現在回想起來，這一天似乎比小說里來得還要早。 今天早上，Deep MInd 創始人 宣布了谷歌在人工智能領域的重要進展：它開發出了一種可以在圍棋中擊敗職業棋手的程序——后者可以通過機器學習的方式掌握棋局。

今年3月，他將在韓國首爾與韓國圍棋選手李世石進行九段比賽。 李世石是近10年來獲得世界第一冠軍次數最多的選手。 谷歌為此提供了100萬美元的獎金。 李世石表示，他對這場對決充滿期待，并有信心獲勝。

最近官方微博上也寫到了這件事，其中有這樣一句話：“然而，對于我們來說，最大的成就不是一個手動輸入規則的（-）‘專家系統’，而是機器學習弄清楚了如何贏得圍棋。”我自己。”

以下轉載自新浪科技。 原標題是《谷歌機器學習取得重大突破，圍棋程序將大戰李世石》。

1月28日上午消息，谷歌今日召開全球電話會議。 Deep MInd 創始人 宣布了谷歌在人工智能領域的重要進展：開發出能夠在圍棋中擊敗職業棋手的計算機。 程序——可以通過機器學習掌握游戲技能。

計算機和人類之間的競爭在國際象棋游戲中并不罕見。 計算機已經在跳棋、跳棋、國際象棋等游戲中成功挑戰人類。 但對于已有2500多年歷史的圍棋來說，計算機此前從未戰勝過人類。 圍棋似乎有一個簡單的棋盤，但并不困難的規則。 棋盤每邊有19條等距垂直相交的平行線，總共形成19×19（361）個交點。 兩名玩家交替移動，以盡可能占據棋盤上的空間。

在游戲極簡的表??面之下，圍棋有著令人難以置信的深度和微妙。 當棋盤為空時，第一個玩家有 361 個選項。 在比賽過程中，它的選擇遠比國際象棋多，這就是為什么人工智能和機器學習的開發者總是希望在這里取得突破。

從機器學習的角度來看，圍棋計算的最大數量為3361，近似體積為1080，而觀測到的宇宙中的原子數量只有1080個。國際象棋棋局的最大數量為2155，被稱為香農數量，大約為 1047。

傳統的人工智能方法是將所有可能的走法構造成一棵搜索樹，但這種方法并不適合圍棋。 谷歌此次推出的產品將先進的搜索樹與深度神經網絡相結合。 這些神經網絡通過包含數百萬個類神經連接的 12 個處理層傳遞棋盤的描述。

其中一個神經網絡，“決策網絡”( )谷歌人工智能李世石，負責選擇下一步行動，另一個神經網絡，“價值網絡”(“ ”)，預測游戲的獲勝者。谷歌用以下方法訓練神經網絡人類圍棋大師下了 3000 萬盤棋，同時該網絡還自行研究了新策略，在其神經網絡之間運行了數千盤圍棋，通過反復試驗來調整連接點，這一過程也稱為鞏固學習這是通過大量利用云平臺完成的大量研究工作。

（所使用的神經網絡結構示意圖）

征服Go對于來說意義重大。 它不僅僅是一個遵循人工規則的“專家”系統，它還可以通過“機器學習”自行學習如何贏得圍棋比賽。 谷歌希望利用這些技術來解決世界上最棘手、最緊迫的問題——從氣候建模到復雜的災害分析。

在具體的機器訓練方面，將決策網絡輸入到人類圍棋專家的對弈中，直到系統能夠預測57%的人類動作。 之前的最好成績是44%。 之后，通過在神經網絡內玩游戲（可以簡單理解為和自己下棋），我開始學習獨立探索新的圍棋策略。 當前的決策網絡可以通過巨大的搜索樹擊敗大多數最先進的圍棋程序。

價值網絡也是通過與自己下棋來訓練的。 當前的價值網絡可以評估每一步棋獲勝的可能性有多大。 此前這被認為是不可能的。

事實上，它已經成為目前最好的人工智能圍棋程序。 在與其他程序的比賽中，他單機獲勝500局，甚至有過四步擊敗對手的記錄。 去年10月5日至10月9日，谷歌安排了與歐洲圍棋冠軍樊麾（樊麾：法國國家圍棋隊主教練）的一場閉門比賽，谷歌以5-0獲勝。

（與歐洲圍棋冠軍樊麾五場比賽）

公開比賽將于今年三月舉行。 這場比賽將在韓國首爾與韓國圍棋選手李世石進行九段對決。 李世石是近10年來獲得世界第一冠軍次數最多的選手。 谷歌提供了100萬美元作為獎金。 。 李世石表示，他對這場對決充滿期待，并有信心獲勝。

值得一提的是，上一次著名的人機游戲要追溯到1997年，當時IBM開發的超級計算機“深藍”擊敗了國際象棋冠軍卡斯帕羅夫。 然而，國際象棋的算法比圍棋簡單得多。 在國際象棋中，你只需“殺”王即可獲勝，而在圍棋中，你需要通過計數或比較來計算結果，而不是簡單地殺掉對手的棋子。 此前，“深藍”計算機的設計者在2007年發表文章稱谷歌人工智能李世石，他相信超級計算機能夠在十年內擊敗人類圍棋。

此外，此次發布也是Deep MInd自2014年1月被谷歌收購以來首次發聲。在被收購之前，這家總部位于倫敦的人工智能領域公司還獲得了特斯拉和創始人馬斯克的投資。

186信息網原創文章，轉載請注明本文來自：m.xt88.cn