（谷歌已經表示，計劃將100萬美元的獎金捐給聯合國兒童基金會等慈善機構。）
谷歌旗下DeepMind公司的首席執行官戴米斯·哈薩比斯(Demis Hassabis)表示，和李世石的對弈暴露出AlphaGo的幾個弱點，而他的團隊會努力應對這些問題。AlphaGo使用的計算機算法，「有一天將能被用於解決從醫療到科學領域的各種問題，」他說。
哈薩比斯稱，總共有超過1億人觀看了AlphaGo和李世石的對決。他表示，希望這種關注會鼓勵更多人學習圍棋，它是「人類發明的最為深奧的棋類遊戲」。
李世石表示，AlphaGo與他以前碰到過的所有人類棋手都不同。「它可以始終保持心理平靜和精神專註，」他說。「就這方面而言，我覺得人類比不過它，儘管我還不大願意承認，AlphaGo在棋藝上勝過人類。」
Deep Blue developer speaks on how to beat Go and crack ...
www.theverge.com/.../ibm-deep-blue-murray-campbell-alphago-deepmi...
2 days ago - IBM's supercomputer beat Garry Kasparov nearly 20 years ago .... a general mechanism, had it been created in AlphaGo and applied to chess, ...
www.theverge.com/.../ibm-deep-blue-murray-campbell-alphago-deepmi...
2 days ago - IBM's supercomputer beat Garry Kasparov nearly 20 years ago .... a general mechanism, had it been created in AlphaGo and applied to chess, ...人工智能再顯身手，谷歌AlphaGo戰勝李世石
CHOE SANG-HUN 2016年3月10日
韓國首爾——計算機，1分。人類，0分。
本周三，谷歌的一個計算機程序令一名世界頂尖圍棋手措手不及。圍棋被認為是有史以來最複雜的棋類遊戲。
相关文章
這場比賽在谷歌DeepMind的AlphaGo與韓國棋手李世石(Lee Se-dol)之間展開，被視為一次重大測試：在創建比人類更聰明的機器方面，人工智能研究目前達到了何種水平。
「我很驚訝，因為我從未想過會失敗，」李世石在韓國首爾的新聞發佈會上說。「我不知道AlphaGo下圍棋下得這麼好。」
李世石在比賽開始三個半小時後投子認輸。
AlphaGo的創造者、谷歌的人工智能團隊DeepMind的創始人兼首席執行官戴米斯·哈薩比斯(Demis Hassabis)說，程序的這個勝利是「歷史性的時刻」。
這是五盤比賽中的第一盤，本周二在首爾的一家酒店裡進行，受到了新聞媒體的熱切關注。有數百名記者到場報導，其中很多來自有千年圍棋歷史的中、日、韓三國。數以萬計的人在YouTube上觀看了比賽直播。
圍棋是一種由兩名棋手對弈的策略型棋類遊戲，據說3000年前起源於中國。棋手在縱橫各19條直線組成的方格棋盤上擺放黑色和白色的棋子，以圍地多者為勝。
與國際象棋相比，圍棋更加複雜，落子的可能性遠遠更多，需要棋手有最出類拔萃的直覺和評估技能。由於這個原因，很多研究者認為，計算機要精通圍棋仍需10年時間。
AlphaGo對李世石來說是一個獨特的挑戰。他說，在人與人對弈中，棋手會「感知」對方，評估對方的風格和心理。這種比賽通常會持續數小時。
「這一次，就好像是一個人在下棋，」李世石在比賽前夕說。「人類會犯一些錯誤，因為他們是人類。如果這種事發生在我身上，我可能會輸掉比賽。」
對於把下棋當作人工智能測試平台的研究者來說，1997年IBM超級計算機「深藍」(Deep Blue)在戰勝國際象棋世界冠軍加里·卡斯帕羅夫(Garry Kasparov)之後，圍棋就一直是最大的挑戰。
「的確，在國際象棋之後，唯一剩下的棋類遊戲就是圍棋了，」哈薩比斯周三表示。
去年10月，AlphaGo以5-0擊敗了三界歐洲圍棋冠軍樊麾，成為一大新聞。
但現年33歲的李世石是世界上成就最高的職業圍棋選手之一，擁有18個國際冠軍頭銜。他曾說歐洲冠軍的圍棋水平「在業餘棋手中幾乎是頂尖的」。
AlphaGo的開發者說，自從戰勝樊麾之後，它又有了很大的進步。哈薩比斯說，挑戰李世石是因為它已經準備好與一個「偶像級的」、「傳奇的」棋手對弈。如果李世石能夠五盤三勝，谷歌將付給他100萬美元。
哈薩比斯說，與深藍那樣的傳統人工智能機器不一樣，AlphaGo不會嘗試考慮一盤棋中所有可能的走法。它會根據自己與自己對弈數百萬盤棋的經驗，以及網上提供的10萬個棋局來縮小選項。
哈薩比斯說，AlphaGo的核心優勢是「它永遠不累，也不會被嚇倒。」
本周三對比賽進行解說的韓國圍棋高手金成龍(Kim Sung-ryong)說，AlphaGo在比賽開始不久出現了一個明顯失誤，但和大多數人類棋手不一樣，AlphaGo並沒有失去「從容」。
「它不像人類那樣下圍棋，」他說。「這是剔除了人類情感因素的一盤棋。」
經濟學人：AlphoGo是怎麼深層學習的？
南韓棋王李世乭與AlphaGo於13日對弈第四戰。圖取自YouTube
「深層學習」需要大量的處理能力、與可供學習的資料等兩項要件。DeepMind公司訓練電腦時，從網路上挑選出3,000萬種業餘及職業棋士對奕的棋譜，來與AlphaGo對戰。
這些資料被輸入到兩種「深層學習」演算模式中。其一稱為「政策網路」，訓練電腦模擬真人的下法；在觀察數以百萬計的對局之後，電腦學會如何找出各種特點、原則及法則，並產生且建議多種似乎可靠的下法。
第二套演算模式稱為「價值網路」，係依據「政策網路」的建議，評估每種下法的作用，及對手可能的反制，可能的情況達數千種。「價值網路」只評估後幾手的可能情況，而從過去的棋譜中尋找出最可能的勝著。「政策網路」與「價值網路」結合了真人棋手們多年來所累積的經驗。
AlphaGo的表現會隨著資料處理能力的增加而提升。這次的版本共使用1,920枚標準處理器晶片，及280枚原本用於電玩繪圖的特殊晶片。AlphaGo目前之所以能領先李世，是因為使用的硬體更有力。另外在程式碼中還隱藏著一、兩項「純手工」的特點，直接暗示電腦該如何下棋，而非讓電腦自行落子。AlphaGo的自我教學方式，使電腦能夠更像真人般下棋。
「深層學習」也是建立一般「人工智慧（AI）」的要件，即使電腦具有如人類般靈活的智慧，但目前科技還差得遠。「深層學習」演算模式的型態辨能力雖佳，但電腦仍缺乏許多人類普遍具備的心智工具。其中之一是「轉移學習」，AI研究人員稱之為「序列推理」，即將此處所學到的東西用於彼處。
「深層學習」也用來與電玩對戰。DeepMind去年發表的報告中，說明電腦能玩49種雅達利傳統電玩，包括「太空侵略者」及「爆發」，不需要任何輔助指令，成績超過任何真人玩家。
沒有留言:
張貼留言