第1445章 人机二战(3)
推荐阅读:剑帝、寒门崛起、校花的贴身高手、清都仙缘、刀光如月映九州、我在诡异世界谨慎修仙、巨门卷、老子是全村的希望、医路坦途、我们反派才不想当踏脚石、
AlphaGo一战成名,也为人工智能做了最好的宣传。
从此,人工智能成为妇孺皆知的热点话题。
早在20世纪90年代,IBM的深蓝超级计算机已经战胜了国际象棋世界冠军。
但是相比围棋,国际象棋或跳棋等游戏就显得小儿科。
围棋棋盘上的可能性是个天文数字,据推测和已知宇宙中原子数量相当,这导致围棋无法预测,也无法蛮力解决。
AlphaGo的训练数据来人类的围棋数据,通过学习数百万场次的比赛,学会了其中的技术,甚至还创造了人类从未用过的招式。
青出于蓝而胜于蓝,徒弟碾压老师,单这一点就令人印象深刻。
然而,很多人不知道的是,就在AlphaGo战胜柯洁几个月后,就被全新的人工智能AlphaGo Zero击败。
比分不是3:0,也不是4:0,而是惨不忍睹的100:0。
更让人大跌眼镜的是,AlphaGo Zero完全没有依赖人类的数据,而是自己和自己对弈,基于最基本的原则,通过了短短几天的时间,就完全超过了自己的前辈AlphaGo。
人工智能学会了在没有和人类互动的情况下,可以自己制定策略然后用这些策略就能打败人类。
这意味着围棋的非人类知识要比人类知识多得多。
人工智能的威力如果推广到其他领域呢?人类是否还能把控局面?
3、打败柯洁只要半天,可教会 AlphaGo 下围棋却要20年!
最近炒得沸沸扬扬的”柯洁大战 AlphaGo“的新闻你们可能都看腻了。
不过据我所知,人机大战并不是什么新鲜事,在柯洁之前,不,在围棋之前,已经有 AI 在棋类竞赛中大败人类的黑历史了。
说到对思维有益的游戏,很多人都会想到下棋,国际象棋是西方人的最爱,而围棋则是我们值得骄傲的国粹。
但从 AI 的角度来看,围棋可比象棋要难得多。
早在1997年,就有 AI 战胜了象棋大师,当时出战的是 IBM 研发的“深蓝”,击败了俄罗斯国际象棋特级大师Garry Kasparov。
在那之后又过了将近20年(在技术领域这几乎就等于一万年!),到了 2016年,AI 才开始在围棋领域战胜了人类大师。
为什么同样是棋类,教 AI 下围棋就要花将近20年?
只看规则,围棋似乎比象棋简单的多:
围棋只有一种棋子,仅有四条基本规则。
但事实上,围棋的搜索空间比象棋大得多。
下象棋, AI 主要依赖挖掘决策树,并尽可能地探索所有可能的走棋组合。
但这个方法对围棋就不可行了,围棋的每一步是在一个 19 x 19 的网格中的任意位置落下一个子,棋手每一步有超过 200 个不同的落子选择,与之对比,象棋棋手平均只有 35 个选择。
另外通常一局象棋比赛中,棋手大约一共要走40步;而在一局围棋比赛中,每个棋手要走100多步;正因为这样在围棋中使用穷举搜索策略,消耗会成指数增长。
还有,不论是比赛目标,还是评估哪一方在局势上占优,象棋比围棋都更加清晰,在象棋中目标很明确——将军。
有一些简单的启发式算法,可以用来判断目前哪一方胜算更大。
例如,你可能听说过一种计算方法,吃掉卒记一分,马和象算三分等等。
象棋 AI 就使用这种启发式算法,集中在决策树的某部分开始向下搜索,在围棋中却没有任何启发式算法可以判断目前谁胜算更大。
相比于“深蓝”,AlphaGo 成功的一个主要因素,就是新增了深度学习神经网络,让它可以像人类一样思考,不仅拥有了大局观,还可以下出让人意想不到的妙招。
想想真的挺可怕!
