谷歌人工智能首次破解圍棋比賽完勝歐洲冠軍

　　谷歌人工智能首次破解围棋比赛：完胜欧洲冠军

　　1月28日上午消息，谷歌本日宣布在人工智能领域的重要进展：开发出一款能够在围棋中击败职业选手的程序AlphaGo，后者能够通过机器学习的方式掌握比赛技能

　　人工智能挑战围棋有多难

　　计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等棋类上，计算机都前后完成了对人类的挑战但对具有2500多年历史的围棋而言，计算机在此之前从未克服过人类围棋看起来棋盘简单、规则不难，纵横各19九条等距离、垂直交叉的平行线，共构成1919(361)个交叉点比赛双方交替落子，目的是在棋盘上占据尽可能大的空间

　　在极简主义的游戏表象之下，围棋具有令人难以置信的深度和奥妙之处当棋盘为空时，先手拥有361个可选方案在游戏进行当中，它具有远比国际象棋更多的选择空间，这也是为什么人工智能、机器学习的研发者们始终希望在此获得突破的原因

　　就机器学习的角度而言，围棋的计算最大有3361种局面，大致的体量是10170

　　，而已经观测到的宇宙中，原子的数量才1080国际象棋最大只有2155种局面，称为香农数，大致是1047

　　机器学习预测人类行为

　　传统的人工智能方法是将所有可能的走法构建成一棵搜索树 ，但这种方法对围棋并不适用此次谷歌推出的AlphaGo，将高级搜索树与深度神经络结合在一起这些神经络通过12个处理层传递对棋盘的描写，处理层则包含数百万个类似于神经的连接点

　　其中一个神经络决策络(policy network)负责选择下一步走法，另一个神经络值络(value network)则预测比赛成功方谷歌方面用人类围棋高手的三千万步围棋走法训练神经络，与此同时，AlphaGo也自行研究新战略，在它的神经络之间运行了数千局围棋，利用反复实验调整连接点，这个流程也称为巩固学习(reinforcement learning)通过广泛使用Google云平台，完成了大量研究工作

　　AlphaGo所使用的神经络结构示意图

　　征服围棋对于谷歌来讲有重要意义AlphaGo不仅是遵循人工规则的专家系统，它还通过机器学习自行掌握如何赢得围棋比赛谷歌方面希望运用这些技术解决现实社会最严峻、最紧迫的问题从气候建模到复杂的灾难分析

　　在具体的机器训练上，决策络的方式是输入人类围棋专家的比赛，到系统可以预测57%人类行动为止，此前最好成绩是44%此后AlphaGo通过在神经络内部进行比赛的方式(可以简单理解成和自己下棋)，开始学习自主探索新的围棋策略目前AlphaGo的决策络可以击败大多数具有庞大搜寻树的最先进的围棋程序

　　值络也是通过自己和自己下棋的方式来训练目前值络可以评估每一步棋能够有多大胜算这在此前被认为是不可能的

　　AlphaGo战绩惊人

　　实际上，目前AlphaGo已经成为最优秀的人工智能围棋程序在与其他程序的对弈中，AlphaGo用一台机器就取得了500场的胜利，甚至有过让对手4手后获胜的纪录去年10月5日-10月9日，谷歌安排AlphaGo与欧洲围棋冠军Fan Hui(樊麾：法国国家围棋队总教练)闭门比赛，谷歌以取胜

　　AlphaGo与欧洲围棋冠军樊麾的5局较量

　　公开的比赛将在今年三月举行，AlphaGo将在韩国首尔与韩国围棋选手李世石九段一决高低，李世石是近10年来获得世界第一头衔最多的棋手，谷歌为此提供了100万美元作为奖金李世石表示很期待此次对决，并且有信心获得成功

　　值得一提的是，上一次著名的人机对弈要追溯到1997年当时IBM公司研发的超级计算机深蓝战胜了国际象棋冠军卡斯巴罗夫不过国际象棋的算法要比围棋简单很多国际象棋中取胜只需杀死国王，而围棋中则用数子或比目的方法计算胜负，并不是简单地杀死对方棋子此前，深蓝计算机的设计人2007年发表文章指出，他相信十年内能有超级电脑在围棋上战胜人类

　　此外，AlphaGo的发布，也是Deep MInd在2014年1月被谷歌收购以来首次发声在被收购之前，这家位于伦敦的人工智能领域的公司还获得了特斯拉和SpaceX创始人马斯克的投资