阿尔法go算法

❶ ""阿尔法狗"的胜利，将成为人工智能发展道路上一座重要的里程碑" 什么意思

1、围棋算最需要智力的一种游戏，机器战胜人类最强棋手李世石，柯洁，说明人工智能在一些方面已然超越人类，这可能是人工智能领域的又一次突破和飞跃。

❷ “阿尔法狗”采用的深度学习方法属于人工智能中的什么学派

阿尔法狗使用的是深度强化学习方法，是深度学习和强化学习的结合体．
深度学习是神经网络属于连接派，强化学习属于行为派．
阿尔法狗是连接派和行为派的结合体．
除了连接派和行为派之外，人工智能的另一大门派是符号派，符号派当前的进展是知识图谱，也是人工智能目前的研究热点．

❸ 阿法狗用的什么算法

阿尔法围棋（AlphaGo）的主要工作原理是“深度学习”。“深度学习”是指多

层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。

主要包括4个部分：
1. 走棋网络（Policy Network），给定当前局面，预测/采样下一步的走棋。
2. 快速走子（Fast rollout），目标和1一样，但在适当牺牲走棋质量的条件下，速度要比1快1000倍。
3. 估值网络（Value Network），给定当前局面，估计是白胜还是黑胜。
4. 蒙特卡罗树搜索（Monte Carlo Tree Search，MCTS)，把以上这三个部分连起来，形成一个完整的系统。

阿尔法围棋（AlphaGo）是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。

❹ 电脑首次打败人类围棋冠军意味着什么

从20世纪90年代开始，计算机已连续在国际象棋、跳棋、扑克和电视问答等游戏中打败人类。但是，有一种游戏，专业的人类选手依旧胜过机器，那就是围棋。这项具有2500多年历史的棋盘游戏非常复杂，游戏双方分别用黑色和白色的棋子围住尽可能多的区域来战胜对方，这对于计算机来说很难掌握。但是人类在围棋领域唯我独尊的时代貌似已经结束——谷歌DeepMind的研究人员近日宣称他们开发出一种复杂的人工智能程序——融合了深度神经网络技术和搜索技术，在历史上首次打败了人类的围棋冠军。

去年十月，DeepMind团队在伦敦邀请了欧洲围棋冠军樊麾与他们的程序AlphaGo对弈。比赛是私下进行的，只有少数几个观众在场，他们在19乘19的网格棋盘上进行比赛。 AlphaGo在与CrazyStone和Zen等高端的围棋程序的495场对战测试中只输了一场。但是，与跟其他计算机比赛相比，与人类高手的对弈更具挑战性，毕竟职业选手更胜一筹——他们有多年的比赛经验，对于运筹博弈的方法有着某种直觉。因此，AlphaGo以5:0击败人类确实很了不起。

许多人曾预言，计算机若想打败人类围棋冠军至少还需要10年时间。亚马逊的着名软件工程师David Fotland在AlphaGo击败人类冠军后发出感慨，“这些年来，计算机性能的飞跃是出乎意料的，而且是空前的。”他也曾开发出一种计算机围棋程序，但他并没有参与此次AlphaGo的研究工作。对于AlphaGo的成功，David Fotland并没有惊讶。

要想了解DeepMind研究人员如何创造出这项令人钦佩的程序，我们首先必须意识到下好围棋对于计算机来说为什么这么难 (如果你并不了解围棋的规则和技巧，下文将给你带来清晰简明的解释)。第一，围棋有无数种可能的走法和结果——用研究人员的话来说，就是围棋中可能位置的数量比宇宙中原子的数目还要多。DeepMind的共同创始人Demis Hassabis是该项研究发起人之一，他将围棋和象棋做了比较，发现在象棋中每一回合平均有20种可能的走法，然而在围棋中，每一回合可能的走法却有将近200种，整整多了将近9倍。这意味着如果一台计算机想要探究围棋中所有可能的走法和结果，需要超强大的计算能力，曾有科学家甚至觉得完成这项工作几乎是不可能的。

DeepMind团队使用的搜索技术和深度学习工具并不新奇。许多计算机围棋程序已经在用Monte Carlo Tree搜索，神经网络技术也已被使用。但是，使DeepMind团队的AlphaGo程序如此先进的关键在于这些工具被结合到一起的方式，再加上深度神经网络的高性能。主要的新奇之处在于他们如何将这些不同的因素组合到一起——在这方面，他们的做法很有创新性。跟人们以前的做法相比，这种方法更简单，更全面，而且更优雅，这是一个巨大的飞跃。也正是因此，在与樊麾的比赛中，AlphaGo获得了很大的优势——计算机5:0获胜。

