首页 新闻 击败围棋高手,人工智能还是没人类聪明

企业新闻

击败围棋高手,人工智能还是没人类聪明

日期:2022年07月17日

       近日, 人工智能再次成为媒体和公众关注的焦点:由谷歌旗下公司开发的人工智能程序AlphaGo在比赛中以5-0击败欧洲职业围棋冠军范辉2段。在最高级别的棋盘游戏中, 人工智能已显示出超越人类最优秀玩家智力的潜力。今年3月, AlphaGo将在9段挑战世界冠军李世石。 1997年, IBM开发的计算机程序Deep Blue在六局国际象棋比赛中击败了国际象棋王卡斯帕罗夫,

成为人工智能历史上的一次突破。然而, 围棋的复杂性远高于国际象棋。前者最多约170个10位, 后者最多只有约47个10位。近年来, 人工智能发展到什么程度才有信心与职业围棋选手竞争?能打败围棋世界冠军吗?如果是这样, 那是什么意思?专家已经回答了这些问题。深度学习消化2000万棋局 复旦大学哲学学院教授、人工智能哲学专家徐应进介绍, 传统计算机象棋程序的基本原理是步数有限的搜索树, 即使用数学和逻辑推理的方法, 让每个 Walk 走遍所有可能的路径,

选择最优解。显然, 这种象棋思维方式对人类来说是不可能的, 它利用了计算机速度快、计算量大的优势。但是, 这种蛮力算法不适用于 Go。根据计算, 围棋每轮有250种可能性, 一盘棋最多可达150次。因此, 围棋最多有 10 到 170 个位置。即使对于计算机来说, 这个计算量也是相当大的。围棋除了复杂度高之外, 还有一个很大的特点, 就是每一盘黑白棋都是一样的, 大小和作用没有区别。这给计算机程序的计算推理带来了很大的困难, 因为从哲学的角度来看, 围棋具有上下文敏感性, 不适合逻辑推理;而中国象棋和国际象棋不同棋子是超语境的, 每个棋子的作用是明确的, 不会因为棋局的变化而改变。非常适合逻辑推理, 这是计算机的强项。近年来, 不同于搜索树的深度学习技术逐渐成熟, 为围棋程序的开发带来了突破。深度学习源自模仿人脑的人工神经网络。研究表明, 人脑由大约10~11个神经元组成, 神经元细胞表面有许多突起。其中, 相对较短的放射性突起称为树突, 类似树枝, 具有接受刺激和向细胞体传递冲动的功能。而要将信息发送到其他神经元, 你必须依赖轴突。人工神经网络从信息处理的角度对人脑的神经元网络进行抽象和模拟, 建立运算模型。该网络由大量模拟相互连接的神经元的节点组成, 每个节点代表一个特定的输出函数, 称为激励函数。两个节点之间的每个连接代表通过该连接的信号的一个权重值, 形成人工神经网络的记忆。网络的输出根据连接方式、权值和激励函数的不同而不同。
       和不同。深度学习系统是人工神经网络的升级版。
       徐应进解释说, 这种系统由输入层、中间层和输出层组成。中间层由多层人工神经网络组成, 最多可达七八十层, 故称为深度学习。每增加一层, 就意味着人工智能分析的一个额外维度。
       当人们将某种大数据样本输入系统时, 系统可以学习和掌握样本中包含的规律。为了让 AlphaGo 拥有一流的围棋水平, 谷歌研究人员进入了 2000 万场比赛。如果一个人想学2000万盘棋, 每盘棋需要15分钟, 他需要不停地下棋570年!击败围棋世界冠军将是时间问题。 Facebook 专家也在开发围棋程序, 但谷歌领先于他们。 Facebook 人工智能组研究员田远东博士在阅读了谷歌专家最近以《自然》封面形式发表的论文后表示, 从算法的角度来看, 这篇文章并没有太多新的想法, 主要是通过大量的训练数据, 包括过往的棋谱和对局的自我对局, 堆积表现。谷歌团队训练了一个用于行走的神经网络和另一个可以评估情况的网络, 然后在蒙特卡洛树搜索中使用这两个网络。据香港科技大学计算机科学硕士陈静介绍, 使用蒙特卡罗树搜索算法是围棋程序采用深度学习系统之前的一个突破。大约在 2010 年, 开发人员引入了 Monte Carlo Tree Search, 其特点是模拟国际象棋游戏, 直到算子完成并判断获胜者。模拟多次后, 看看哪个点的获胜概率最高。模拟时会利用棋形等经验减少选择点, 一直模拟到结束。如果没有足够的时间或计算机的计算能力不足, 模拟的位置就会少, 棋力就会低。可以看出这是一种基于概率的蛮力搜索算法。如今, AlphaGo 将暴力搜索与大数据深度学习相结合, 取得了突破性进展。经过2000万场自我对弈训练, 具备战胜职业棋手的能力。这样的培训规模, 真没想到, 谷歌在这方面很有优势。田元东坦言, 他们默认的策略也是处理过的, 走一步可以只需要2微秒, 准确度也不错。简而言之,

