战胜李世石之后，职业围棋高手们就认可了围棋人工智能的实力。之后，棋圣聂卫平曾有意向从DeepMind引进AlphaGo帮助道场的孩子们学棋，也给职业顶尖高手们提供助力。可惜由于各种条件尚未成熟，这件事没有做成。
与李世石对战的AlphaGo仍需要庞大的运算资源才能达到高水准
在AlphaGo Master版本的论文公布之前，强大的围棋人工智能需要依赖庞大的运算资源才能达到高水平。如果使用有限的运算资源和硬件条件，作出来的“低配版”人工智能的棋就有较多漏洞，供业余棋友使用没有问题，却很难让职业高手们认可其作用。
人工智能的强大得到了职业棋手们的普遍认可
去年下半年开始，受到AlphaGo只需使用四颗TPU就能达到完胜柯洁水准的启发，以及AlphaGo Master和AlphaGo Zero相关技术论文的发表，所有有意于开发或测试围棋人工智能的团队都跟着升级了自己的技术，特别是有“后发优势”轻装前行的团队或个人开发者直接采用AlphaGo Zero版本的技术，进展非常快。
战胜柯洁的AlphaGo Master就已经可以在单机运行了
绝艺和“金毛”（参加世界人工智能围棋大赛时使用的是“凤凰围棋”的名字）是最强大的两款围棋人工智能，后者有只是用一颗家用GPU的低配版本，依然具有超越职业高手的棋力，验证了高水平的围棋人工智能走向普及化的可行性。
DeepZenGo没有太多使用AlphaGo Zero的技术，而主要是改进了深度神经网络和强化训练模式，虽未能跟上最顶尖水平的发展潮流，但既然能在慢棋比赛里战胜朴廷桓，就说明也足够职业棋手和业余棋友使用了。DeepZenGo是在一台比较高配置的单机上运行的。它的简化版本Zen 7在高配置的个人电脑上能够达到职业水准，已经完全可以满足业余棋友的需求，即便对职业高手也有启发。
DeepZenGo虽然不是最强的围棋人工智能，但也能战胜现世界排名第一的朴廷桓
完全采用AlphaGo Zero技术的高水平开源围棋AI目前有两款，一个是比利时Leela Zero，由比利时程序设计者Gian-Carlo Pascutto（GCP）开发，一个是最近才公布的ELF OpenGo，由田渊栋博士等人开发。前者在前不久的世界人工智能围棋大赛中获得季军，仅次于绝艺和“金毛”，而且还在不断成长中，有超过职业高手的棋力，而且安装和使用方便，走入了很多棋手和棋友的个人电脑中；ELF OpenGo的棋力也很强，据测试还在Leela Zero之上，不过似乎在使用上并不太容易，对编程不熟悉的棋友们拿着一款开源的程序依然无所适从，除非有一个“一点即可使用”的安装包。
两款可以安装在个人电脑上的围棋人工智能也已经很强大了
根据象棋和国际象棋的经验，未来肯定会有更多种类的高水平围棋人工智能走入职业棋手和业余棋友的电脑甚至手机中，所消耗的运算资源将越来越少，而水平和稳定性越来越高。而新生代围棋高手的养成和提高必然离不开围棋人工智能的辅助。教育教学、竞技的辅助与评估，这也是人工智能技术对人类帮助的两个具体方面。
既然象棋和国际象棋早已使用计算机程序辅助训练，而且被证明是成功有效的，围棋肯定也要借鉴这种方法。以前之所以没使用，是因为以前的计算机围棋程序水平不够，现在不存在这样的问题了。
国际象棋早已使用计算机程序辅助训练了
目前，职业高手的首选围棋人工智能是Leela Zero，理由如前文所分析的：水平高、技术新、安装方便、使用简捷、个人电脑只要配置高一些便足以支撑，而且还在持续提升中。
柯洁在昨日发文讲述了与他一同训练的职业高手在分析棋局的局部时，已经拿出Leela Zero给出的结论，信手拈来，可见使用得很娴熟了。而且不只是个别职业高手，相当多的职业棋手都在这么做了。谁不跟进这个潮流，谁就可能落伍。柯洁感慨说，也要赶紧跟上这个趋势，而且得弄一台配置高的电脑。还开玩笑说，不知自己现在学编程来不来得及。
柯洁发文介绍，职业高手已经使用Leela Zero研究棋局了
