冷门 or 实力，AlphaGo凭什么能赢李世石

longxuekai

昨日，科技圈最大的热点莫过于世界围棋冠军李世石输掉了与谷歌人工智能系统AlphaGo大战当中的第一场。



其实赛前，李开复等多数科技大佬都纷纷预测李世石会击败AlphaGo，李世石本人也是信心满满，表示后者只是三段棋手的水平，赢下比赛并不难。圈内一番热议之后，支持率几乎一边倒，仅有少数人认为机器会击败人类。





李世石与AlphaGo首场比赛现场



然而，第一场比赛还是“爆了个大冷门”。在这场历时三个半小时的对阵当中，李世石在开局占优的大好局势下连续失误，最终惜败AlphaGo，着实让人大跌眼镜...



不过，我们先别纠结李世石输掉这场人机围棋世纪大战有多遗憾，换个角度看，这样的结局实际上是科技界的一次胜利，人类在人工智能的研究上已经到上升到了一个新的level。



我们来看看击败世界冠军的AlphaGo到底强在哪里？



AlphaGo的前世今生

AlphaGo是由谷歌旗下DeepMind公司研发的围棋程序，最初并不为人熟知。



到2015年10月以5:0完胜欧洲围棋冠军、职业二段选手樊麾，AlphaGo完成了史无前例的一次胜利，成为第一个击败围棋专业选手的机器人，AlphaGo瞬间名声大噪。



除此之外，研究人员还测试了AlphaGo与其他围棋人工智能机器人之间的战绩，令人瞠目结舌的是，AlphaGo在495局中仅输了一场，胜率高达99.8%，说它为围棋界的常胜将军也不为过。



AlphaGo的杀手锏——深度学习

AlphaGo如此惊艳的表现不禁让人想起IBM研制的超级计算机——深蓝（Deep Blue），深蓝曾在1997年也曾代表机器赢下了与人类之间的竞赛。



20年后的今天，计算机的CPU以及GPU性能远远超过了彼时的水平，可以说AlphaGo与深蓝相比绝对是有过之而无不及。有数据显示，深蓝的计算能力是11.38 GFLOPS，而AlphaGo的计算能力是它的2.5万倍，二者差了N个level。



不过，AlphaGo最大的特点还不是计算能力的跨越，最让人胆颤的恐怕还是其融入的深度学习能力。



“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。（来源于百度）



深度学习并非只用于协议上的机器人，这一概念适用于所有人工智能应用，例如，人脸识别、语音识别、无人驾驶都可通过深度学习来实现，说其为一项高大上的技术应该没人反对吧。



AlphaGo的深度学习功能由两种深度神经网络完成：一个是“监督学习的策略网络（Policy Network）”，它的任务是观察棋盘布局企图找到最佳的下一步，通俗点讲就是“落子选择器”；另一个大脑是“价值网络（Value Network）”，它的作用在于通过整体局面判断来辅助落子选择器。即一边推算一边判断局面，不猜测下一步，只是预测每一个棋手赢棋的可能。这两个神经网络相辅相成，缺一不可。

myntpcb

人工智能越来越厉害了，我们得小心被抢饭碗

heming2216

[s柯杰

heming2216

@柯大侠

heming2216

陈新乐

陈新乐

陈新乐

maogege-chen

zoudzy