阿爾法go演算法

❶ ""阿爾法狗"的勝利，將成為人工智慧發展道路上一座重要的里程碑" 什麼意思

1、圍棋算最需要智力的一種游戲，機器戰勝人類最強棋手李世石，柯潔，說明人工智慧在一些方面已然超越人類，這可能是人工智慧領域的又一次突破和飛躍。

❷ 「阿爾法狗」採用的深度學習方法屬於人工智慧中的什麼學派

阿爾法狗使用的是深度強化學習方法，是深度學習和強化學習的結合體．
深度學習是神經網路屬於連接派，強化學習屬於行為派．
阿爾法狗是連接派和行為派的結合體．
除了連接派和行為派之外，人工智慧的另一大門派是符號派，符號派當前的進展是知識圖譜，也是人工智慧目前的研究熱點．

❸ 阿法狗用的什麼演算法

阿爾法圍棋（AlphaGo）的主要工作原理是「深度學習」。「深度學習」是指多

層的人工神經網路和訓練它的方法。一層神經網路會把大量矩陣數字作為輸入，通過非線性激活方法取權重，再產生另一個數據集合作為輸出。這就像生物神經大腦的工作機理一樣，通過合適的矩陣數量，多層組織鏈接一起，形成神經網路「大腦」進行精準復雜的處理，就像人們識別物體標注圖片一樣。

主要包括4個部分：
1. 走棋網路（Policy Network），給定當前局面，預測/采樣下一步的走棋。
2. 快速走子（Fast rollout），目標和1一樣，但在適當犧牲走棋質量的條件下，速度要比1快1000倍。
3. 估值網路（Value Network），給定當前局面，估計是白勝還是黑勝。
4. 蒙特卡羅樹搜索（Monte Carlo Tree Search，MCTS)，把以上這三個部分連起來，形成一個完整的系統。

阿爾法圍棋（AlphaGo）是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些Google圖片搜索引擎識別圖片在結構上是相似的。它們從多層啟發式二維過濾器開始，去處理圍棋棋盤的定位，就像圖片分類器網路處理圖片一樣。經過過濾，13 個完全連接的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。

❹ 電腦首次打敗人類圍棋冠軍意味著什麼

從20世紀90年代開始，計算機已連續在國際象棋、跳棋、撲克和電視問答等游戲中打敗人類。但是，有一種游戲，專業的人類選手依舊勝過機器，那就是圍棋。這項具有2500多年歷史的棋盤游戲非常復雜，游戲雙方分別用黑色和白色的棋子圍住盡可能多的區域來戰勝對方，這對於計算機來說很難掌握。但是人類在圍棋領域唯我獨尊的時代貌似已經結束——谷歌DeepMind的研究人員近日宣稱他們開發出一種復雜的人工智慧程序——融合了深度神經網路技術和搜索技術，在歷史上首次打敗了人類的圍棋冠軍。

去年十月，DeepMind團隊在倫敦邀請了歐洲圍棋冠軍樊麾與他們的程序AlphaGo對弈。比賽是私下進行的，只有少數幾個觀眾在場，他們在19乘19的網格棋盤上進行比賽。 AlphaGo在與CrazyStone和Zen等高端的圍棋程序的495場對戰測試中只輸了一場。但是，與跟其他計算機比賽相比，與人類高手的對弈更具挑戰性，畢竟職業選手更勝一籌——他們有多年的比賽經驗，對於運籌博弈的方法有著某種直覺。因此，AlphaGo以5:0擊敗人類確實很了不起。

許多人曾預言，計算機若想打敗人類圍棋冠軍至少還需要10年時間。亞馬遜的著名軟體工程師David Fotland在AlphaGo擊敗人類冠軍後發出感慨，「這些年來，計算機性能的飛躍是出乎意料的，而且是空前的。」他也曾開發出一種計算機圍棋程序，但他並沒有參與此次AlphaGo的研究工作。對於AlphaGo的成功，David Fotland並沒有驚訝。