作围棋人工智能并不是传统的简单编程。如果柯洁想学习如何自己写出一个围棋人工智能的代码，恐怕需要好好学习数学和计算机科学两个领域的知识，而且专门研究一下人工智能的机器学习技术才能做得出来。当然，柯洁只是说说玩笑话，术业有专攻，要想自己做一款围棋人工智能，所耗费的时间不会比柯洁成长为围棋职业高手的时间少。我们知道，像连笑和於之莹这样的围棋高手在上海财经大学学习，大一大二的高数考试都很难过关，他们学的是文科高数，难度低于理科生的高数。棋手们的学业大多停滞在初中水平，而且学得并不扎实。像李喆这样能够凭自己的能力完成一流大学所有课程学业且学有所成的棋手是不多的。
柯洁以后的训练也离不开人工智能
如果以2016年为围棋的人工智能元年，今年是第三年了。柯洁的训练会加入人工智能的元素，其他职业高手的训练也将离不开人工智能。去年，围棋讲解也离不开人工智能了。以后，在围棋少年的学习和培训中，人工智能也将扮演重要角色。
学习、培训、训练、研究、讲解，还有比赛，围棋的所有环节都会出现人工智能的影子。围棋的体系、内容和形式将发生深刻而积极的变化。这是科技带来的新景象。
围棋的各个环节都将有人工智能的影子
千家智客微信公众号
扫描下方二维码，关注千家智客微信公众号（qianjiacom），随时随地知晓智能行业天下事！
编辑：nicle
100/100字符
全部评论（0）
千家智客APP
千家智客客户端
在这里，读懂智能行业！绝艺围棋ai电脑版|绝艺围棋单机版1.0 官方最新版-东坡下载
东坡下载：内容最丰富最安全的下载站！
→ 绝艺围棋单机版 1.0 官方最新版
绝艺围棋单机版可以直接在电脑上面玩耍，最新的智能ai围棋软件，连续夺冠，对于谷歌的阿尔法狗会不会更加的厉害呢，这个还没有正式对战过，但在uec围棋杯上面还是连续夺冠，很有作为，喜欢玩的千万不要错过。绝艺围棋单机版安装方法1、下载2、解压缩3、打开软件后要注册一个新的登录窗口，到左边，您可以创建一个简短的过程昵称。4、然后开始对战即可绝艺或应策划人机大战中国版谷歌的AlphaGo和日本的DeepZenGo，他们都是组织正式人机慢棋对决来检验自己围棋程序的真实水平。Master在取得网络快棋测试60比0的惊人战绩后，DeepMind团队只是发公告称期待后续的人机慢棋对决，对测试对局的成绩没有提及，这其实是严谨科学精神的体现。关于柯洁与AlphaGo人机大战第二季的传言最近有很多，中国棋院一直表态称还没有最终确定，事实也确实如此。毕竟涉及到谷歌这样的大型外企，方方面面有很多要协调的东西。相比之下，腾讯的绝艺如果策划筹办人机大战中国版的话，可能会更顺利一些。哪怕不是跟柯洁对抗，像之前有人提到的相谈棋的模式也很好，时越、周睿羊、芈昱廷组成一队，肯定能让我们看到绝艺的真正水平有多强。作为一家棋牌媒体，我们希望更多的围棋大赛，无论是人人的，人机的，还是机机的。更多的话题，更多的对抗，围棋才能让更多的人知道，真正迎来百花齐放的一天。绝艺围棋单机版更新日志更新内容：1、本版本接入成长守护系统，避免未成年沉迷游戏2、游戏内增加新段位&10段&
安卓官方手机版
IOS官方手机版
绝艺围棋单机版截图
绝艺围棋单机版 1.0 官方最新版
本类最新软件
本类软件推荐
15.1M / 06-15 / 3.8.5.1038官方最新版
9.5M / 06-04 / 1.1.6.485官方版
108.6M / 05-23 / 2.0.21.50官方最新版
62.8M / 05-14 / 2.7.9.0511最新免费版【送豪华礼包】
63.2M / 05-07 / 2.1.30官网最新版
本类软件排行
本类软件必备
模拟平台对战工具
请简要描述您遇到的错误，我们将尽快予以修正。
轮坛转帖HTML方式
轮坛转帖UBB方式28 天自制你的 AlphaGo (1) : 围棋 AI 基础
我的图书馆
28 天自制你的 AlphaGo (1) : 围棋 AI 基础
