今天选的这个简单局 又是 星小目 对 双星 开局 IGS 上 4D+ vs 4D+ 选手的开局：星小目 对 双星 开局 开局后，白6 飞挂角，黑7 大飞夹。白如何应对？ AI推荐着点： 方案一：白棋 1 位夹攻，黑2 外靠，白3 退，黑4 顶，白5拐，黑6 退 变化：白3 扳，黑4 长，白5 跟长，黑6继续长，白7 虎，黑 8 3X3守角护根。 方案二：白1 飞夹，黑2 跳压，白3 扳，黑4 长，白5 角上靠，黑6 扳，白7 粘，黑8 粘。 方案三：白1 点3X3，黑2 冲档，白3爬，黑4 退 变化： 实战：白8 跳，黑 7 Read more…
4,105 total views, 1 views today
NVIDIA 上週正式推出了新一代的高階顯示卡「RTX 3080」，除了在效能明顯超越了上一代的高規產品「RTX 2080 Ti」，定價上卻比其更低，讓這款新顯示卡在推出後出現了明顯的搶購潮，甚至讓 NIVIDIA 需要公開道歉、承諾增產。 目前，定價 699 美元的 RTX 3080 ，已在 Amazon、Best Buy 和 NVIDIA 自家官網，出現缺貨現象。許多實體店也僅有 10 張左右的到貨量，讓不少國外網友選擇在店外露營排隊，就為了搶先拿到顯卡，熱門現象能和 Sony 同樣在上週正式開放預購、並同樣出現「大規模秒殺」的 PS5 相比。 在中國市場上，RTX 3080 亦在京東等電商平台直接秒殺，只能等待後續到貨。NIVIDIA 官方則指出，與過去的高階顯卡推出時相比，本次 RTX 3080 開賣時，自家官網同時上站人數來到 4 倍，並有 10 倍的網頁請求量、15 倍的外部網頁點擊，再再顯示這款產品受歡程的程度是歷來之最。 該銷售表現，甚至超過了美國「星色星期五」購物節。外媒《The Verge》並評論，這次 RTX 3080 的銷售狀況有如新 iPhone 上市。 由於供給量不足，RTX 3080 照例出現了黃牛在拍賣網站上兜售，並開出了破千美元、甚至來到 2,999 美元的高價。有網友則打趣，這些大概是擔心手邊的前代「RTX 2080 Ti」庫存賣不出去，才跑來哄抬 Read more…
5,103 total views
人工智能广泛应用于辅助训练 围甲第七轮，分列中国、韩国围棋积分第一的两位棋手同时输棋。中国“七冠王”柯洁的正式比赛十五连胜戛然而止；韩国“00后”世界冠军申真谞的围甲五连胜也宣告终结。 而就在几天前，这两位棋手在Goratings世界围棋等级分榜单上刚刚刷新纪录——申真谞达到史无前例的3800分，柯洁的3723分也创造了个人新高。 从2016年李世石与“阿尔法围棋”的人机大战开始，人工智能对围棋界的冲击可谓史无前例。电脑的精密计算、学习能力、布局招法，让人瞠目结舌。当今的围棋AI软件甚至能让两子与人类顶尖高手较量。“深深的无力感”一度弥漫在职业棋坛。 使用AI复盘做技术指导，研究不同的“解题思路”，早已成为职业棋手的必修课。 中国围棋队与腾讯智能围棋“绝艺”续约到2022年，通过提供拆棋、胜率、吻合度、局面分析等辅助功能，专用训练AI承担了教练、陪练、棋友等多重角色。大赛前，棋手们也经常借助AI做针对性准备。 “90后”棋手是第一批通过“网棋”成长起来的，现在时间来到AI的新节点。训练资源的均等化，使得新、老棋手之间的差距逐渐缩小。初入职业棋坛的年轻人也不缺少和高手过招的机会，“00后”棋手的成长速度进一步加快。 “现在每一盘棋都变得不好下，坐在棋盘前，大家掌握的东西都差不多，胜负就看临场发挥和调整了。”中国棋手陈耀烨说。 在棋手普遍从人工智能获益的趋势下，谁能汲取更多养分，谁更容易脱颖而出。