柯潔最終戰失敗！回顧AlphaGo全部對戰過程，真正可怕的還在後面……
原標題：柯潔最終戰失敗！回顧AlphaGo全部對戰過程，真正可怕的還在後面……
圍棋領域，人類最強大的大腦，也終於宣告完敗。但這不是我們不給力，而是對手它，不是人啊……
實際上，無論柯潔在今天的棋局上表現如何，AlphaGo在5月23日和5月25日，連續兩場戰勝，從前天起，這個結果已經就被鎖定瞭。在昨日還進行瞭配對賽和團體賽，而在團隊賽中，中國的5位世界冠軍聯手群戰AlphaGo，最後還是執黑254手中盤告負。
圍棋領域，人類最強大的大腦，也終於宣告完敗。
圍棋比賽，看似離我們的生活還比較遙遠。但是，我們又能不能把這場烏鎮的全民關註的棋局，單純看成一場娛樂的表演秀？
在有些人看來，似乎就是如此，我們還沒有看到AlphaGo下圍棋能夠給我們帶來何等改變。
但對另外一些人來說，這是令人恐懼的開端。機器會和我們一樣思考？它比我們強大，不需要受情緒、感情和身體因素的影響，如果搭配一個強有力的大腦，還有什麼是它不能做的？
我們可以思考的問題，還有很多。AlphaGo究竟因為什麼而如此強大，人類在機器面前是否就全無可以反攻的餘地；除瞭下棋之外，AlphaGo還想告訴我們什麼，它究竟能給未來帶來何等改變；以及，下一場，人類和機器，又將在什麼戰局中對峙？
對弈中的AlphaGo有多可怕？
我已經很拼瞭。能讓AlphaGo的主機發燙一下也好啊。
——by：柯潔
今天的第三局，在上一局落敗後，柯潔提出本局仍由他執白，哈薩比斯痛快地答應瞭。第三局柯潔“回歸自然”，做回自己，不再受對手的影響。而AlphaGo在開局依然將第一手落在瞭右下角的位置上。雙方前4手常規開局，但隨後AlphaGo下出新手，柯潔開始長考，最終隻能無奈脫先。
讓我們再來回顧一下前幾場棋局，以及AlphaGo讓我們曾經吃驚的地方。
1、勝半目是AlphaGo刻意而為之？
第一場，柯潔執黑先行，以小目、三三開場。經過4小時17分37秒，289手的激戰後，最後AlphaGo以1/4子取勝。盡管這是中國規則中最小的差距，但最可怕的是，賽後人們對此結果的猜測：贏半目，是AlphaGo故意設置好的？
第一局棋到中盤時，阿爾法狗已經領先差不多一個貼目。但是之後，它采取瞭保守的下法，沒有寸土必爭。在賽後點棋的時候，柯潔就苦笑表示：“我很早就知道自己要輸1/4子，AlphaGo每步棋都是勻速，在最後單官階段也是如此，所以我就有時間點目。”
獨立IT評論人keso就在賽後第一時間評論表示這可能是AlphaGo特意而為之。
但業界對此也有不同的看法。畢竟，對於電腦而言，AlphaGo被設定的目標就是勝利，而不是“贏幾目”。AlphaGo給自己的命令，是用最穩妥的方法去贏，哪怕隻是贏半目。極客幫創投合夥人蔣濤就認為，這一說法尚不能證實。但是，他也同樣認可，“最後能夠出現這麼細微的局面，說明棋局是在AlphaGo的掌控之中的。畢竟它要確保的，是結果的勝利。至於勝1目還是勝10目，對電腦來說判斷都是一樣的。”
2、效仿對手開局？評價柯潔近乎“完美”
5月岩盤浴機器多少錢25日，第二局比賽進行。
而比第一戰更加出乎人意料的是，比賽進行到當天中午13:37時，柯潔主動投子認輸，AlphaGo提前一個多小時，中盤取勝。
在第二局，AlphaGo執黑先行。而它在落子前，不同以往地經過瞭思索，最後選擇瞭第一局柯潔采用的小目、三三開局。
這是頗有意味的。要知道，AlphaGo公開問世以來到本次人機大戰之前，一共下瞭70局，包括與樊麾的5局、與李世石的5局、以Master網名在網上下的60局。這70局裡，沒有一局開局就走瞭三三。
而柯潔在本場，則相對更加的沉穩。可以看出，柯潔在佈局的策略上，本局下瞭更大的功夫。甚至在前面十幾手，能夠預料到AlphaGo多步棋的落子。比賽進行到1小時的時候，DeepMind創始人、AlphaGo之父哈比薩斯在自己的推特寫道：“簡直不敢相信，根據AlphaGo的判斷，柯潔現在下得非常完美。”