28 天自制你的 AlphaGo (1) : 围棋 AI 基础
知乎对于人机大战的关注度很高，希望这个系列能让大家对于人工智能和围棋有更多的了解。如果有收获，请记得点一下赞。大家都知道 AlphaGo v13 的三大组件是：MCTS（蒙特卡洛树搜索）CNN （卷积神经网络，包括：策略网络 policy network、快速走子网络 playout network、价值网络 value network）RL （强化学习）现有的强的围棋 AI 也都是这个思路了，我们也会按这个思路讲。在这一篇先看看围棋和博弈 AI 的一些基本常识。本系列已更新多篇，其它几篇的传送门：(2) : 安装 MXNet 搭建深度学习环境 (3) : 训练策略网络，真正与之对弈 (4) : 对于策略网络的深入分析（以及它的弱点所在） (4.5)：后文预告（Or 为什么你应该试试 Batch Normalization 和 ResNet）(5)：结合强化学习与深度学习的 Policy Gradient（左右互搏自我进化的基础） (6)：蒙特卡洛树搜索（MCTS）基础 一、围棋规则围棋博大精深，但基本规则很简洁。推荐这个在线教程：注意，正常来说，黑棋的第 1 手要下到你的右上角，比如说右上角的"星位"或者"小目"。虽然棋盘是对称的，下其它三个角也可以，但这是对弈的一种礼貌，这样下对方就知道你是懂规矩的（当然，也可以第 1 手下在边上，或者中腹，但目前人类一般认为是亏的）。如果等不及，看完教程的"第一天"内容，其实就可以立刻玩一下了。下图是纯神经网络走棋，你持黑，电脑持白（因为黑棋先走，有优势，所以最后要倒贴几目给白棋，叫做贴目），大家可以点击打开：这个网页第一次打开会比较慢，因为要加载一个 50M 的神经网络数据。图中的颜色可以点击 "Show Analysis" 打开，是神经网络的最终输出。越红的地方，代表神经网络认为越可能成为下一手。你也可以把 "Auto Move" 关掉，自己和自己下。试试先按电脑的建议，走在红的地方，培养一下"感觉"吧！如果有多个红点，可以任选一个。当然，不可迷信，它的红点时常是错的，也时常不全面！这个电脑不会计算，完全没有搜索，全部都是靠神经网络的“感觉”，用围棋的话说，可以说是按照"定式"和"常型"等等，所以死活弱（就是你可能会有机会把它的棋吃掉！），很适合新人找感觉。二、围棋规则的细节，目前市面的程序围棋规则实际有很多细节，而且并没有世界统一的规则。现有的规则有中国、韩国、日本、应式等等，在大多数情况下不影响胜负的判断结果，但还是有微妙区别，比如说中国是数子，有"粘劫收后"，日韩是数目，终局有死活的判断问题。较为简洁，适合电脑描述的可能是 Tromp-Taylor 规则：
。不妨做几个调整：a. 再简化一点，去掉"全局禁同形再现"，改成"罕见循环局面由裁判决定"（毕竟三劫以上循环的可能性很小），这样程序就不一定要存一个每个局面的hash表。b. 禁止自杀，这样更接近其它规则。c. 虽然目前看最佳贴目可能更接近 5.5，但还是按中国现有规则的 7.5 吧，方便大家统一。目前市面最强的程序是 银星17 和 Zen6，不过价钱也比较高（虽然都有X版）。而目前免费软件中最强的是 Leela，棋力也还不错，请点击： 而且 Leela 有 console 的接口，可以接上目前常用的围棋 GTP 协议。如果你有兴趣，现在还有一个电脑围棋的天梯，可以连进去与其它程序对战，看自己的排名：
