close
傑米斯 哈薩比斯（Demis Hassabis） ，Google DeepMind CEO
企鵝智酷 | ?a href="https://www.mediutopia.com/#/">顧眼睛食品疃冉庾x
這篇分析中，企鵝智酷容易疲倦想睡將結合 AlphaGo 相關權威論文中提供的信息，以及這兩場比賽中李世石與 AlphaGo 表現，來用更簡潔的方式，告訴你谷歌(微博) AlphaGo 到底如何下棋，以及它有哪些被隱藏起來的弱點。
先說核心結保健食品有哪些論：
作為戰勝瞭人類圍棋冠軍的人工智能，AlphaGo （目前版本）強在小范圍戰鬥，弱點在於對全局的判斷；
AlphaGo 並非沒有“情緒”。它也會懷疑自己，隻是用另一種形式呈現（不是人類的抖手或者撓頭發）；
哺乳期營養品是誰在訓練 AlphaGo ？是它自己。用一種遠超人類效率的方式學習；
李世石如何贏？和很多圍棋專傢分析的一樣，從科技角度看，李世石必須在開局階段建立優勢，並且最好能夠更頻繁轉移戰場范圍；
未來，AlphaGo 會將人類棋手遠遠甩在身後。它就隻能繼續和自己玩瞭。
一、AlphaGo 是如何決定下每一步棋的？
企鵝智酷沒有能夠真的打開 AlphaGo 代碼庫，去檢查它全面的運行邏輯。我們隻能從已公開的權威論文中，來梳理這個迄今為止走進公眾視野的最強大人工智能，是如何做出決策，戰勝人類的。
簡單說，AlphaGo 下的每一步棋，都依賴於“概率”。
1.當一開始，棋盤有大量空白區域，棋子較少時，AlphaGo會更願意采用“固定策略”。
這種策略來自於 AlphaGo 自己模擬訓練的數百萬場棋局（每一局都從開始模擬到結束）。這讓 AlphaGo 心中有一個大概的最佳選擇可能性，即下在點A和點B，哪個更好些。
在這個時候，AlphaGo 是通過經驗來判斷的。雖然這個經驗不來自與人類，而是來自於它結合人類下棋方式學習後，自己和自己對弈的數百萬經驗值。但這種基於經驗的判斷，是人類挑戰它的最佳機會 和“恐怖”的機器推演能力相比，經驗，起碼離人類更近一些。
為什麼 AlphaGo 不在一開始就用蒙特卡羅算法，盡量窮盡所有可能性，去給出更可靠的“計算答案”，而不是“經驗答案”呢？
我們猜測，一方面是當棋局尚未真正交鋒時，各種選擇的概率差不多，沒必要做精確計算；另一方面，也為瞭節省時間。
2.當棋局有局部拼殺時，AlphaGo 的戰力就升級瞭。
這時候，再依賴那數百萬局“自己與自己下棋”的經驗，明顯是不夠的。因為棋局瞬息萬變，李世石的下法，很可能是 AlphaGo 沒有模擬過的（不要高估數百萬局訓練，和圍棋的可能性相比，隻是滄海一粟）。
這時候，AlphaGo 會不再聚焦於整個棋盤，而將計算精力縮到一個小范圍（戰鬥區域，例如右下角5*5,8*8這種）。這時候，它會啟動現場演算推理功能，即開始計算每一個落子位置的後續走勢，來計算最佳一步。
這需要時間。所以，AlphaGo 在短兵相接時，不得不縮小觀察范圍，在局部啟動現場計算。這雖然失去瞭一定的“大局觀”，但換來瞭計算的效率，和電腦比，人腦的純粹計算力是相對弱勢的，所以，短兵相接，機器占大優勢。
3.當局勢需要兼顧大局和計算力時，AlphaGo 怎麼辦？
開局佈局，AlphaGo 用經驗；短兵相接，AlphaGo 用計算力。那麼在局勢復雜時，AlphaGo 的另一個特長就有用武之地瞭 兼顧大局觀和計算能力。
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