之前一直有AlphaGo不擅長打劫的傳言，但本局中，面對柯潔引爆的劫爭，AlphaGo處理得非常得當，根本沒有回避打劫之舉。
在左下角的劫爭中，柯潔的一步失誤，頓時讓局勢無可挽回。柯潔在進行瞭近20手的嘗試後，於155手投子認輸。
這一局棋的震動也是無可比擬的。在賽後發佈會上，雙方都承認，當天的棋局，在前面，AlphaGo根本沒有顯示出勝率優勢。DeepMind方也表示：“柯潔在比賽中擁有瞭很多機會，AlphaGo一度無法處理……我們作為開發者，從來沒有見過AlphaGo出現這麼勢均力敵的情況。”
這可以岩盤浴烤箱多少錢說是，迄今為止，人類棋手在和AlphaGo的對弈中，最精彩的一局。
3、面對劣勢時AlphaGo怎麼辦？認輸、逼隊友認輸……
之後的最有趣和最令人懵逼的一幕，則出現在昨日的配對賽中。這場賽制規定，兩名中國棋手古力、連笑將分別和AlphaGo組隊，雙方對壘。
之前，很多人猜測過，AlphaGo會不會有故意輸掉比賽、或者下臭棋的可能。那麼，當AlphaGo真正面對劣勢時，它是怎麼處理的？這場比賽或許會告訴你答案。
在對決即將結束之時，與古力搭檔的AlphaGo決定投子認輸，古力卻拒絕瞭AlphaGo的要求，仍堅持鏖戰。而之後，AlphaGo的棋路變得越來越消極，最終，古力在不可逆轉的情勢下，也隻得認輸。
不管你如何認為，但明顯，AlphaGo已經成為瞭控制棋局的關鍵。
現在的AlphaGo有多強大？
或許，關於AlphaGo的很多問題，可以在DeepMind對其算法的講解中得到解釋。
早在去年，AlphaGo就已經以4:1戰勝過李世乭。而在今年年初，Master橫空出世，在弈城和野狐兩大圍棋網站上，和各國頂尖棋手快棋對弈，最後以60：0的戰績橫掃棋壇。而賽後，Master自揭真身，正是AlphaGo的最新版本。
而這次在烏鎮和柯潔對弈的，正是Master。年初的對弈中，柯潔已經在快棋上，敗給瞭它。
AlphaGo Master和戰勝李世乭的AlphaGo Lee相比，有哪些區別？第一局賽後，DeepMind首席科學傢席爾瓦在演講中透露，去年與李世乭對戰的AlphaGo Lee有50個TPUs在運作，搜索50個棋步為10000個位置/秒，而昨天打敗柯潔的AlphaGo Master則是在單個TPU上進行遊戲，計算量隻是去年那個版本的十分之一。
和柯潔對戰的是年初戰勝60位高手的AlphaGo Master。
目前的AlphaGo是單機版。
配備瞭4塊TPU。
與去年3月與李世石的比賽時相比，當前的版本在處理計算時所消耗的能量僅為過去的十分之一。
目前，與柯潔對戰的AlphaGo Master的等級分已經接近瞭4800分。
現在的AlphaGo采用強化學習，讓人工智能進行自我博弈，產生更強的神經網絡。這一次AlphaGo用自我對弈訓練出的策略網絡，可以做到不需要更多運算，直接給出下一步的決策。
相比之下，現在的AlphaGo比去年擊敗瞭李世石那一版的AlphaGo Lee相比要“強三子”。
4塊TPU，單機版，完虐瞭人類。而“強三子”的概念是什麼？讓柯潔的反應來告訴你。
如果說打敗瞭李世乭的AlphaGo是利用卷及神經網絡，讓它瞭解規則、瞭解棋局，從而進行處理，那麼，現在的AlphaGo，就增強瞭“思考”能力，並且，可以自學成才瞭。
在這次賽前，很多媒體報道，此次參戰的 AlphaGo 2.0 可能采用瞭全新的算法模型，放棄瞭監督學習，即未先學習人類棋譜的經驗，而是直接通過對戰來獲得認知和能力。但哈比薩斯在賽後發佈會上回答，這明顯是個誤解。AlphaGo還是要學習人類經驗，但這個版本的AlphaGo更依賴自我博弈來學習。