要想了解DeepMind研究人員如何創造出這項令人欽佩的程序，我們首先必須意識到下好圍棋對於計算機來說為什麼這么難 (如果你並不了解圍棋的規則和技巧，下文將給你帶來清晰簡明的解釋)。第一，圍棋有無數種可能的走法和結果——用研究人員的話來說，就是圍棋中可能位置的數量比宇宙中原子的數目還要多。DeepMind的共同創始人Demis Hassabis是該項研究發起人之一，他將圍棋和象棋做了比較，發現在象棋中每一回合平均有20種可能的走法，然而在圍棋中，每一回合可能的走法卻有將近200種，整整多了將近9倍。這意味著如果一台計算機想要探究圍棋中所有可能的走法和結果，需要超強大的計算能力，曾有科學家甚至覺得完成這項工作幾乎是不可能的。

DeepMind團隊使用的搜索技術和深度學習工具並不新奇。許多計算機圍棋程序已經在用Monte Carlo Tree搜索，神經網路技術也已被使用。但是，使DeepMind團隊的AlphaGo程序如此先進的關鍵在於這些工具被結合到一起的方式，再加上深度神經網路的高性能。主要的新奇之處在於他們如何將這些不同的因素組合到一起——在這方面，他們的做法很有創新性。跟人們以前的做法相比，這種方法更簡單，更全面，而且更優雅，這是一個巨大的飛躍。也正是因此，在與樊麾的比賽中，AlphaGo獲得了很大的優勢——計算機5:0獲勝。

盡管不是所有人都關心計算機打敗人類圍棋冠軍，因為他們並沒有洞察到這一進步在其他領域也很重要。研究人員按照通用方法建立了該系統，而不是僅僅適用於圍棋。他們打算最終將這些技術應用到重要的現實問題中。該項目的參與人Hassabis說：「我們希望有一天它們可以盡力幫助人們解決一些社會上最艱難、最緊迫的問題，從氣候建模到復雜的疾病分析。」 Yoshua Bengio說該程序在電腦對話中也可能會有重要的應用，而且在將來它還可能用來解決一些抽象的社會問題，這些問題可以通過游戲的方式來表述，像國家政治問題或者國際氣候協商。

但是，AlphaGo的當務之急是如何打敗全球最優秀的圍棋選手李世石，他們之間的比賽將於下個月在韓國首爾舉行。盡管AlphaGo在與樊麾的對決中表現出眾，但Schaeffer和Fotland仍舊認為李世石將會贏得比賽。「我覺得人類職業選手會勝出，」 Fotland說，「但是，面對如此強大的圍棋程序，我相信人類高手會大吃一驚。」到現在為止，依舊有一部分人堅信人類選手會贏得這場比賽。3月9日鹿死誰手，讓我們拭目以待吧！

❺ 2019年戰勝人類圍棋九段李世石的人工智慧alpha+go它所使用的學習演算法叫什麼

咨詢記錄 · 回答於2021-12-21

❻ 如何評價alpha go zero

——如果你是指對人AI機器阿爾法狗·零 的話
Alpha Go Zero 是Google旗下團隊研發的最新的AI機器人。
目前它最為人所知的實用用途就是「對人圍棋」了。
半年前一戰成名的Alpha Go 老版 與 李世石 對弈且獲得了勝利，證明了人工智慧的學習性的可行性。Google利用了海量的數據培養Alpha Go的對弈能力，對比李世石的下法尋找最佳著手。
因此可以說，老版的Alpha Go是完全的用 「數據」 培養出來的人工智慧。
而Alpha Go Zero則是團隊歷時3個月研發了新的演算法，在交互的模式下進行 「自主式學習」，不再依賴於廣泛的資料庫，而是在 「自己對弈自己」 的情況下學習 「圍棋」。並取得了與老版對弈100場全勝的優異成績。
因此可以說，Alpha Go Zero 是對AI領域的一個重要的突破。它實現了機器的自主學習，減少了老款AI所需要的海量數據的儲存空間，節約了大部分儲存設備的資金消耗，不用過多次的從數據中尋找目前狀況的應對方案和可行率。大大節省了它給出應對策略的時間和能源消耗。
當然，作為學習型智能機器人，它的技術遠沒有老版成熟。Alpha Go Zero 的只能輝煌一時，也同時是新版的經驗借鑒，是用於給技術鋪路的一次嘗試。開發前景可觀但是實用性不是很大。但卻給予了世界一個新的思考方向，加快了AI的發展。