尽管不是所有人都关心计算机打败人类围棋冠军，因为他们并没有洞察到这一进步在其他领域也很重要。研究人员按照通用方法建立了该系统，而不是仅仅适用于围棋。他们打算最终将这些技术应用到重要的现实问题中。该项目的参与人Hassabis说：“我们希望有一天它们可以尽力帮助人们解决一些社会上最艰难、最紧迫的问题，从气候建模到复杂的疾病分析。” Yoshua Bengio说该程序在电脑对话中也可能会有重要的应用，而且在将来它还可能用来解决一些抽象的社会问题，这些问题可以通过游戏的方式来表述，像国家政治问题或者国际气候协商。

但是，AlphaGo的当务之急是如何打败全球最优秀的围棋选手李世石，他们之间的比赛将于下个月在韩国首尔举行。尽管AlphaGo在与樊麾的对决中表现出众，但Schaeffer和Fotland仍旧认为李世石将会赢得比赛。“我觉得人类职业选手会胜出，” Fotland说，“但是，面对如此强大的围棋程序，我相信人类高手会大吃一惊。”到现在为止，依旧有一部分人坚信人类选手会赢得这场比赛。3月9日鹿死谁手，让我们拭目以待吧！

❺ 2019年战胜人类围棋九段李世石的人工智能alpha+go它所使用的学习算法叫什么

咨询记录 · 回答于2021-12-21

❻ 如何评价alpha go zero

——如果你是指对人AI机器阿尔法狗·零 的话
Alpha Go Zero 是Google旗下团队研发的最新的AI机器人。
目前它最为人所知的实用用途就是“对人围棋”了。
半年前一战成名的Alpha Go 老版 与 李世石 对弈且获得了胜利，证明了人工智能的学习性的可行性。Google利用了海量的数据培养Alpha Go的对弈能力，对比李世石的下法寻找最佳着手。
因此可以说，老版的Alpha Go是完全的用 “数据” 培养出来的人工智能。
而Alpha Go Zero则是团队历时3个月研发了新的算法，在交互的模式下进行 “自主式学习”，不再依赖于广泛的数据库，而是在 “自己对弈自己” 的情况下学习 “围棋”。并取得了与老版对弈100场全胜的优异成绩。
因此可以说，Alpha Go Zero 是对AI领域的一个重要的突破。它实现了机器的自主学习，减少了老款AI所需要的海量数据的储存空间，节约了大部分储存设备的资金消耗，不用过多次的从数据中寻找目前状况的应对方案和可行率。大大节省了它给出应对策略的时间和能源消耗。
当然，作为学习型智能机器人，它的技术远没有老版成熟。Alpha Go Zero 的只能辉煌一时，也同时是新版的经验借鉴，是用于给技术铺路的一次尝试。开发前景可观但是实用性不是很大。但却给予了世界一个新的思考方向，加快了AI的发展。

#以上均仅为个人看法#

❼ Google 人工智能首次完胜人类围棋冠军 为什么很厉害

Google DeepMind 团队在最新一期《Nature》上发表论文称，其名为 “阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以 5:0 完胜欧洲冠军、职业围棋二段樊麾。

在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？
围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军Garry Kasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。
在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。
在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。
这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。
David Silver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”
阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（value network），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policy network” ），会不断地学习此前人类和自己的落子，来选择接下来怎么下。
不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。
据消息称，Google的“阿尔法Go”V和现在的围棋世界冠军李世石 （Lee Sedol），将在今年三月正式进行比赛。在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，机器人和人类究竟谁更强大，答案很快就会揭晓。

❽ 阿尔法go怎么挑战星际争霸 是重新写程序还是更改数据库 要知道 阿尔法是下围棋的软件 如果要玩星际

你自己不就已经说得很清楚了吗？
阿尔法go之所以可以下围棋比以往的计算机厉害不仅取决于他的硬件出色，更重要的是其程序算法的改进，让他能够更快更多的进行每一步棋的评分来选择下一步棋的位置。
而星际争霸，你想想你没打过电脑吗？就相当于改进其AI，使得能够进行更多微操，做到没有伤害溢出的点杀你的部队，快速地处理被溅射的单位的移动与残血单位的控制。
所以肯定要改程序啊，如果一个程序能够处理多样不同种的事情。如果仅仅只需要修改其数据库，学习新数据就可以做新的事情，那估计改自己的代码可以了，那就是真正的人工智能了吧，