如何讓AlphaGo進行監督學習和強化學習，席爾瓦解釋，是讓AlphaGo先通過訓練形成一個策略網絡，將棋盤上的局勢作為輸入信息，並對所有可行的落子位置生成一個概率分佈。然後，訓練出一個價值網絡，以 -1(對手的絕對勝利)到1(AlphaGo的絕對勝利)的標準，預測所有可行落子位置的結果。也就是說，在這個過程中， AlphaGo不僅會算出自己的最優選項，還會根據自己下過的棋，經過多層處理形成一個“值”，值高意味著自己贏，低意味著對手贏，並在棋局中的某一步判斷是否是關鍵的一步。
並且，AlphaGo的搜索算法能在計算能力之上，加入和人類直覺近似的判斷，讓它更接近人腦。
為什麼選擇棋牌？
那麼，為什麼科學傢都執著於讓機器和棋牌類遊戲過不去呢？讓一個電腦學會下棋，對我們究竟有什麼好處？
原因很簡單。首先，棋牌類是人類智力活動的象征，它的宣傳和號召能力自然也是其他運動所不能比擬的。
其次，自然是因為棋類非常適合作為AI算法的標桿。機器和人對弈，是一個博弈的過程，它具有抽象的特性，而棋牌遊戲的規則非常明確，狀態顯示則比較明確。
而在棋牌類中，圍棋是非常難以攻克的一類。我們都知道，搜索算法的復雜程度取決於分支系數——每一步棋可能的走法。相比起來，國際象棋的平均分支因子大約是35，而圍棋的平均分支因子為250，一局步數為350步，搜索樹有250^350個節點，需要更加復雜和先進的搜索算法。在1997年之前，就沒有出現過有競爭力的圍棋程序。
而戰勝眾多棋手的AlphaGo，使用的是蒙特卡洛樹搜索算法，借助值網絡（value network）與策略網絡（policy network）這兩種深度神經網絡，通過值網絡來評估大量選點，並通過策略網絡選擇落點。
神經網絡系統是以人類大腦為原型的信息處理模式，可以根據特定的輸入產生特定輸出，並實現圖片識別、語音識別等功能。谷歌做瞭兩個神經網絡，一個神經網絡用於動態評估——計算對手下一步棋落子的各自可能性，依靠計算機遠遠超過棋手的計算能力，在某種程度上會占據一定優勢。另一個神經網絡用於靜態評估——評估棋局交戰雙方總體態勢。
谷歌輸入瞭海量棋譜，讓AlphaGo以此為基礎進行瞭難以計數的自我對局，以豐富其數據庫，預測對手的落子。
AlphaGo勝利後，今年1月，在美國賓夕法尼亞，卡內基梅隆大學開發的德州撲克人工智能系統Libratus擊敗瞭四名頂尖人類高手，一舉獲得瞭20萬美元將近和177萬美元籌碼。
德撲和AlphaGo所擅長的圍棋不同。圍棋、國際象棋和西洋雙陸等被AI逐個攻破的遊戲，都是“完美信息”遊戲。也即是，所有玩傢在遊戲中，能夠獲得公開和對稱的確定信息。遊戲中需要作出的決策點的數量，決定瞭機器的計算量。
而與之相比，德撲則是“不完整信息”遊戲。其中包含瞭更多的隱藏信息，每個玩傢掌握的信息都是不對稱的，他隻能看到自己的牌，卻不知道對手的牌，需要根據直覺推測對手手牌，選擇下註和放棄，並判斷對手的打法。因此，“不完整信息”博弈，就成為難以攻克的計算機難題。
而Libratus，基於在匹茲堡超級計算中心大約1500萬核心小時的計算，用算法分析德撲規則，預測所有步驟的勝率，來進行自己的下一步。和AlphaGo用大量棋局做訓練不同，它沒有用專業牌局進行神經網絡訓練，而是用隨機生成的牌局（隨機產生公共牌、底池籌碼、玩傢拿牌概率）和嘗試性的動作帶來的結果（在隨機生成的輸入情況下模擬玩傢跟牌後的結果）來作為訓練數據。Libratus還采用瞭博弈論，它通過納什均衡來計算如何應對對手的招數，通過平衡風險和收益，對自身的下一步進行修正，以期達到收益最大化。其程序名Libratus，就是來源於拉丁文“制衡”。
是的，所以，你知道，風靡我國的“國民運動”麻將，就是不完美信息博弈的一種。目前雖然已經有比較強的AI，但是和人類頂尖高手相比，還是有較大的差距。
柯潔之後，或許我們可以期待一場高水平的麻將人機大賽。
但據微軟亞洲研究院研究員楊懋和秦濤的文章，最難被AI攻克的，還是星際爭霸和我的世界這類遊戲。它們不僅信息不對稱，而且遊戲規則是開放性的。除瞭運行速度上占優勢外，計算機還還需要處理不斷出現的復雜的新情況。現在，計算機還沒有在這些遊戲中證明過自己的能力。
AlphaGo下完棋能做什麼？