柯洁在乌镇“人机大战”失利后，对围棋有了重新思考，全局观、判断力等核心能力又上了个台阶；申真谞作为韩国接受AI最快的棋手之一，一年与AI切磋上千局，改善布局短板后，战绩有了质的飞跃。 AI与职业围棋愈加密不可分，借助这个跳板，以往棋手的集体摆棋更多转向集体与AI拆招。“大家集体研究，有助于更快消化AI的思路，反过来也能帮助更多人接受新变化。”中国围棋队领队华学明说。 柯洁曾感叹：“看AI下棋就像神仙打架，我们只能欣赏、学习。” 日本围棋大师藤泽秀行曾言，棋道一百，我只知七。当人工智能浪潮袭来，大家越发意识到这并非谦辞。以前的招法定式，在AI天马行空的思路下经常被推翻，棋手对围棋的理解不断更新和拓展，在棋盘上发现更多可能。 “比如AI的很多招法是按全局来考虑的，在一个局部下没有固定的招，这是一种棋理上的提升。”中国棋手时越说。 从对手到朋友，职业棋手与AI找到更长久的相处模式。柯洁就经常通过AI分析自己的判断和理解，而AI的数据反馈，也帮助他有选择性地吸收、消化。“对AI甚至有点依赖的感觉，这是几年前不敢想的事情。” 以往多年，棋手们常常困扰于一盘棋究竟输赢在哪里，AI的精准分析可以帮助接近正确答案，让人少走很多弯路。 与此同时，随着AI的神秘面纱被慢慢揭下，棋手们也愈加发现，围棋没有绝对的正解，电脑也不可能把所有变化都解析出来，最终比拼的依然是各人对棋的不同理解。 当AI攻向人类“最后一块智慧高地”的硝烟散尽，技术上的变革、理念上的冲击并没有折损围棋项目的魅力，反倒带来推广项目的契机。 文章来自：新浪新闻网 139,045 total views, 16 views today
139,045 total views, 16 views today
马云，阿里巴巴集团创始人，互联网时代最成功的运营者，於2015年1月17日上午在新浪微博专门发了一篇长文，讲述了大学时代与围棋的不解之缘。也就是那时候开始，人们才突然发现，马云是着名国手马晓春的同乡，且恰好同年。 马云开始接触围棋是在大三，用他自己的话来说，那就是：「棋力提升很快」。以至於：「遍打杭师范外语系无敌手，每天乐此不疲。」但是後来马云有幸与「真正的高手」对弈，才真正意识到自己有一种井底之蛙的感觉：「我不是下棋的料，知道了天外有天。但我喜欢上了战略布局丶中盘角逐，收官。。。。。。」 尽管马云明确表态自己不是围棋天才，但他的这段陈述足以证明，围棋在他的生活与事业中占据了不可或缺的一席之地，甚至可以说一直以来打拼於商界的他自始至终都没有放弃围棋思维。 1999年，马云毅然砸碎了自己的铁饭碗，辞去公职离京返回杭州，创立了後来的互联网巨头阿里巴巴。据2015年1月26日《北京晚报》文章介绍，马云此次离京随身带走的棋盘和一副围棋，竟是唯一的行李。 名满天下後的马云也并没有离开围棋，或者说围棋仍然在牵动着他的心，2017年5月，排名第一的围棋国手柯洁与阿尔法围棋（AlphaGo）进行了第二次人机大战，并以0比3惨败，马云立刻在微博上站在自己的角度做出了评价：「人机大战已经没有意义了。下围棋是多有乐趣的事情，本来就是在等对方下一步错棋我赢一把，结果对方这机器从来不会下错，算得又理性又客观，算得比你快，你想三步，它三百步都想好了，还永远不会下错棋。」马云「愤怒」的调侃：「这有什麽意思，把我们最快乐的东西剥夺掉，还侮辱我们一把。」 马云认为人一定跑不过火车丶飞机，必须承认我们的局限性：「承认局限是一种智慧」，他明确表态：「没有必要再去跟机器叫板谁更聪明。」机器可以用来完成人类无法做到的事情。 或许，这是马云从另外一个角度阐述了围棋思维，也可以理解为围棋的「人工智能时代新思维」。在不经意间，马云道出了人类与围棋的本质关系，这就是人类智慧角逐与思维层面的挑战乐趣，也正是基於这样的原因，马云认为未来的孩子们需要更多学习琴棋书画，而不是靠死记硬背学会「知识」参与到社会竞争中去。 