谷歌机器学习获重大突破

谷歌机器学习获重大突破

谷歌昨日召开全球会议，旗下Deep MInd创始人戴密斯哈萨比斯（Demis Hassabis）宣布了谷歌在人工智能领域的重要进展：开发出一款能够在围棋中击败职业选手的程序AlphaGo，后者能够通过机器学习的方式掌握比赛技巧。

计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等棋类上，计算机都先后完成了对人类的挑战。但对拥有2500多年历史的围棋而言，计算机在此之前从未战胜过人类。围棋看起来棋盘简单、规则不难。棋盘纵横各19九条等距离、垂直交叉的平行线，共构成1919（361）个交叉点

。比赛双方交替落子，目的是在棋盘上占据尽可能大的空间。

在极简主义的游戏表象之下，围棋具有令人难以置信的深度和微妙之处。当棋盘为空时，先手拥有361个可选方案。在游戏进行当中，它拥有远比国际象棋更多的选择空间，这也是为什么人工智能、机器学习的研发者们始终希望在此取得突破的原因。

就机器学习的角度而言，围棋的计算最大有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称： 伊丽莎白女王在伦敦爱德华七世医院治疗。很快将有声癫痫病做那些检查明发布。。

传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用。此次谷歌推出的AlphaGo，将高级搜索树与深度神经络结合在一起。这些神经络通过12个处理层传递对棋盘的描述，处理层则包含数百万个类似于神经的连接点。

其中一个神经络决策络（policy network）负责选择下一步走法，另一个神经络值络（value network）则预测比赛胜利方。谷歌方面用人类围棋高手的三千万步围棋走法训练神经络，与此同时，AlphaGo也自行研究新战略，在它的神经络之间运行了数千局围棋，利用反复试验调整连接点，这个流程也称为巩固学习（reinforcement learning）。通过广泛使用Google云平台，完成了大量研究工作。

征服围棋对于谷歌来说有重要意义。AlphaGo不仅是遵循人工规则的专家系统，它还通过机器学习自行掌握如何赢得围棋比赛。谷歌方面希望运用这些技术解决现实社会最严峻、最紧迫的问题从气候建模到复杂的灾难分析。

在具体的机器训练上，决策络的方式是输入人类围棋专家的比赛，到系统可以预测57%人类行动为止，此前最好成绩是44%。此后AlphaGo通过在神经络内部进行比赛的方式（可以简单理解成和自己下棋），开始学习自主探索新的围棋策略。目前AlphaGo的决策络可以击败大多数具有庞大搜寻树的最先进的围棋程序。

值络也是通过自己和自己下棋的方式来训练。目前值络可以评估每一步棋能够有多大胜算。这在此前被认为是不可能的。

实际上，目前AlphaGo已经成为最优秀的人工智能围棋程序。在与其他程序的对弈中，AlphaGo用一台机器就取得了500场的胜利，甚至有过让对手4手后获胜的纪录。去年10月5日-10月9日，谷歌安排AlphaGo与欧洲围棋冠军Fan Hui（樊麾：法国国家围棋队总教练）闭门比赛，谷歌以取胜。

公开的比赛将在今年三月举行，AlphaGo将在韩国首尔与韩国围棋选手李世石九段一决高下，李世石是近10年来获得世界第一头衔最多的棋手，谷歌为此提供了100万美元作为奖金。李世石表示很期待此次对决，并且有信心获得胜利。

值得一提的是，上一次著名的人机对弈要追溯到1997年。当时IBM公司研发的超级计算机深蓝战胜了国际象棋冠军卡斯巴罗夫。不过国际象棋的算法要比围棋简单得多。国际象棋中取胜只需杀死国王去年同期为2430万美元；，而围棋中则用数子或比目的方法计算胜负，并不是简单地杀死对方棋子。此前，深蓝计算机的设计人2007年发表文章指出，他相信十年内能有超级电脑在围棋上战胜人类。

此外，AlphaGo的发布，也是Deep MInd在2014年1月被谷歌收购以来首次发声。在被收购之前，这家位于伦敦的人工智能领域的公司还获得了特斯拉和SpaceX创始人马斯克的投资。

玉林鸡骨草胶囊价格
通辽什么医院治疗白癜风
新乡治疗白斑的医院