。三、关于蒙特卡洛树搜索关于蒙特卡洛树搜索，有一个常见的错误认识，在此先纠正。在棋类博弈 AI 中，很多年前最早出现的是蒙特卡洛方法，就是到处随机走，然后看哪里的胜率最高。但这有一个问题，举个例子：a. 如果走在 A，人有100种应对，其中99种，电脑会立刻赢，只有1种电脑会立刻输。b. 如果走在 B，人有100种应对，但局势很复杂，大家都看不清，如果随机走下去，后续的胜率双方都是50%。那么如果计算蒙特卡洛的胜率，电脑会发现走在 A 的胜率是 99%，走在 B 的胜率是 50%。可是，电脑的正解是应该走 B！因为如果走了 A，人如果够聪明，就一定会走电脑立刻输的变化。如果电脑执意要走 A，就只能称之为"骗着"了。于是有的人会说蒙特卡洛方法有缺陷。但是，蒙特卡洛树搜索在理论上解决了这个问题。怎么把人想象得尽量聪明？这就要靠博弈树。蒙特卡洛树搜索是博弈树和蒙特卡洛方法的结合，它不会犯 A 和 B 的问题，它很快就会发现 B 比 A 好。容易证明，如果给定足够的计算时间和足够的存储空间，蒙特卡洛树搜索可以收敛到完美的博弈树，成为围棋之神。然而，实际的计算和存储资源是有限的，实际的 A （不妨称之为陷阱）也会更复杂。比如说：c. 如果走在 A，经过博弈树的模拟，电脑几乎是怎么走都怎么赢；但是人更清楚后续的走法，人会走出完美的应对，在许多步后电脑一定会突然死亡。这时，电脑要走遍了博弈树的许多层，才能发现原来走到 A 会存在致命缺陷，掉入陷阱。这种情况下，蒙特卡洛树搜索就容易在 A 和 B 的问题上给出错误的答案。这有好多种表现，比如说"地平线效应"，又像 AlphaGo 被击中的第 78 手。围棋中是有很多陷阱局面的，比如说"大头鬼"。人工智能如何正确应对陷阱局面，或者避免进入陷阱局面？这就需要 策略网络（policy network）、价值网络（value network）、强化学习 的共同作用。在后续的文章将会逐步介绍，包括具体的训练方法。四、第一篇的作业1. 上面的那个纯神经网络走棋是开源的，请改它的代码，做一个基本的围棋界面，包括吃子、打劫、点目等等基本规则。2. 请阅读它的论文：
。3. 请做一个傻瓜版的 策略网络，比如说会做眼，会吃子。可以参考 GnuGO 的
。4. 请做一个傻瓜版的 价值网络，比如说可以用"棋子向外辐射影响"的方法。可以参考 GnuGO 的
喜欢该文的人也喜欢科普下关于围棋AI吧_围棋吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：187,758贴子：
科普下关于围棋AI吧
感觉许多人对软件围棋还很陌生，思维停留在十几年前的阶段。一些错误的想法：1.“围棋AI只会死算，大局观不如人类”：错，虽然局部运算是电脑的强项，但是大局观也是许多围棋软件攻克的重点，比如说像zen就具有接近宇宙流的“大局观”，这是软件的算法决定的。2.“围棋软件只能一个个推导，遇到随机的、不确定的东西就抓瞎”：错，随机性可以用概率解决，蒙特卡洛算法用了很久了，就是一个基于随机函数来设计的围棋算法。3.“围棋AI只会穷举，没有什么技术含量，全靠暴力计算取胜”：错，包括alpha-beta剪枝法在内的方法就是剔除无用的走法，降低计算复杂性的有力创举。4.“计算机战胜人类的理由是因为围棋是有限的，只要我们把全部可能都计算在内计算机就能战胜人类”：对但是方向错。把全部可能计算在内那叫做完全破解，也就是做到“围棋之神”的水平，意味着这项棋类已经没有必要再研究下去。这是最难的要求，也是最不切实际的要求。对计算量要求极其大。目前跳棋已经被完全攻克。目前象棋没有被完全攻克，但是软件离“象棋之神”比最厉害的人类要近。这也是许多围棋软件制造的目标所在。领先于顶尖职业棋手=战胜人类&完全攻克该棋类
象棋已经很接近完全破解了，围棋完全破解也是时间的问题，不过19路盘被破人类完全可以加到21路，23，25路盘试试
这玩意给人震撼之处就在于前不久连笑才刚刚把当时某个所谓的最强软件打到了六个，然后过了不久你告诉我围棋软件迎来质的飞跃。涨棋了，连笑甚至不一定让的动两个了，这让广大汽油一下子怎么接受的过来。。。。
5.电脑没办法理解什么叫做“局面落后放手一搏”，“赢棋不惹事”错。恰恰相反，只需要很简单的一个方法：如果局面落后，电脑评估两个落点的胜率，选择赢的可能性最大的落点，而不是选择那些会导向简明变化导致必输无疑的落点，就相当于我们所认识的“搅局“或者”骗招“了