从喜欢围棋开始，到华丽转身创业，马云在人生中做出了他的选择，而且毫无疑问是成功的，那麽在他取得成功的背後，究竟有多少围棋的影迹？可能因为他成功有多方面原因，我们没办法找寻到确切答案，但又有谁能够否认，管中窥豹偶有所得的围棋思维，在马云的生活中丶事业中是融入血液不可剥离的重要基因呢？ 在围棋中找寻快乐，在对弈中修心体悟。和阿里巴巴一起仄仄前行的，除了马云，还有围棋。 文章来源：聂卫平围棋道场 3,969 total views, 2 views today
3,969 total views, 2 views today
AlphaGo 相信很多人都认识，2016 年和韩国围棋九段棋士李世乭对战，「不败少年」最终只能嬴得一局（五局战），不过已经成为唯一一位在正式对局中，胜过 AlphaGo 的人类棋士。AI 的利害，我们已经习以为常，如投篮必入的机械人等，人类开始了一埸和 AI 的「对战」，利用人类的能力战胜 AI 的计算。可是，现在 AI 连人类「输」的领域也要超越，推出了一个捉围棋只会输的 AI。 「最弱 AI」 日本 Avilen 公司，开发出一个与 AlphaGo 相反的 AI，目的不再是经过自我学习和计算提升棋术，反而是千方百计要输掉每一局棋。根据 Avilen 的数据，至见前为止，「最弱 AI」已经下了 100 多万局棋，当中赢的只有 3121 局，166 局打和，其馀都成功输掉。 最弱也是最强 AVILEN表示，开发这个 AI 的目的，也是想研究 AI 的自我学习能力，但他们发现，再来只要修改一行程式码，就能把本来开发出的「最强 AI」，马上变成「最弱 AI」，从而令开发者在另一个角度搜集到更多的数据。不过想深一层，要赢一局棋是使用正向的思维，考虑对方的可能性再制定策略。相反，要输一局棋不单要知道对方的可能性，还要引导对方如何下子。加上，如果对手都是以输为前提，则要再进一步知道自己怎样才赢不了，也要防止对手助的胜利。完全和一般棋局相反的思维，笔者觉得只会输的 AI 比最会赢的 AI 更加可怕。 人类大战 AI 如果大家觉得人类挑战胜过 AI 已经太闷的话，不妨自己也尝试一下如何输给 AI。目前有不少围棋爱好者也加入了一定要输给 AI 的行列，日本有一名自称职业棋手的直播主，也在经过了多次压倒性胜利後，最终才能以 4 Read more…
1,646 total views
引子 20年以后，柯洁和伙伴们隐藏在群山里的简陋营地，躲避着硅基文明的清剿，他总是忍不住地回想起那个下午：为什么没有冲过去，砸碎对面那台叫做“AlphaGo”的超级电脑，也许，那是人类摧毁“天网”的最后机会…… ————来自于网友评论 电影《终结者》中的终结者T800 一 达特茅斯的年轻人 盛产紫丁香的新罕布什尔州，位于美国东北部的新英格兰地区，自然景色优美，著名的康涅狄格河流过全境。在康涅狄格河边的汉诺佛小镇上，矗立着一所闻名遐迩的古老学府：达特茅斯学院。成立于1769年的达特茅斯学院虽然规模不大，却是美国乃至全球顶尖的私立大学。 达特茅斯学院的主楼 1956年的8月，一群天才的青年科学家，聚集在达特茅斯学院，他们热烈讨论着一个在当时看来完全不食人间烟火的主题：用机器来模仿人类学习和智能。 事情的起因在两年前，达特茅斯学院数学系四位教授同时退休，对于达特茅斯这样的小学院，数学系一下子少了四位教授，可是件大事，刚刚担任数学系主任的克门尼慌了手脚，他跑回母校普林斯顿大学求援，结果带回来四个年轻的助教，其中就有刚刚拿到博士学位的约翰·麦卡锡。 约翰·麦卡锡 美国的教授都是9个月薪水，要挣钱就得有研究项目，如果没有研究经费，就只能在暑假出去打短工挣点外快。在普林斯顿攻读博士学位的时候，麦卡锡每年暑假都会去IBM和贝尔实验室打短工，现在当了助教，自然首先考虑找项目拉研究经费。