alphago編程

⑴ 阿爾法狗的勝利會引發編程學習的熱潮嗎

「阿爾法狗」是一些網友對谷歌AlphaGo人工智慧的昵稱。 「阿爾法狗」其實是一款圍棋人工智慧程序，由位於英國倫敦的谷歌旗下DeepMind公司開發。它也是第一款能擊敗專業圍棋選手的計算機軟體。

⑵ 那些從小學青少兒編程的孩子，現在都怎麼樣了

近年來，「編程」成為世界各國非常關注的話題。很多國家從小開始培養孩子的編程能力，而對中國來說，越來越多的家長將孩子送去學習編程。

那些從小就開始學習編程的孩子，現在都怎麼樣了呢？

眾所周知，國外很多科技大佬都是從小開始學編程的，例如：

特拉維斯·卡蘭尼克（Travis Kalanick），Uber首席執行官，6歲開始編程；

Google人工智慧AlphaGo的創始人德米什·哈薩比斯（DemisHassabis），8歲開始學習編程；

Elon Musk（埃隆∙馬斯克），特斯拉、Space X火箭公司創始人，9歲學習編程；

Mark Elliot Zuckerberg（馬克∙扎克伯格），Facebook創始人，10歲學習編程；

SteveJobs（喬布斯），蘋果公司的CEO, 12歲開始學習編程；

Bill Gates（比爾∙蓋茨），Microsoft創始人，13歲學習編程；

對於這些耳熟能詳大佬來說，可能大家也會找各種原因和理由來。不能否認這些大佬的成功是由無數的天時地利人和決定的，但如果沒有編程這項技能，他們或許達不到這樣的人生高度。我們用生活中最普通的例子來告訴大家：從小學編程的孩子現在怎麼樣了。

IOS蘋果軟體工程師——馬舜喆

馬舜喆，山東濟南人，六歲開始學編程，現在17歲的他已經是iOS蘋果軟體工程師了。從小喜歡學習編程的他，目前為止已經利用課余時間開發了5款蘋果手機應用程序，而且還經常幫助蘋果公司查找和解決系統中的漏洞。

去年，馬舜喆還受邀參加2017WWDC蘋果全球開發者大會，不僅讓他得以與蘋果公司的系統工程師、UI界面設計師、軟體開發者進行技術交流，參觀了蘋果公司，還作為獎學金獲得者，和蘋果總裁庫克見面，讓庫克非常震驚。

他說：「信息學是一門很有魅力的學科，你的思路是可以天馬行空的，不管過程怎麼樣，只要最後的數據是對的，你就贏了。」信息學培養的不僅是思維能力，還有分析問題解決問題的能力。

從這些孩子的經歷可以看出，編程在他們的人生中起著關鍵的作用，影響他們的一生。有些孩子通過編程在科技界小有名氣，小小年紀就可以自己開發應用，甚至都可以趕超成年人了。而有些孩子則通過編程被很多國內外的名校錄取。而他們的成功除了自身的努力之外，還需要有清晰的邏輯思維能力和創造力，而這些都得益於編程。

⑶ 100：0，新AlphaGo放棄了人類

• 01

  2017年10月19日，谷歌子公司DeepMind發布了AlphaGo的新版本。很多人知道AlpoaGo是一個人工智慧程序，卻不知道它其實是一個家族，早期戰勝韓國選手李世石的是AlphaGo Lee。在烏鎮擊敗世界冠軍柯潔的是AlphaGo Master。本次發布的是AlphaGo Zero（阿爾法零），它經過3天的訓練便以100：0的戰績擊敗了他的哥哥AlphoGo Lee，經過40天的訓練便擊敗了它的另一個哥哥AlphoGo Master。

  AlphaGo Zero與之前版本相比，最大的區別在於，它不再依靠人類的指導來成長，即之前的AlphaGo Lee是依賴於人工錄入的大量棋譜來幫助其學習如何下棋，說白了，它是在人的指導下學習，可以理解為是人類千年圍棋經驗教出的學生。

  而AlphaGo Zero使用了強化學習演算法，即不再依賴任何棋譜，編程人員輸入圍棋基本規則後，不再進行任何教導，完全由其自己進行摸索，總結走棋方法，相當於人工智慧完全按照自己的方法學習。AlphaGo Lee完敗於摒棄了人類經驗的AlphaGo Zero，這說明人類的經驗可能誤導了AlphaGo Lee，進而限制了它的發展。

