人工智能与棋类_第1页
人工智能与棋类_第2页
人工智能与棋类_第3页
人工智能与棋类_第4页
人工智能与棋类_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、精选文档从“算”到“学”，人工智能的进化1997年，IBM的“深蓝”战胜了卡斯帕罗夫(全名加里·基莫维奇·卡斯帕罗夫（）, 俄罗斯国际象棋棋手, 6岁开头下棋，13岁获得全苏青年赛冠军，15岁成为国际大师，16岁获世界青年赛第一名，17岁晋升国际特级大师，在22岁时成为世界上最年轻的国际象棋冠军，是第十三位国际象棋世界冠军)。在“深蓝”设计者许峰雄看来，“深蓝”主要依靠强大的计算力量穷举全部路数来选择最佳策略：“深蓝”靠硬算可以预判12步，卡斯帕罗夫可以预判10步。2006年，超级计算机浪潮天梭与中国象棋特级大师许银川的较量最终以平局收场，然而许银川在赛后感慨道：“整个竞赛

2、感觉很吃力，由于电脑一步可以算16个变化，而我只能凭借阅历和理解与它对抗。而跟我下棋的对手不是真人，这让我感觉很孤独，我想我还是习惯和有表情沟通的真人对弈。”凭借超越特级大师对后续变化的计算力量，人工智能在此前的多场棋类人机大战中占据上风。但在围棋，人工智能始终无法战胜人类高手。为什么?要想在围棋上战胜人类顶尖棋手，必需先要让电脑学会像人一样思考。为此，谷歌为AlphaGo设计了两个神经网络：“决策网络”(policy network)负责选择下一步走法， “值网络”(value network)则猜测竞赛成功方，用人类围棋高手的三千万步围棋走法训练神经网络。与此同时，AlphaGo也自行争辩

3、新战略，在它的神经网络之间运行了数千局围棋，利用反复试验调整连接点，完成了大量争辩工作。而这种超强的学习力量，正是AlphaGo在战胜职业二段樊麾5个月之后，就可以挑战人类顶尖棋手并“战而胜之”的关键所在。假如说20年前的超级计算机还在依靠穷举这种有些粗暴的手段才能战胜人类，那么今日AlphaGo在与职业棋手的两场对弈中，所表现出来才智和超强学习力量则更加让人赞美。深度学习，人工智能的将来AlphaGo的连续成功让人更加确信，深度学习的确是当下最有期望实现人工智能的技术。 深度学习的概念源于人工神经网络的争辩，其动机在于建立、模拟人脑进行分析学习的神经网络，让机器能够像人一样思考。从本质上来说，深度学习是一项“大数据工程”，需要通过建立有效的学习模型，让机器从数以百万计的图像、声音和文本数据中，自行总结出某种特定事物的特征，从而实现自主学习。因此，实现机器像人一样思考的一个关键前提是，需要有计算速度可以媲美人脑的高性能计算

人人文库> 全部分类> 应用文书 > 技术指导

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论