但也别太悲观,AI 之所以能战胜人类,也是因为人类教会了它们一个关键性的技术:
深度学习。
目前的人工智能,还是受控于人类的。
可能在悲观者眼中,随着人工智能越来越强大、普及,人类也就面对着越来越大的威胁。
但我不这么看,人工智能的诞生,有很大一部分原因也是为了释放人类的创造力,把人类从重复性的工作中拯救出来。
人工智能的发展,不止在“消灭”工作机会,也在创造工作机会。
国内的BAT,国外的 Google、Facebook、IBM、Amazon…...几乎所有巨头公司,都在投入自己的 AI 研究和应用。
与此同时,他们也需要大量能够做 AI 开发、语音识别、无人车开发、大数据算法的工程师的加入。
这些工作机会,很多都是5年、10年前几乎不存在的。
但让人担忧的是,直到现在,我们的传统教育也还没反应过来,不知道要如何为这些跑得最快的行业领域培养足够的工程人才。
想要跟上时代,学习还是得靠自己。
如果不甘于被人工智能浪潮抛下,想抓住这个机会,成为全球最“潮“的一批工程师,就赶快去学学深度学习吧。
韩国棋手李世石和中国棋手柯洁,一先一后与阿尔法狗及其升级版的两度人机大战,引发巨大轰动与广泛反响。
比之单纯围棋这方面,关于人工智能方面的意义显然重大得多。
但无论职业围棋界还是业余围棋界,人们普遍都不太关心后者,而是更在乎人工智能给围棋本身带来的巨大冲击,以及不可避免的变革。
阿尔法狗就像《三体》里面所说的,对围棋界实施了降维打击;很快就使人们痛苦而无奈地认识到,人类数百年以来积累的围棋知识,竟然大半是错的或者没什么意思的!
这是一场超震撼的颠覆。
更令人倍受打击的,人家谷歌已经“毫不留恋”地转移战场,宣布不会再进一步研究围棋,更不会再参与任何形式围棋比赛。
他们不过是到此一游,几乎只是路过而已。
好像也是在说,“消灭你,与你无关”!!
或者,那一句“你伤害了我,还一笑而过”,更加贴切一些。
这方面话题其实有许多。
实际上,人们大可不必自寻烦恼。
一句话,迄今为止,人工智能还是远没有脱离工具的范畴。喜欢承德围棋故事请大家收藏:(www.663d.com)承德围棋故事六六闪读小说网更新速度最快。
到六六闪读(www.663d.com)
看剑来
从此,人工智能成为妇孺皆知的热点话题。
早在20世纪90年代,IBM的深蓝超级计算机已经战胜了国际象棋世界冠军。
但是相比围棋,国际象棋或跳棋等游戏就显得小儿科。
围棋棋盘上的可能性是个天文数字,据推测和已知宇宙中原子数量相当,这导致围棋无法预测,也无法蛮力解决。
AlphaGo的训练数据来人类的围棋数据,通过学习数百万场次的比赛,学会了其中的技术,甚至还创造了人类从未用过的招式。
青出于蓝而胜于蓝,徒弟碾压老师,单这一点就令人印象深刻。
然而,很多人不知道的是,就在AlphaGo战胜柯洁几个月后,就被全新的人工智能AlphaGo Zero击败。
比分不是3:0,也不是4:0,而是惨不忍睹的100:0。
更让人大跌眼镜的是,AlphaGo Zero完全没有依赖人类的数据,而是自己和自己对弈,基于最基本的原则,通过了短短几天的时间,就完全超过了自己的前辈AlphaGo。
人工智能学会了在没有和人类互动的情况下,可以自己制定策略然后用这些策略就能打败人类。
这意味着围棋的非人类知识要比人类知识多得多。
人工智能的威力如果推广到其他领域呢?人类是否还能把控局面?
3、打败柯洁只要半天,可教会 AlphaGo 下围棋却要20年!
最近炒得沸沸扬扬的”柯洁大战 AlphaGo“的新闻你们可能都看腻了。
不过据我所知,人机大战并不是什么新鲜事,在柯洁之前,不,在围棋之前,已经有 AI 在棋类竞赛中大败人类的黑历史了。
说到对思维有益的游戏,很多人都会想到下棋,国际象棋是西方人的最爱,而围棋则是我们值得骄傲的国粹。
但从 AI 的角度来看,围棋可比象棋要难得多。
早在1997年,就有 AI 战胜了象棋大师,当时出战的是 IBM 研发的“深蓝”,击败了俄罗斯国际象棋特级大师Garry Kasparov。
在那之后又过了将近20年(在技术领域这几乎就等于一万年!),到了 2016年,AI 才开始在围棋领域战胜了人类大师。
为什么同样是棋类,教 AI 下围棋就要花将近20年?
