《人工智能与棋类》由会员分享，可在线阅读，更多相关《人工智能与棋类（4页珍藏版）》请在金锄头文库上搜索。
1、从“算”到“学”，人工智能的进化1997年，IBM的“深蓝”战胜了卡斯帕罗夫(全名加里基莫维奇卡 斯帕罗夫(appuKuMOBuqKacnapoB)，俄罗斯国际象棋棋 手,6岁开始下棋，13岁获得全苏青年赛冠军，15岁成为国际大师，16岁获世 界青年赛第一名，17岁晋升国际特级大师，在22岁时成为世界上最年轻的国际 象棋冠军，是第十三位国际象棋世界冠军)。在“深蓝”设计者许峰雄看来，“深蓝”主要依靠强大的计算能力穷举所有路数来选择最佳策略“：深 蓝”靠硬算可以预判12 步，卡斯帕罗夫可以预判10 步。2006 年，超级计算机浪潮天梭与中国象棋特级大师许银川的较量 最终以平局收场，然而许银川在赛
2、后感慨道：“整个比赛感觉很吃力， 因为电脑一步可以算16 个变化，而我只能凭借经验和理解与它对抗。 而跟我下棋的对手不是真人，这让我感觉很寂寞，我想我还是习惯和有表情交流的真人对弈。”凭借超越特级大师对后续变化的计算能力，人工智能在此前的多场棋类人机大战中占据上风。但在围棋，人工智能始终无法战胜人类 高手。为什么?MOM在艸媲上可桩也宓局阳班囚此.斑帳桃战槪祢择人工辭赭的囲遁嚳计创.要想在围棋上战胜人类顶尖棋手，必须先要让电脑学会像人一样思考。为此，谷歌为 AlphaGo设计了两个神经网络：“决策网 络”(policy net work)负责选择下一步走法， “值网络”(value net w
3、ork)则预测比赛胜利方，用人类围棋高手的三千万步围棋走法训 练神经网络。与此同时，AlphaGo也自行研究新战略，在它的神经网 络之间运行了数千局围棋，利用反复试验调整连接点，完成了大量研 究工作。加如方涉300075 局1RJ烁奂童螫住白花(冥e風瞄血即启五榨出歼悟SS绪出膳子進择卯正薯子進埠尤軀在中盘和盲子部分,川曲沛鎭迪出逐杷的曙子 屢揮曲力畦擴ill塚加“申肚血汪吐反而这种超强的学习能力，正是AlphaGo在战胜职业二段樊麾5个月之后，就可以挑战人类顶尖棋手并“战而胜之”的关键所在。如果说20年前的超级计算机还在依靠穷举这种有些粗暴的手段 才能战胜人类，那么今天AlphaGo在与职业
4、棋手的两场对弈中，所表 现出来智慧和超强学习能力则更加让人惊叹。深度学习，人工智能的未来AlphaGo的连续胜利让人更加确信，深度学习确实是当下最有希 望实现人工智能的技术。深度学习的概念源于人工神经网络的研究， 其动机在于建立、模拟人脑进行分析学习的神经网络，让机器能够像 人一样思考。从本质上来说，深度学习是一项“大数据工程”，需要通过建立 有效的学习模型，让机器从数以百万计的图像、声音和文本数据中， 自行总结出某种特定事物的特征，从而实现自主学习。因此，实现机 器像人一样思考的一个关键前提是，需要有计算速度可以媲美人脑的 高性能计算集群，来快速完成海量数据的“学习”。据说，AlphaGo 的“单机版”性能至少是当年“深蓝”的1000倍。
