谷歌AI连赢人类围棋冠军5局，它是怎么做到的如何评价它？第一个战胜围棋世界冠军的人工智能程序是什么

本文目录

• 谷歌AI连赢人类围棋冠军5局，它是怎么做到的如何评价它
• 第一个战胜围棋世界冠军的人工智能程序是什么
• 谷歌旗下的deepmind公司通过什么学习训练的阿尔法狗围棋
• 谷歌训练人工智能技术踢足球，继围棋后，谷歌为什么要选择足球成为下一代AI技术的“陪练”
• 2016年3月15日谷歌围棋人工智能最终战胜韩国棋手谁
• Google 人工智能首次完胜人类围棋冠军 为什么很厉害
• 如何看待谷歌AlphaGo首次战胜人类围棋高手
• 2016年，3月9日谷歌机器人在围棋比赛中以比分多少击败世界冠军

谷歌AI连赢人类围棋冠军5局，它是怎么做到的如何评价它

大脑1：“监督学习（SL）政策网络”。着眼于棋盘中的位置，并试图决定最佳的下一步。实际上，它用来估计每个合法下一步行动为最好的一步的可能性，其顶层猜测就是具有最高概率的那步。该团队通过几百万个优秀的人类棋手在KGS上的下棋选择，训练这个大脑，其目的仅仅是复制优秀的人类棋手的移动选择。它一点也不关心赢得比赛，只下那步顶级人类棋手会下的那步棋。 AlphaGo的下棋选择器有57％的概率可以正确匹配优秀的棋手下棋选择。 大脑2：“价值网络”。它不猜测具体的下一步怎么走，而是通过设想的棋盘分布，估计每个玩家赢得比赛的概率。它通过提供整体的位置判断来配合“监督学习（SL）政策网络”。这个判断只是近似的，但它对加快阅读速度非常有用。通过将未来可能的位置分为“好”或“坏”的分类，AlphaGo可以决定是否要沿着一个特定的变化进行更深的阅读。如果位置评估器说某个具体的变化看起来情况不妙，那么AI可以跳过阅读，不沿着那条线继续发挥。

第一个战胜围棋世界冠军的人工智能程序是什么

阿尔法狗(AlphaGo)是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，由谷歌(Google)公司的团队开发。其主要工作原理是“深度学习”。

2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。

起源

围棋，起源于中国，中国古代称为“弈”，可以说是棋类之鼻祖，围棋至今已有4000多年的历史。据先秦典籍《世本》记载：“尧造围棋，丹朱善之。”晋张华在《博物志》中继承并发展了这种说法：“尧造围棋，以教子丹朱。若白：舜以子商均愚，故作围棋以教之。”

1964年版的《大英百科全书》就采纳这种说法，甚至将其确切年代定在公元前2356年。

唐代诗人皮日休所作的《原弈》认为：“弈之始作，必起自战国，有害诈争伪之道，当纵横者流之作矣。岂曰尧哉！”

明朝陈仁锡在《潜确类书》中又提出“乌曹作博、围棋”。乌曹相传是尧的臣子，有的人又说他是夏桀的臣子。后来，董斯张的《广博物志》、张英的《渊鉴类函》等也采录了这种说法。

谷歌旗下的deepmind公司通过什么学习训练的阿尔法狗围棋

谷歌旗下的deepmind公司通过深度强化学习训练的阿尔法狗围棋。根据查询相关资料信息显示，阿尔法狗围棋是由DeepMind公司开发的强大的计算机围棋程序，该程序使用了深度强化学习来训练，这意味着它学会了如何从实际游戏经验中学习，让它能够从这些棋局中学习到有用的信息，从而在围棋比赛中取得更好的表现。

谷歌训练人工智能技术踢足球，继围棋后，谷歌为什么要选择足球成为下一代AI技术的“陪练”

在击败了围棋这一古老的人类棋类游戏以后，谷歌现在正着眼于全球最受欢迎的运动足球，训练它的下一波人工智能技术踢足球。2017年，在与谷歌的人工智能程序AlphaGo比赛之前，中国围棋选手柯洁参加未来围棋峰会的开幕式。该美国互联网巨头在6月发表的研究显示，它的“大脑团队”（Brain Team）正在研究一项名为“谷歌研究足球环境”的游戏，训练智能代理人与周围的环境交互，并解决复杂的任务。他们希望该项研究能够给无人驾驶汽车、机器人等现实世界的人工智能应用带来启发。

谷歌于今年早些时候在知名开源社区Github上以开源代码形式发布了“谷歌研究足球环境”的测试版。根据谷歌人工智能博客上的公告，这款游戏在开发时使用的公开名称是“可玩性足球”（Gameplay Football），它拥有逼真先进的游戏模拟效果，其中涉及进球、犯规、角球、点球和越位。

