人工智能與棋類_第1頁
人工智能與棋類_第2頁
人工智能與棋類_第3頁
人工智能與棋類_第4頁
人工智能與棋類_第5頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、精選文檔從“算”到“學”，人工智能的進化1997年，IBM的“深藍”戰勝了卡斯帕羅夫(全名加里·基莫維奇·卡斯帕羅夫（）, 俄羅斯國際象棋棋手, 6歲開頭下棋，13歲獲得全蘇青年賽冠軍，15歲成為國際大師，16歲獲世界青年賽第一名，17歲晉升國際特級大師，在22歲時成為世界上最年輕的國際象棋冠軍，是第十三位國際象棋世界冠軍)。在“深藍”設計者許峰雄看來，“深藍”主要依靠強大的計算力量窮舉全部路數來選擇最佳策略：“深藍”靠硬算可以預判12步，卡斯帕羅夫可以預判10步。2006年，超級計算機浪潮天梭與中國象棋特級大師許銀川的較量最終以平局收場，然而許銀川在賽后感慨道：“整個競賽

2、感覺很吃力，由于電腦一步可以算16個變化，而我只能憑借閱歷和理解與它對抗。而跟我下棋的對手不是真人，這讓我感覺很孤獨，我想我還是習慣和有表情溝通的真人對弈?！睉{借超越特級大師對后續變化的計算力量，人工智能在此前的多場棋類人機大戰中占據上風。但在圍棋，人工智能始終無法戰勝人類高手。為什么?要想在圍棋上戰勝人類頂尖棋手，必需先要讓電腦學會像人一樣思考。為此，谷歌為AlphaGo設計了兩個神經網絡：“決策網絡”(policy network)負責選擇下一步走法， “值網絡”(value network)則猜測競賽成功方，用人類圍棋高手的三千萬步圍棋走法訓練神經網絡。與此同時，AlphaGo也自行爭辯

3、新戰略，在它的神經網絡之間運行了數千局圍棋，利用反復試驗調整連接點，完成了大量爭辯工作。而這種超強的學習力量，正是AlphaGo在戰勝職業二段樊麾5個月之后，就可以挑戰人類頂尖棋手并“戰而勝之”的關鍵所在。假如說20年前的超級計算機還在依靠窮舉這種有些粗暴的手段才能戰勝人類，那么今日AlphaGo在與職業棋手的兩場對弈中，所表現出來才智和超強學習力量則更加讓人贊美。深度學習，人工智能的將來AlphaGo的連續成功讓人更加確信，深度學習的確是當下最有期望實現人工智能的技術。 深度學習的概念源于人工神經網絡的爭辯，其動機在于建立、模擬人腦進行分析學習的神經網絡，讓機器能夠像人一樣思考。從本質上來說，深度學習是一項“大數據工程”，需要通過建立有效的學習模型，讓機器從數以百萬計的圖像、聲音和文本數據中，自行總結出某種特定事物的特征，從而實現自主學習。因此，實現機器像人一樣思考的一個關鍵前提是，需要有計算速度可以媲美人腦的高性能計算

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論