在象棋和国际象棋中,电脑软件都特别很是厉害,一向以来也只有围棋是“电脑下不过人类”的棋类游戏,而今年1月份谷歌人工智能程序AlphaGo却以5:0的比分以压服式的上风赢了欧洲围棋冠军、专业二段棋手,紧接着AlphaGo又向世界围棋冠军发出了挑衅。这个新闻也让人工智能领域的专家们炸开了锅,随之而来的评价也褒贬不一,而今日,Google Deepmind终于正式宣布了与世界围棋冠军李世石之间的终极挑衅的细致规则。
那么又是怎样可以公平的建立人机比赛的规则呢?
3月9日至3月15日,AlphaGo将在韩国首尔与李世石进行5场挑衅赛,比赛采用完全平等的规则,没有让子的举动,而获胜者将得到一百万美元奖金,而假如AlphaGo获胜,奖金将会捐奉送联合国儿童基金会(UNICEF),STEM教育,以及围棋慈善机构。
比赛将于北京时间午时12点在首尔四季酒店举行,详细日程如下:
1.3月9日(星期三):首场比赛
2. 3月10日(星期四):第二场比赛
3. 3月12日(星期六):第三场比赛
4. 3月13日(星期日):第四场比赛
5. 3月15日(星期二):第五场比赛
比赛将采用贴7.5目的中国规则(比赛结束时,后走棋的棋手贴目),每位棋手各有两小时的时间布局,3次60秒的读秒,每场比赛预计必要大约4-5小时。
人工智能在下棋时又是怎样思考的呢?
围棋这个有着千年历史的棋类游戏,蕴含了人类伶俐的结晶,而因为盘面纵横有着十九条等距离、垂直交叉的平行线,形成了19*19=361个交叉点,也作育了这个极其复杂的棋盘棋局,在游戏进行当中,它拥有着远比国际象棋更多的选择空间,而这也成为了人工智能研究者们力图在此取得突破的缘故原由。
而从机器学习的角度来看,围棋有着3361中局面,大致的体量是10170,纵然是宇宙中,源自的数量也仅仅是1080,国际象棋最大也只有2155中局面,象棋以及其他棋类也多用传统的人工智能方法来思考,通过将所有可能的走法构建成一棵搜索树,进而选择下一步落子的位置,而围棋的多种选择性也让其并不适合传统的人工智能方法,此次谷歌推出的AlphaGo,突破了传统之间运行了的研究方法,将高级搜索树与深度神经网络结合在一路,而神经网络则是通过12个类似于有着数百万个神经连接点的处理层传递棋盘的情况,其中一个神经网络“决策网络”(policy network)负责选择下一步走法,另一个神经网络“值网络”(“value network)则展望比赛胜利方,而Google通过人类围棋高手的三万万步围棋走法训练神经网络,并在其神经网络之间运行了数千局围棋,行使反复试验调整连接点,以实现进一步的进步。
而此次Google在围棋领域的突破也有着其他方面的紧张意义,AlohaGo不仅是遵循人工规则的“专家”体系,它通过“机器学习”自行掌握如何赢得围棋比赛,谷歌也盼望可以借这些技术解决实际社会最紧张、最紧迫的题目——从天气建模到复杂的灾祸分析。
那么3月9日的AlphaGo和李世石的人机推翻大战的赢家又会是谁呢?
LiveChat是一款国外的客服软件。它配备了可用于在线销售和营销,网站分析以及实时客户服务或支持要求的工具。......
美洽是一款新型的基于SAAS模式的在线客服系统,是一款多渠道统一沟通平台,访客进入网站,无需添加就可以咨询对......