贴吧热议榜
使用签名档&&
保存至快速回贴面对谷歌围棋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：tygem.com
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...噗。。。
日漫＜棋魂＞里，中国棋手杨海拍拍电脑说，围棋的未来在这里。而这个角色，确实是有原型的。是杨士海八段。
小李子是名气大，可是肯定代表不了现今最顶尖的水平啊……感觉AI这个思考方式还是很强烈的依赖硬件的发展还有以往棋局形成的库？不过不管怎样是个可贺的进展……
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...有一天，人相当于5号电池
引用 的话：因为是围棋这种基本规则完全定数且回合制的电脑才有机会赢，换成即时的电脑不作弊几乎是绝望的。即时的人类死的更惨吧，主要体现在人类在操纵外设时候有0.2秒左右的延时。
机械电子工程、消费产品设计专业
在李世石面前，欧洲围棋冠军的实力可以忽略，AI目前还没到挑战中日韩顶级选手的水平。人类下棋，特别是围棋开局时，靠的是一种feeling，feeling是多年经验积累出来的，很难量化计算，感觉文中“策略网络”（policy network）和 “值网络”（value network）说的就是这个意思。如果以后让中日韩棋手参与AI编程，把他们的feeling量化表达出来，那结果就不好说了。
引用 的话：不可能，君不见那些FPS最高难度里的自瞄透视的AI被人各种单手吊打。那种AI纯小学生级别，君不见各种单机象棋游戏里的AI也被随便虐的呢。
看了眼对弈内容，果然段位不靠谱……不知道樊麾是真的全力以赴的下棋呢，还是在测试？总之对小李子信心高了很多
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...抛硬币！
从人工智能角度看，职业棋手的水平大约都一样的。也许无理棋难对付？
引用 的话：然而AI运算速度上数据库实际上就是在作弊。有本事让486的电脑来跑这个AI，照例20秒一手。然而你进化了多少年么。。。AI本来就是需要运算速度来拉平你的进化时间的啊，结果你连三个皮匠也不让上，还要皮匠让和诸葛亮比。。。
引用 的话：想知道这个规则怎么设定的。下五秒一步的快棋无疑问是计算机赢啊。但是下两个月一步的呢？想起来早年某些围棋战允许打挂，暂停棋局回家研究...人输得更惨。我呸，那样计算机就全部算出来啊
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...“判断局面如同读图，非常直观却不利于AI 识别；判断胜负非常模糊，不利于AI 剪枝”——说道点子上了：这恰恰是这些年，所谓“神经网络”和深度学习取得突破的地方。这些年，依靠这个技术，在图像识别方面已经非常厉害了。在围棋上超越人脑极限，估计就在眼前。
引用 的话：顺便说这个延迟可是非常的不靠谱，我曾经在反应型的决斗游戏里打出了0.0015秒的记录。这个时间差只能说明你这个是预判。。蒙出来的。同样硬件系统表示秒为单位的就不要拿出来说事了，和电脑比这个这不纯嘬死么
引用 的话：蒙？判定时间0~30秒，实际上我每次都很接近这个值。你是说你每次反应时间都可以在10ms到1.5ms之间？
引用 的话：从第一次的0.015开始逐渐接近，最后记录到这一步，然后持续在0.003秒左右。你可以说这是预判，然而预判准也是人类的一个特色，开始判定的提示只是弹出对话框。那我只能说要么你用的这个测试软件有问题，要么你真的天赋异禀，碾压99点后面不知道多少个9的人类，真心建议有条件用示波器测下间隔时间