只看规则,围棋似乎比象棋简单的多:
围棋只有一种棋子,仅有四条基本规则。
但事实上,围棋的搜索空间比象棋大得多。
下象棋, AI 主要依赖挖掘决策树,并尽可能地探索所有可能的走棋组合。
但这个方法对围棋就不可行了,围棋的每一步是在一个 19 x 19 的网格中的任意位置落下一个子,棋手每一步有超过 200 个不同的落子选择,与之对比,象棋棋手平均只有 35 个选择。
另外通常一局象棋比赛中,棋手大约一共要走40步;而在一局围棋比赛中,每个棋手要走100多步;正因为这样在围棋中使用穷举搜索策略,消耗会成指数增长。
还有,不论是比赛目标,还是评估哪一方在局势上占优,象棋比围棋都更加清晰,在象棋中目标很明确——将军。
有一些简单的启发式算法,可以用来判断目前哪一方胜算更大。
例如,你可能听说过一种计算方法,吃掉卒记一分,马和象算三分等等。
象棋 AI 就使用这种启发式算法,集中在决策树的某部分开始向下搜索,在围棋中却没有任何启发式算法可以判断目前谁胜算更大。
相比于“深蓝”,AlphaGo 成功的一个主要因素,就是新增了深度学习神经网络,让它可以像人类一样思考,不仅拥有了大局观,还可以下出让人意想不到的妙招。
想想真的挺可怕!
但也别太悲观,AI 之所以能战胜人类,也是因为人类教会了它们一个关键性的技术:
深度学习。
目前的人工智能,还是受控于人类的。
可能在悲观者眼中,随着人工智能越来越强大、普及,人类也就面对着越来越大的威胁。
但我不这么看,人工智能的诞生,有很大一部分原因也是为了释放人类的创造力,把人类从重复性的工作中拯救出来。
人工智能的发展,不止在“消灭”工作机会,也在创造工作机会。
国内的BAT,国外的 Google、Facebook、IBM、Amazon…...几乎所有巨头公司,都在投入自己的 AI 研究和应用。
与此同时,他们也需要大量能够做 AI 开发、语音识别、无人车开发、大数据算法的工程师的加入。
这些工作机会,很多都是5年、10年前几乎不存在的。
但让人担忧的是,直到现在,我们的传统教育也还没反应过来,不知道要如何为这些跑得最快的行业领域培养足够的工程人才。
想要跟上时代,学习还是得靠自己。
如果不甘于被人工智能浪潮抛下,想抓住这个机会,成为全球最“潮“的一批工程师,就赶快去学学深度学习吧。
韩国棋手李世石和中国棋手柯洁,一先一后与阿尔法狗及其升级版的两度人机大战,引发巨大轰动与广泛反响。
比之单纯围棋这方面,关于人工智能方面的意义显然重大得多。
但无论职业围棋界还是业余围棋界,人们普遍都不太关心后者,而是更在乎人工智能给围棋本身带来的巨大冲击,以及不可避免的变革。
阿尔法狗就像《三体》里面所说的,对围棋界实施了降维打击;很快就使人们痛苦而无奈地认识到,人类数百年以来积累的围棋知识,竟然大半是错的或者没什么意思的!
这是一场超震撼的颠覆。
更令人倍受打击的,人家谷歌已经“毫不留恋”地转移战场,宣布不会再进一步研究围棋,更不会再参与任何形式围棋比赛。
他们不过是到此一游,几乎只是路过而已。
好像也是在说,“消灭你,与你无关”!!
或者,那一句“你伤害了我,还一笑而过”,更加贴切一些。
这方面话题其实有许多。
实际上,人们大可不必自寻烦恼。
一句话,迄今为止,人工智能还是远没有脱离工具的范畴。喜欢承德围棋故事请大家收藏:(www.663d.com)承德围棋故事六六闪读小说网更新速度最快。
到六六闪读(www.663d.com)
看剑来
本文网址:https://www.663d.com/xs/4/4866/8522495.html,手机用户请浏览: https://m.663d.cc/4/4866/8522495.html享受更优质的阅读体验。
温馨提示:按 回车[Enter]键 返回书目,按 ←键 返回上一页, 按 →键 进入下一页,加入书签方便您下次继续阅读。章节错误?点此举报