谷歌的做法充分利用了大数据和深度学习, 几乎完全不使用围棋专业知识。如果我的国际象棋技术在未来可以提高, 我不会感到惊讶。不断学习进步的阿尔法狗今年能否战胜李世石?华东师范大学计算机系何亮教授认为, 即使今年不夺冠,

计算机程序也有可能迟早击败围棋世界冠军。这是因为计算机的计算速度比人脑快得多。借助大数据和深度学习, 可以在短时间内分析出一个人一生中不能穷尽的棋谱。国际象棋进步的速度和幅度将是惊人的。构建通用人工智能需要新的算法 在很多人的眼中, 如果 Al-phaGo 击败了围棋世界冠军, 就意味着人类将在棋局中失去最后的尊严。对此, 许应瑾认为没有必要贬低自己。从训练场次和围棋水平的投入产出比来看, 人工智能仍然不如人类围棋高手聪明。要知道, Al-phaGo在训练了2000万场国际象棋后, 才能击败职业围棋二段棋手。一个人在成长为职业九段高手之前, 所训练的棋局数量远远少于2000万盘。
       从这个意义上说, 人工智能程序的智能远不及大多数人, 尽管具有深度学习能力, 但它们击败人类的主要原因还是和以前一样:计算速度快, 不受生物学特性的限制。因此, 我们应该为人工智能技术的进步而感到高兴, 而不是感到沮丧。谷歌团队表示, 他们打算在开发 AlphaGo 的过程中使用该技术来解决当今社会的一些重要问题, 例如医学诊断和全球变暖。自然语言理解也是人工智能研发的重点领域。目前, 代表该领域国际先进水平的苹果手机Siri, 在与用户交谈时还比较幼稚, 有时甚至不回答问题。谷歌、Facebook、微软、百度等众多知名互联网公司都在大力投入研发,

以期在人机问答领域取得突破。许应进表示, AlphaGo击败围棋高手, 或许不能称得上是人工智能领域的重大突破。只有当人工智能能够模仿一个完整的人, 并拥有人类大脑的大部分功能时, 这才是真正令人震惊的事件。他据分析, 计算机程序的许多个体能力已经超过了人类, 即使是小型计算器的算术能力也无法与人类相提并论。计算机程序现在是围棋大师, 但增加了一项能力。相比之下, 通用人工智能的实现要困难得多, 需要一个能像人类一样做很多事情的人工智能系统:算术、写文章、画画、下棋。这样的系统可以处理生活的复杂性。如果科学家们能开发出一个高质量的家政服务系统, 让机器人独立做各种家务, 那么它基本上可以算是通用的人工智能。何亮和徐应进都认为, 大数据深度学习技术无法创造出通用的人工智能系统,

科技界需要开发新的算法和技术来更好地模拟人脑的工作方式, 从而让人工智能成为可能。有望迈上新台阶。高的。

相关新闻

  • 2022-08-06 13:39:36

    在发一贴

    前几天发的,看到一个叫Bobo的人回复。婚姻法规定一夫一妻,一项承诺,一项责任。我只有一个婚姻和关系,我从未与其他异性恋者有过关系或关系。因此,我一直主张自己。权益的资格,希望能在这个平台上有所收获。实名认证通过后,加你,其他人不来,谢谢。...

  • 2022-07-19 16:12:13

    平山县文化产业协会挂牌成立

    9日,坪山县旅游协会年会暨坪山县文化产业协会成立大会在坪山召开。全县重点景区负责同志,以及相关专家、企业家和协会会员等旅游文化界人士齐聚一堂,畅谈。平山未来。新成立的文化产业协会将与旅游协会合署办公,共同推动地方文化与旅游融合协调发展。据了解,平山县旅游协会于2017年7月成立,是河北省首个县级旅游......

  • 2022-07-25 16:27:19

    《CF》抽奖活动玄学操作盘点

    CF穿越火线游戏的抽奖活动相当多,官网会不定期开放部分抽奖活动。既然是彩票,必然涉及到一个概率问题,而且还催生了一些俏皮的操作。下面就为大家带来CF彩票活动的玄学操作盘点。“玄不救你,氪不改命。”“一场战斗,自行车变成了摩托车。”“画了一个奇迹,连续哭了十次。”丰富多样的抽奖活动,让我们的游戏更加有......

联系我们