引用 的话：这话你要对着那些在1/60秒内拆八方向四指令投技的游戏大触去说。你说的这个不叫反应时间，因为你自己知道下一步是什么，是一套固定动作这个是可以训练出来。。。反应时间是指我在你上面个松手自由落体一张钱，你在下面可以抓住，我觉得这个你可以找个人来试试
引用 的话：不，你要知道，某游戏的八方向四指令投技，拆投判定时间只有发动时的1/60秒，一帧。然后这32种投技的起手动作只有四种，要在一瞬间反应过来是哪个指令投，然后输入对应的指令（对应方向+对方发动的最终指令按...这个机制就不太清楚了，我也只能查到说刘翔反应时间是0.139秒，这大把可以碾压一到两个数量级的存在也是略屈才啊
Al再牛也是人类创造的，这明明是人类智力的骄傲，何来崩塌
引用 的话：这些都是才，但是人各有志，有人就愿意练零距离立回光束枪的反应。尤其是这帮玩高门槛格斗/射击/音乐游戏的触。狙神Johnny R的反应时间据说在0.11，巅峰可以到0.08，依然是被按数量级碾压。。。
求教各位专家，AI目前还没有完美解决魔方问题吧。虽然已证明最大步数只有21(上帝之数)。但好像目前没有最优解的算法
ai一天能下100万局，
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...今年我有种没有根据的隐隐的感觉，人类为AI点科技树好像是点歪了。本身是学统计的，AI玩个这种游戏基本是暴力列举加上剪枝，巨大内存快速计算是AI的bug。神经网络只是模拟神经元的活动，可惜的是我们现在还没搞懂神经元真实是怎么活动的。现在做的一切都是近似模拟。有两种可能吧，一种，通过近似模拟统计分析演化出一种新的生命体AI， 这也算是第一个外星人了，和人类的思维方式几乎不一样。 另一种，等哪天用算法模型复刻了人类神经网，那就是人类进化到AI阶段了。
引用 的话：打个比方的话，所谓阻神会在开枪之前被触判断到开枪时武器静止的一瞬间而被触躲开他的射击，哪怕在CS这种瞬发游戏里。然而还好这种触一般是自己小群体玩，从不出山打击“大神”。活在自己的世界里真好
算上提子，围棋的下法根本就是正无穷。
引用 的话：最近半年在BF里调戏了不少FPS的pro gamer，然而实际上很多人只是装个逼，上场不磕兴奋剂还要被吊打的，换个游戏不开挂不敢出门。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
只能说硬件进步了，程序员又聪明了，现在的人工智能和我们所想象的完全不是一回事。
引用 的话：这一场比较关键，毕竟现在战胜的只有职业二段。严格意义上来说，只要你足够牛，职业初段到职业九段，就是一场比赛的事。职业段位更多的只是一个数字，现在我国大部分年轻的九段，都是职业低段位战胜职业九段后直升的。另外，樊麾这个二段，放到现在的中国大陆棋手中可能也就是二线甚至三线。引用 的话：欧洲围棋和中国围棋有什么不一样么……欧洲足球和中国足球有什么不一样么？水平不一样啊。这位欧洲围棋冠军虽然是和古力一批的棋手，但是他远离顶尖的围棋比赛太久了。论水平可能也就是勉强能达到中国大陆冲段少年的水平。感觉小李虽然现在风光不再，但搞这么一个水平的棋手应该也是没问题的。
引用 的话：欧洲围棋和中国围棋有什么不一样么……那个人是中国过去的。。。
最后一段这是个假命题，因为围棋的本来设计是人与人之间的智力博弈，现在改成了计算机和人类智力博弈，本身就是破坏了游戏规则，如果人要与计算机进行公平智力博弈，肯定不能用以前古老的游戏，要重新设计新的游戏才行。现在写这些文章的人，这一点上头脑始终不够清晰，动辄人类智力输给了计算机，计算机最后统治人类，这类无聊老套的话题，这个问题必须进行深入的哲学上的思考，才好对一些新的科技进行一种更本质的分析，笔者的观点能不能有点心意，否则确实就退化了。，不过幸好笔者不代表人类。
显示所有评论
(C)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：&&&&&&&&}