#以上均僅為個人看法#

❼ Google 人工智慧首次完勝人類圍棋冠軍 為什麼很厲害

Google DeepMind 團隊在最新一期《Nature》上發表論文稱，其名為 「阿爾法圍棋」（AlphaGo）的人工智慧，在沒有任何讓子的情況下以 5:0 完勝歐洲冠軍、職業圍棋二段樊麾。

在計算機的發展史，在國際象棋比賽中，計算機戰勝人類是重要歷史事件，過去了這么多年，人工智慧戰勝圍棋冠軍又怎麼說明谷歌AI很牛呢？
圍棋，一直被認為是人類仍然在機器面前能保持優勢的游戲之一。過去20多年來，科技家們一直在試著教會電腦下棋，在1997年，IBM的深藍曾經打敗了國際象棋的世界冠軍Garry Kasparov，這成為了人工智慧的一座里程碑事件。但是，圍棋比國際象棋還是要復雜得多，國際象棋中，平均每回合有35種可能，一盤棋可以有80回合；相比之下，圍棋每回合有250種可能，一盤棋可以長達150回合。
在下國際象棋的時候，計算機可以分析出每一個可能的步驟，從而進行最優選擇，但是，圍棋可能的步驟是國際象棋的10倍之多。這也正是圍棋人工智慧的難點所在。
在過去很長時間里，最好的計算機連厲害點的業余圍棋棋手都下不過。所以，去年，Facebook就開始打造圍棋人工智慧，並且在過去6個月里讓它可以用最快0.1秒的速度來落子。負責這項目的人，就坐在里扎克伯格20英尺遠的地方。但是，Google還是快一步。
這場比賽實際上發生在去年十月，但是知道今天，它才在《自然》雜志中披露出來。
David Silver是這項研究的第一作者，在他看來，阿爾法Go的關鍵不在於簡單粗暴的計算出可能步驟，而是近似於人類的「想像力」。這背後是名為一項名為「深度學習」的大殺器，它讓計算機不再是簡單地使用計算能力來統計所有數據，而是像人類一樣，訓練，然後學習。Silver說，計算機「下圍棋需要的極復雜的直覺機制，這種機制以前我們認為只可能存在於人類大腦中。」
阿爾法Go用了多種「神經網路」並行，並且相互作用。其中，一個叫做「值網路」（value network），來衡量白字和黑子在棋盤上的位置，一個叫做「策略網路」（「policy network」 ），會不斷地學習此前人類和自己的落子，來選擇接下來怎麼下。
不僅僅比人類、比起其他機器人同類，阿爾法Go也更加強大。它和其他人工智慧下了500場圍棋，只輸了1場，甚至在給對手讓子的情況下，它也照贏不誤。而Silver說，它比其他人工智慧更先進的地方，就在於可以自我學習。而且，這種機制不僅僅可以用在圍棋學習中，阿爾法Go還可以用來解決很多現實問題，比如處理氣候模型等。
據消息稱，Google的「阿爾法Go」V和現在的圍棋世界冠軍李世石 （Lee Sedol），將在今年三月正式進行比賽。在圍棋這個古老的、幾乎代表了人類智力巔峰的游戲上，機器人和人類究竟誰更強大，答案很快就會揭曉。

❽ 阿爾法go怎麼挑戰星際爭霸 是重新寫程序還是更改資料庫 要知道 阿爾法是下圍棋的軟體 如果要玩星際

你自己不就已經說得很清楚了嗎？
阿爾法go之所以可以下圍棋比以往的計算機厲害不僅取決於他的硬體出色，更重要的是其程序演算法的改進，讓他能夠更快更多的進行每一步棋的評分來選擇下一步棋的位置。
而星際爭霸，你想想你沒打過電腦嗎？就相當於改進其AI，使得能夠進行更多微操，做到沒有傷害溢出的點殺你的部隊，快速地處理被濺射的單位的移動與殘血單位的控制。
所以肯定要改程序啊，如果一個程序能夠處理多樣不同種的事情。如果僅僅只需要修改其資料庫，學習新數據就可以做新的事情，那估計改自己的代碼可以了，那就是真正的人工智慧了吧，