  AlphaGo Zero的行棋方式在開局和收官階段，與人類選手有較大的相似之處，而盤中的行棋風格的確與人類選手和之前版本的AlPhaGo有較大不同，而正是這種不同讓其可以在100次與AlphaGo Lee的交戰中立於不敗，換個說法，如果當初AlphaGo Lee沒有拜人類為師，而是向機器學習，那麼對於擁有更強計算能力的AlphaGo Lee來說，勝負還未可知。

  除了零經驗學習外，AlphaGo Zero的另一大特點是將之前版本AlphaGo的兩個神經網路融為一體，在之前版本的AlphaGo上，如何走棋是由“策略網路”和“價值網路”兩個神經網路來計算如何行棋的，即首先由“策略網路”利用之前累積的經驗，判斷在當前棋型下哪些位置適合行棋，之後由“價值網路”對在這些位置行棋後的種種可能進行模擬，計算勝率，最終選擇出行棋位置。

  而AlphaGo Zero將二者融為了一體，對之前兩個網路的特徵提取等模塊進行了共用，可以在計算出可能行棋的位置時便給出相應的“勝率”，大幅提高效率，減少了訓練所需的時間。這也是AlphaGo Zero在訓練了三天就打敗了訓練了幾個月的AlphaGo Lee的主要原因之一。

  人工智慧不僅是計算機科學領域發展的制高點，在所有行業都具有無限潛力和應用價值，目前世界各國普遍看好，人工智慧技術將成長為下一次技術革命契機。即便最終人工智慧沒有達到革命級別的顛覆程度，AI已經在逐漸改變我們的生活。

  以往人工智慧的進步都是建立在軟體與硬體同步發展的基礎上，神經網路演算法最早在上個世紀中葉就被提出，然而受限於計算能力，神經網路演算法一直發展緩慢。

  之後隨著硬體計算速度的不斷提高，已有的軟體演算法不斷被實現並改進，改進的演算法對硬體要求更高，從而進一步促進了硬體的發展，而AlphaGo Zero的出現完全建立在演算法更新的基礎上。

  前一版本的AlphaGo需要在48個TPU(谷歌專為加速深層神經網路運算能力而研發的晶元，一塊成本即達500萬美元)上進行幾個月學習，而AlphaGo Zero只需要4個TPU加上幾天的時間便可完成學習。這種零經驗學習能力非常適合在蛋白質折疊和其它缺少樣本的醫療領域進行應用，可以很好地解決因缺少試驗樣本而導致研究進展緩慢的問題。未來的相關研究中完全可以輸入規則後利用AlphaGo Zero的能力進行模擬，最後利用有限的樣本進行驗證即可。

  AlphaGo逐漸升級之路

  故事講到這里，實在不得不佩服谷歌深厚的技術實力與精明的商業頭腦。AlphaGo從誕生伊始，就得到了deepmind團隊的精心包裝，仔細回想起來，可謂是“城裡套路深”。

  從最初戰勝低段位職業棋手開始預熱或者說炒作，到戰勝人類頂尖高手李世石，AlphaGo的登場已經足夠華麗。不過4比1的比分還是給了人類一線希望，這僅有的勝局中，李世石劍走偏鋒，直接把AlphaGo逼出了“大腦短路”的症狀，可見此時AlphaGo雖已經足夠強大，但尚不完美。此後各路人類高手開始卧薪嘗膽，精研AlphaGo的套路，寄希望於重新捍衛人類尊嚴。

  隨後，一個神秘的“master”在圍棋界頂級棋手的對戰平台上取得了60勝0負的驕人戰績，這位master到底是何方神聖，是人是妖可謂是賺足了吃瓜群眾的眼球。直到華麗的60勝達成，謎底才最終揭曉。

  此後便是吸引了全世界目光的烏鎮對決，AlphaGo Master把柯潔打到毫無還手之力。雖然柯潔已經表現出了真正的人類最強者戰力，卻仍然被AlphaGo完全壓制，只要出招有任何一點閃失，立刻會陷入AlphaGo“最小優勢勝”策略的陷阱，再無翻身餘地。

  烏鎮對決之後，人類在圍棋領域已經徹底甘拜下風，別說柯潔一人，五大高手聯手作戰比柯潔輸得更快，AlphaGo一時風光無限。

  如今，烏鎮硝煙剛要散盡，谷歌又搞了個大新聞出來！人工智慧在摒棄人類經驗後，用三天時間自學的AlphaGo Zero打敗了人類幾千年的經驗。AlphaGo的進化版打敗了原始版，不禁叫人想起《鐵甲鋼拳》里叫人熱血賁張的機甲肉搏，一個AI輸給另一個更牛的AI，中國AI戰勝美國AI，這很有可能是未來棋類競技中的真實場景。