“AlphaGo 贏瞭李世石，so what？下圍棋本來的樂趣就是對方下一把臭棋，結果機器不會下臭棋，那還有什麼意思呢？”
——by：馬雲
所以，我們可以意識到，棋牌類遊戲，對於人工智能而言，是一種早期的演練。或許它能夠讓遊戲更有趣味，會挑戰專業棋手的價值，會引發很多人的思考和恐懼，但是，AlphaGo，或者說DeepMind，它的最終目標不僅僅是下棋。DeepMind的最終目標，還是智能助手、醫療和機器人等領域。
谷歌現在有兩套人工智能系統，包括谷歌的機器學習開發者工具TensorFlow，以及DeepMind的AlphaGo系統，AlphaGo未來將計劃應用在醫療看護、自動駕駛車等部分。
在烏鎮的人工智能峰會上，Alphabet 董事長 Eric Schmidt談到機器學習和人工智能引領瞭“智能時代”的發展，他表示：“神經網絡和深度學習的爆發是我所經歷過的最大變革”。他還表示，這些新技術不僅提升瞭日常的生產效率，更為企業帶來瞭無限機遇，尤其是在“醫療、交通以及政務”等領域。而谷歌的各項AI研究成果，也在這場交流中向國內觀眾做瞭完全的展示。
比如機器學習在消費產品中的應用，包括 Google Photos以及Gmail。以 Google Photos最新版本為例，通過機器學習技術，可以將照片中的雨滴去除，並為照片添加濾鏡，使其擁有與知名藝術作品一般的效果。
還比如，如何利用電腦工具幫助缺乏醫療資源的國傢更廣泛地進行眼疾診斷，這其中就包括瞭印度。印度擁有13億人口，總計缺少 127,000 名眼科醫生。Google 的機器學習模型診斷眼疾的準確率，甚至略微高於一些通過美國認證委員會認證的眼科醫生。這個技術還有很大的潛能可以應用到其它疾病的診斷，例如斯坦福的研究者近期已經開始使用 TensorFlow 利用圖像進行皮膚癌的診斷。
TensorFlow 是現在 GitHub 上世界第一的機器學習知識庫，其使用增長率遠遠高於其它同類型平臺。比利時公司Connecterra 就將TensorFlow 應用到瞭牧場當中，而澳大利亞的研究者則將此項技術用於判斷海牛種群的健康狀況。
Google 翻譯也用到瞭TensorFlow。隨著神經網絡機器翻譯的引入，翻譯結果有瞭顯著提高。同時，結合瞭“計算機視覺”使得 Google 翻譯 App 能夠利用手機攝像頭進行即時圖像翻譯，這項功能正是通過TensorFlow 在移動設備上的版本來實現的。在文藝領域，還有“Portrait Matcher” ，一個可以利用攝像頭將你的面部特征與類似藝術品匹配的功能。
柯潔戰後說：“未來是人工智能的。”而人工智能，終究是人類所開發的。
暫時我們也不必擔憂，人類將被機器所完全取代和統治。李開復的答案是，人工智能目前隻有在符合以下三個前提的領域裡，將全面戰勝人類：
第一，有海量的數據；
第二，數據有標準；
第三，單一領域。
在前不久的IT領袖峰會上，李彥宏也說：“強人工智能時代，也許永遠不會到來。”
也許，機器並不值得我們去恐懼。但真正可怕的事實，其實是，我們並不知道，人類會將它推向哪一步……
返回搜岩盤浴烤箱狐，查看更多
責任編輯：
聲明：本文由入駐搜狐號的作者撰寫，除搜狐官方賬號外，觀點僅代表作者本人，不代表搜狐立場。
閱讀 ()
台灣電動床工廠
電動床
台灣電動床工廠
電動床
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
一川抽水肥清理行｜台中抽水肥｜台中市抽水肥｜台中抽水肥推薦｜台中抽水肥價格｜台中水肥清運
X戰警多鏡頭行車記錄器專業網｜多鏡頭行車記錄器｜多鏡頭行車紀錄器比較｜多鏡頭行車紀錄器推薦｜多鏡頭行車紀錄器影片
台中抽水肥專業網｜台中抽水肥｜台中市抽水肥｜台中抽水肥推薦｜台中抽水肥價格｜台中水肥清運
台灣靜電機批發工廠｜靜電機｜靜電機推薦｜靜電油煙處理機｜靜電油煙處理機推薦
優美環保科技工程-靜電機,靜電機推薦,靜電機保養,靜電機清洗,靜電油煙處理機
留言列表