麦卡锡对逻辑和计算理论一直有着强烈的兴趣，他1948年刚到普林斯顿读研究生时，就认识了冯·诺伊曼，在老冯影响下开始在计算机上模拟智能。所以，麦卡锡准备发起一场研讨会，讨论计算机模拟智能。 在贝尔实验室打暑期短工的时候，麦卡锡结识了克劳德·香农和马文·明斯基，他决定首先拉他们入伙。 马文·明斯基也是普林斯顿的数学博士，他是纳什的师弟，就是美丽心灵的那个纳什。明斯基的博士论文做的是神经网络，他在MIT（麻省理工）一百五十周年纪念会议上回忆说是冯·诺伊曼和麦卡洛克启发他做了神经网络。对于麦卡锡模拟智能研究会议的邀请，明斯基兴趣浓厚，并且很快成了会议的另一个推动者。 马文·明斯基 克劳德·香农比其他人大十来岁，是这群人中间真正的大佬。他和麦卡锡观点其实不太一样，但麦卡锡和明斯基需要香农来撑场面。香农是MIT的数学博士，毕业后先后和数学家外尔，爱因斯坦，哥德尔等巨头共事，二战期间在贝尔实验室从事密码破译的研究，跟计算机之父图灵交情不错，俩人还一起讨论过用计算机下棋。香农当时已经是贝尔实验室的大佬级人物，有了香农的加入，会议的号召力大大增强，赫伯特·西蒙和艾伦·纽厄尔也同意参加会议。 克劳德·香农 艾伦·纽厄尔是在普林斯顿数学系完成的硕士学习，博士学位则是被赫伯特·西蒙拉去卡内基大学得到的礼物。赫伯特·西蒙当时已经是卡内基大学的工业管理系主任，实际上他算是纽厄尔的老师，可他是真的欣赏纽厄尔，每次合著论文的作者署名，他都把纽厄尔的名字放在自己的前面，这是真正的忠厚长者，两人在卡内基大学合作了一辈子，不仅在1975年分享了图灵奖，还和一起参与创立了卡内基梅隆大学的计算机系，让CMU成为计算机学科的重镇。 艾伦·纽厄尔 凑齐了会议的主要参加者，麦卡锡和明斯基着手搞定会议经费，他们的目标是洛克菲勒基金会。会议的原始预算是一万三千五百美元，麦卡锡预计会有六位学界的人出席，会议应该支付每人两个月的薪水一千两百美元，可洛克菲勒基金会最终只同意给七千五百美元，不太理想，不过总比没有强。 在写给洛克菲勒基金会的经费申请书中，麦卡锡给这个活动起了个当时看来别出心裁的名字：“人工智能夏季研讨会”(Summer Research Project on Artificial Intelligence)。这里出现了一个新的词组：Artificial Intelligence—AI，人工智能。一个全新领域就这样被命名了。 普遍的误解是“人工智能”这个词是麦卡锡想出来的，不过麦老晚年回忆承认，这个词最早是从别人那里听来的，但记不清是谁，人老了真是没办法。 新罕布什尔州的夏天凉爽而短暂，天才们围绕AI的讨论持续了两个月，直到秋天的降临。对于人工智能的发展方向，会议没能达成普遍的共识，但是达特茅斯会议，算是正式开启了人类科学家对人工智能（AI）领域的探索。参加会议的年轻人们，后来都成为了人工智能相关领域的领路人。在之后的二十年里，明斯基，麦卡锡，香农，纽厄儿和西蒙，因为对人工智能研究的贡献，先后获得了计算机界的最高荣誉“图灵”奖，而西蒙则在1975年获得了诺贝尔经济学奖。 值得一提的是，赫伯特·西蒙在1957年就曾预言：十年内计算机下棋就会击败人类。1968年麦卡锡和象棋大师列维打赌说：十年内下棋程序会战胜列维。结果是赔了列维两千块。乐观的预言总会给对手留下把柄，人工智能最有名的批评家，兰德公司的德雷弗斯，每年都拿此事嘲讽AI，说“计算机下下跳棋还行，下象棋连十岁的孩子都干不过。”这便宜话一直说了四十年，直到一个名叫许峰雄的台湾青年，出现在卡内基大学的计算机系。 传奇岁月的大幕，慢慢拉开了。 二 疯狂鸟和“深蓝” 许峰雄的绰号叫疯狂鸟：Crazy Bird，他喜欢这个绰号，总是让人叫他CB。