围棋史上的1月3日:横扫人类棋手的Master

文章来源:道弈 3年前的今天,也就是2017年1月3日,柯洁与Master在网上进行一场激烈战斗,开局柯洁形势不错,但最终仍不敌Master,中盘告负。 2016年12月29日,Master登录弈城网。随後Master频繁接受各路好汉的挑战,在30秒一手的快棋对决中将众多挑战棋手纷纷击败,跨过新的年头,2017年元旦,Master在弈城刷出30连胜的惊人战绩。当世高手无一可交出如此答卷,况且在被击败的棋手中也不乏职业顶尖棋士。对於Master身份的猜想,自然落到了刚刚战胜了李世石的人工智能身上。 2017年1月2日,Master又转战野狐围棋网,人类高手依然无法取得一胜。1月3日,曾扬言「就算阿法狗战胜了李世石,但它赢不了我」,当时等级分排名世界第一的柯洁与Master激战。 黑方:柯洁 白方:Master 白中盘胜 178手,柯洁无奈认负。这是Master取得的第50连胜,击败的第15位世界冠军。向来喜欢在微博上分享心情的柯洁,当天却并未说什麽,颇令人感到意外。次日,Master依然在网络上大杀四方,柯洁并没有再次出战,而是在发出了「人生第一次住院」的微博。 1月4日晚,Master的身份终於浮出水面,也证实了人们之前的猜想,Master便是AlphaGo的升级版。1月5日晚,央视《新闻联播》以人工智能「阿尔法狗」横扫围棋高手为题报道此事。在李世石人机大战後,Master的连胜让更多人真切的认识到,AI时代已经来临。    2,305 total views

 2,305 total views

DeepMind宣布更强的AlphaGo算法

谷歌的DeepMind再次发表论文,宣布推出全新的算法MuZero,通过这一算法,可以加快人工智能的训练速度。目前在围棋、国际象棋、将棋以及数十个Atari游戏的学习表现当中优于目前所有算法,具体到围棋上,已经可以超越之前的AlphaZero。 传统的算法是搜索树,也就是搜索可能的各种分支。但实际上人工智能要解决的问题往往非常复杂,只用搜索树来构建算法效率低下。Deepmind提出了搜索树和已学习的人工智能相结合的算法,称之为MuZero。 黄色是原有AlphaZero的水准,蓝色线是MuZero 上图是MuZero算法的威力:都运行100万步之后,MuZero的水平明显超过了橙色的线,也就是之前AlphaZero的水准,可以看到MuZero的围棋能力以及超过了elo5000以上,并且还有上升空间,拿下国际象棋、将棋和Atari游戏也不在话下。 现在可以和AlphaStar打星际了 只是不知道谷歌何时才能发布一个可用的MuZero供围棋爱好者使用,起码在电竞领域已经有可以的超强人工智能AlphaStar陪玩家游戏了。 原文網址:https://kknews.cc/tech/zyojoql.html   Muzero :  https://www.chainnews.com/zh-hant/articles/175196541080.htm  3,220 total views

 3,220 total views

AI围棋和AI围棋教育 入门讲座(一)

​此文根据 JOHN在 2019加拿大文化节弈趣横生围棋公开赛 活动演讲稿整理。 二、人类围棋和AI围棋 方法的对比:            人类围棋       AI围棋 形势判断方法 目和棋的厚薄为指标 (大数据)胜率统计指标 围棋理论 全局问题分解为局部问题 最终问题被分解成各种问题( 布局,中盘,死活,官子) 大数据胜率统计, 以胜率为导向. 思维方法 人类围棋理论+选点经验+逻辑思维推理   CNN模型选点+胜率导向 +  博弈树构建 个体水平的差异因素 围棋理论的精准度 选点经验水平 计算速度和深度 情绪化干扰 CNN模型的训练精度 计算速度( 硬件配置+算法)   风格 因为对围棋理论的指标的 不同偏好形成各种流派   不同AI之间差异不大. 主要是模型训练水平的不同, 以及算法上的微小区别. 优劣 全局选点水平低于AI围棋 局部问题职业棋手的选点剪裁能力超过AI围棋 (征子,大型死活) 在优势和劣势明显时,能选择看起来比较舒服的下法。     AI选点和剪裁水平很高. 形势判断能力比人类精准.   在胜率过高和过低时,胜率导向的方式已经对点不够敏感,这个时候的棋不适合人类学习. Read more…

 12,865 total views