当下，各家科技巨头纷纷努力开发人工智能技术的潜能。人工智能是机器学习的一种形式，被称为第四工业革命。从自动驾驶汽车到智慧城市基础设施，再到物联网(IoT)应用和车间自动化，人工智能正越来越多地渗透到日常生活和工作的方方面面。

2017年，谷歌母公司Alphabet旗下DeepMind Technologies的电脑程序AlphaGo以3比0击败了世界顶级围棋选手柯洁。这一“斯普特尼克时刻”也促使中国寻求在人工智能领域迎头赶上。

柯洁完败后落泪，称谷歌开发的人工智能程序“完美，没有任何缺陷，没有心态波动”。AlphaGo在三场比赛中接连击败了谷歌人工智能足球的研究工作由公司在苏黎世的大脑团队的机器学习研究员卡罗尔·库拉奇(Karol Kurach)领导。根据谷歌的人工智能博客文章，足球被认为对人工智能强化学习特别有帮助，因为该运动需要“身心合一”，需要在瞬时的身体控制和概念学习之间取得自然的平衡，比如准确传球和领悟高水平的技战术。

谷歌的DeepMind在2017年推出了AlphaGo Zero，该程序不需要人类专家的帮助来训练自己。AlphaGo Zero被认为比打败柯洁的版本更加强大，因为它与自己对战，从自己的经验中学习。

2016年3月15日谷歌围棋人工智能最终战胜韩国棋手谁

李世石。北京时间2016年3月15日下午，谷歌围棋人工智能AlphaGo今天与韩国棋手李世石进行最后一轮较量，AlphaGo获得本场比赛胜利，最终人机大战总比分定格在1：4。

Google 人工智能首次完胜人类围棋冠军 为什么很厉害

Google DeepMind 团队在最新一期《Nature》上发表论文称，其名为 “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。在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军Garry Kasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，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。在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。David Silver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（value network），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policy network” ），会不断地学习此前人类和自己的落子，来选择接下来怎么下。不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。据消息称，Google的“阿尔法Go”V和现在的围棋世界冠军李世石 （Lee Sedol），将在今年三月正式进行比赛。在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，机器人和人类究竟谁更强大，答案很快就会揭晓。

如何看待谷歌AlphaGo首次战胜人类围棋高手

一个月前，DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜，而1月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind开发的一款名为AlphaGo的人工智能，它已经击败了欧洲围棋冠军，并将于3月与世界冠军李世乭对战。该程序采用了两个深度神经网络，policy network与value network，极大地降低了需要考虑的搜索空间的复杂度，前者降低搜索的广度，后者降低搜索的深度，很像人脑在下围棋时凭直觉快速锁定策略的思维。这么说起给一点时间,巅峰的吴清源,李昌镐这类人物(即使不断学习)也是下不过电脑的了? (我指的电脑就是2015一台中等配置的PC这样,不是服务器集群,类似普通电脑跑Pocket Fritz 4)今天(3-12-2016) AlphaGo 已经3:0领先Lee Sedol了这个并不是太出人意料。我记得十年前就有人说，十年内这个问题可以解决。可能那时候他就已经有点思路了吧。这个问题能解决到这个程度，Google的确做出了很大的贡献，我想很多同样看上去很难的问题也并不是不能解决，而是我们愿不愿意解决，愿意花多大的精力在上面。我觉得这点启发非常重要，尤其是在深度网络这类新技术出现的时候，有很多地方简单地应用一下就能有新的突破。老实说，我看了AlphaGo的思路，跟我之前的思路差不了太多，我在2015年1月份就看过一篇利用卷积神经网络来下棋的论文（神经网络可能终将在围棋上打败人类），并且有种豁然开朗的感觉，还想出了改进的思路（论文中的程序实际上有比较明显的缺陷，而去掉其中的缺陷就是一条更为完善的思路），真正的理论层面的突破是那篇论文，那篇论文写出来，就决定了今天只用了一年左右的时间AlphaGo能达到这个程度，Google的贡献在于将理论更好地改进和实践了，他们更有实力来解决这样的问题，不是像那篇论文里的程序，使用比较纯粹的神经网络，那样想要达到顶尖水准很有难度。值得反省的是，为什么围棋作为东方人的游戏，却不是我们自己来解决这个问题？我觉得国内一定有人看到解决思路了，既然我这种业余爱好者都能看出点眉目。

2016年，3月9日谷歌机器人在围棋比赛中以比分多少击败世界冠军

2016年3月9日至15日,谷歌AlphaGo机器人在围棋比赛中以比分【4:1 】击败了世界冠军李世石。