毕业于台湾大学的许峰雄绝对是另类学霸，从小成绩优异的他，满脑子古怪想法，在卡内基梅隆大学攻读硕士博士学位时，许峰雄的博士导师是孔子的后人孔祥重博士，孔博士秉承先人“因材施教”的风范和宽容，这助长了疯狂鸟的不务正业，他迷上了计算机博弈，就是用计算机下棋。疯狂鸟不仅自己疯，还拉起了一个小团队和自己一起，研究专门下棋的机器。受到影响的人群中，就有他卡内基梅隆大学的博士学弟李开复。 “深蓝之父”许峰雄博士 1988年，许峰雄拿到博士学位，同一时间，他的疯狂团队开发出了第一代真正能下棋的机器：“深思—Deep Thought”。“深思”的集成电路板上配有200块芯片和两颗处理器，每秒钟能够分析70万个棋位或“想”出10步的棋着，其战力大体相当于一位级别稍低的国际象棋大师。疯狂鸟和他的古怪机器，引起了“蓝色巨人”的高度关注，经过李开复的穿针引线，IBM向疯狂鸟发出了热诚的邀请，许峰雄随即加盟了这家伟大的公司。在IBM，他将和另一位来自台湾的资深科学家，IBM超级计算机计划负责人谭崇仁博士合作，开发真正可以和顶尖棋手对抗的超级计算机。 在IBM强大的支持下，疯狂鸟展开双翅，开始飞向天际中的那一片深蓝。 超级计算机 卡斯帕罗夫绝对是这个世界上最聪明的人之一，自从击败他的前辈卡尔波夫，成为新的世界冠军以后，在国际象棋的世界里，卡斯帕罗夫就再也没有了对手。不仅人类无敌，卡斯帕罗夫还曾经在一次对抗中，一个人击败了35台电脑，所以，在卡斯帕罗夫看来：机器战胜人类？也许存在这种可能，但绝不可能发生在他的身上。当IBM向卡斯帕罗夫发出人机对局邀请的时候，卡斯帕罗夫在好奇的同时，也充满了不以为然。 卡斯帕罗夫 1989年10月，许峰雄的深思获得一个机会，和国际象棋世界冠军卡斯帕罗夫进行一次交手。在第一次碰撞中，经过升级已经能够在一秒钟内分析200万个棋位的“深思”，根本招架不住“天下第一高手”的妙棋杀招，深思溃不成军。事实证明，超级计算机，在超级大脑面前，依然稚嫩得像个孩子。 第一次的大败没有让IBM停下脚步，更没有让疯狂鸟放弃疯狂。许峰雄意识到要真正击败人类，必须有更强大的硬件。这个想法立即得到了谭崇仁的全力支持，经过六年的不懈努力，许峰雄主持开发的超级计算机芯片获得了成功，IBM的第一代超级计算机问世，它被命名为“深蓝”。”深蓝”采用了项目小组设计的国际象棋专用处理器芯片，并且配备了IBM的RISC System/6000平行可扩充系统，棋力(性能)数百倍于原来的“深思”，运算速度达到每秒种一亿棋步。 IBM “深蓝” 1996年2月，”深蓝”和卡斯帕罗夫在费城进行了第二次对决，许峰雄代表”深蓝”落子，全世界开始关注“人机大战”。在这场比赛中，卡斯帕罗夫捍卫了世界第一人的荣誉，以3胜2和1负，总比分4:2击败了”深蓝”。和上一次不同的是，卡斯帕罗夫输了一盘，他开始感受到了来自冰冷机器的压力。 那一盘的胜利，让许峰雄和谭崇仁看到了一线曙光。他们立即着手改进和升级深蓝，很快，”深蓝”达到了每秒钟2亿棋步的惊人算力。为了确保比赛的胜利，谭崇仁和许峰雄邀请了四位国际象棋特级大师作为顾问，在团队的不断打磨中，”深蓝”越来越强大，终于具备了和卡斯帕罗夫一争雌雄的强大实力。许峰雄把最新版本的”深蓝”戏称为“更深的蓝”，疯狂鸟准备用更深的蓝淹没骄傲的对手。 1997年5月，IBM的超级计算机”深蓝”，和国际象棋世界冠军卡斯帕罗夫，在美国纽约进行了那场至今仍家喻户晓的人机对决。这一次，全世界的目光都注视着这块棋盘。 Read more…
4,865 total views
深思AI围棋教室 定位于少儿AI围棋线下教育, 是深圳第一家AI围棋教育机构. 我们目标是 在传统围棋教学模式下, 引入AI围棋教学工具辅助教学, 提高围棋教学质量，节约小朋友和家长金钱和时间花费, 同时让小朋友从小学习和培养AI方面技能, 为未来的AI时代打下基础. 我们的第一个实体店位于深圳南山中心区南山书城旁60米左右, 文心二路天悦园A座505. 实体店环境舒适优雅, 有下棋活动场所, 有围棋教室和电教室. 在实体店我们提供AI围棋教育软件(深思围棋)体验. 我们的教学方式灵活, 收费模式采取阶段性收费, 不按课时计费. 教学方式包括：小班授课 + VIP私教 + AI围棋工具教学. 法人刘振宇, 资深IT专家. 捷利交易宝(8017.HK)的联合创始人和前技术总监. 围棋爱好者, 业余4段水平. 深思围棋软件作者. 郑秋, 围棋总教练,少儿围棋资深老师, 10年以上少儿围棋教学经验(从启蒙到高段班), 业余5段. 暑期启蒙班安排: 1. 开班时间: 2019年7月16日 ~ 2019年8月10日. 2. 课程安排: 每周3次课, 1,3,5 或者2,4,6上课。总共12节课. 3. 费用: 1800元. 现报名7折, 1280元. Read more…
3,624 total views
4月28日，腾讯微信的人工智能围棋程序PhoenixGo(凤凰围棋)获得了“贝瑞基因杯”2018世界人工智能围棋大赛的冠军，据称，网友还给PhoenixGo起了个接地气的名字叫“金毛”。 今天，微信宣布，这只微信的“金毛狗”开源了，成为国内第一个开源的围棋AI项目。PhoenixGo是几名工程师在开发机器翻译引擎之余抽空研发的。 围棋AI项目PhoenixGoshi 授权协议：Apache2.0 操作系统：跨平台 开发语言：C/C++ Python 开发厂商：腾讯 GitHub地址：https://github.com/Tencent/PhoenixGo PhoenixGo 简介 PhoenixGo是腾讯微信翻译团队开发的人工智能围棋程序，该项目由几名工程师在开发机器翻译引擎之余，基于AlphaGo Zero论文实现，同时做了若干提高训练效率的创新，并利用微信服务器的闲时计算资源进行自我对弈，缓解了Zero版本对海量资源的苛刻需求。 PhoenixGo在野狐围棋平台上的账号“金毛测试”，运行于1块性能与GTX 1080 Ti性能接近的Tesla P40上，对人类棋手具有非常高的胜率。 开源内容包括： ● 分布式 MCTS 对弈程序源码，支持 GTP 协议 ● 经过大量资源训练的 20 block 模型 目前支持 Linux 和 Windows 平台。 PhoenixGo 为什么要开源 腾讯官方提到，一个好的围棋AI，需要算法、工程实现、计算资源三者结合。目前围棋AI已经有了优秀的公开算法，但同时拥有良好工程实现和大量计算资源，并不是一件容易的事。 为了让行业内其他研究者可以在此基础上继续探索围棋AI的奥秘，帮助棋手更方便地研究围棋AI的棋路，也为了众多围棋爱好者在家用普通电脑上可以享受和职业九段交锋的乐趣，微信团队决定对外开源PhoenixGo对弈源码和训练模型。 如今，PhoenixGo源码已经上传到GitHub上，这份源码和模型可以在单块GPU上提供强职业棋手的棋力，在单机多卡和多机多卡的系统上具有远超人类棋手的水平。 5,802 total views, 4 views today
5,802 total views, 4 views today
AlphaGo Zero是DeepMind围棋软件AlphaGo的最新版。2017年10月19日，AlphaGo团队在《自然》上发表文章介绍了AlphaGo Zero，文中指出此版本不采用人类玩家的棋谱，且比之前的所有版本都要强大。 AlphaGo Zero是DeepMind围棋软件AlphaGo的最新版。2017年10月19日，AlphaGo团队在《自然》上发表文章介绍了AlphaGo Zero，文中指出此版本不采用人类玩家的棋谱，且比之前的所有版本都要强大。 通过自我对弈，AlphaGo Zero在三天内以100比0的战绩战胜了AlphaGo Lee，花了21天达到AlphaGo Master的水平，用40天超越了所有旧版本。DeepMind联合创始人兼CEO杰米斯·哈萨比斯说，AlphaGo Zero“不再受限于人类认知”，很强大。由于专家数据“经常很贵、不可靠或是无法取得”，不借助人类专家的数据集训练人工智能，对于人工智能开发超人技能具有重大意义，因为这样的AI不是学习人，是通过对自我的反思和独有的创造力直接超越人类。 AlphaGo Zero神经网络使用TensorFlow在64个GPU和19个CPU参数服务器训练，推理的TPU只有四个。神经网络最初除了规则，对围棋一无所知。AI进行“非监督式学习”，自己和自己对弈，直到能预测自己的每一手棋及其对棋局结果的影响。前三天，AlphaGo Zero连续自我对弈490万局。几天之内它就发展出击败人类顶尖棋手的技能，而早期的AlphaGo要达到同等水平需要数月的训练。为了比较，研究人员还用人类对局数据训练了另一版AlphaGo Zero，发现该版本学习更加迅速，但从长远来看，表现反而较差。 1 of 3 普遍认为，AlphaGo Zero是一次巨大的进步，即便是和它的开山鼻祖AlphaGo作比较时。艾伦人工智能研究院的奥伦·伊奇奥尼表示，AlphaGo Zero是“非常令人印象深刻的技术成果”，“不管是在他们实现目标的能力上，还是他们花40天时间用四个TPU训练这套系统的能力”。《卫报》称AlphaGo Zero是“人工智能的大突破”，援引谢菲尔德大学的伊莱尼·瓦希莱基（Eleni Vasilaki）和卡内基梅隆大学的汤姆·米切尔（Tom Mitchell），两人分别说它是令人印象深刻的成就和“突出的工程成就”。悉尼大学的马克·佩斯说AlphaGo Zero是“巨大的技术进展”，带领我们进入“未至之地”。 然而，纽约大学心理学家盖瑞·马库斯对我们目前所知的则表示谨慎，AlphaGo或许包括“程序员如何建造一台解决围棋等问题的机器的隐晦知识”，在确保它的基础结构比玩围棋时更有效率之前，它需要在其他的领域受检测。相反，DeepMind“自信这种方法可以归纳至更多的领域中”。 韩国职业围棋选手李世石回应称：“之前的AlphaGo并不完美，我认为这就是为什么要把AlphaGo Zero造出来”。至于AlphaGo的发展潜力，李世石表示他必须要静观其变，但同时表示它会影响年轻的棋手。韩国国家围棋队教练睦镇硕表示，围棋界已经模仿到之前AlphaGo各个版本的下棋风格，从中创造新的思路，他希望AlphaGo Zero能带来新的思路。睦镇硕补充道，棋界的大趋势如今被AlphaGo的下棋风格影响。“最初，我们很难理解，我差不多认为我在跟外星人打比赛。然而，有过这么次的体会，我已经适应它了。”他说。“我们现在错过了辩论AlphaGo与人类之间的能力差距的点。现在讲的是计算机间的差距。”据称，他已经开始和国家队棋手分析AlphaGo Zero的比赛风格：“虽然只看了几场比赛，但我们的印象是，AlphaGo Zero和他的前者相比，下棋更像人类。”中国职业棋手柯洁在他的微博上表示：“一个纯净、纯粹自我学习的AlphaGo是最强的……对于AlphaGo的自我进步来讲……人类太多余了。” 编者注：人类对弈的乐趣在于从对手的失误中找出反击的手段，而不是超越AI的存 。如何利用AI技术训练我们提高棋力水平，是我们当前和未来发展方向。 7,111 total views, 4 views today
7,111 total views, 4 views today