加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入
  • 正文
  • 推荐器件
  • 相关推荐
  • 电子产业图谱
申请入驻 产业图谱

冷门 or 实力,AlphaGo凭什么能赢李世石?

2016/03/10
3
阅读需 20 分钟
加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

 

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。

 


因为有这两张超强的神经网络大脑,AlphaGo 的思路和人类几乎是一致的,具体如下:

1. 基于深度模仿“脑” 来预测未来的下一步走法,直到 L 步。

2. 结合两种方式来对未来到 L 的走势进行评估,就是通过上述两个神经网络来完成的。

3. 评估完,将评估结果作为当前棋局下的下一步走法的估值。即给一开始给出的下一步走法根据未来的走向进行评估。

4. 结合下一步走法的估值和深度模仿脑进行再一次的模拟,如果出现同样的走法,则对走法的估值取平均。

5. 循环 N 次上述步骤之后,选择最多的走法作为下一步。

业界认为,围棋盘面的局部处理上是 AlphaGo 的强项,同为专业九段棋手的古力也自叹不如。如此看来,面对这样的对手,李世石今天似乎输得并不难看。

计算机已经超越人脑了吗?

随着人工智能的快速发展,以至于各种人工智能威胁论逐步被放大,这多少会让人们产生恐慌。但是,就目前我们此刻还无法预测人工智能今后会发展到什么样的地步,至少现它还没有强大到威胁人类生命。

其实去年就有研究指出,即使是现如今最先进的超级计算机,其强大的程度也仅仅是人类大脑的三十分之一。当时,来自加利福尼亚大学伯克利分校 Katja Grace 博士和她的研究团队用 IBM 红杉超级计算机和人脑作为对比,他们通过测试前者的持续运算以及峰值运算速度,最终得出的结论就是人脑比计算机要快 30 倍。

中科院院士段树民认为,李世石输给 AlphaGo 还不能说明人脑已经被计算机超越了。他还指出,在纯计算问题上,计算机要强于人脑,但如果是比较复杂的功能,比如图像认知、情感、意识和综合判断,人脑是有绝对优势的。

最后还是啰嗦一句,李世石和 AlphaGo,不论谁赢都是人类的胜利!

推荐器件

更多器件
器件型号 数量 器件厂商 器件描述 数据手册 ECAD模型 风险等级 参考价格 更多信息
TPA3221DDV 1 Texas Instruments 100-W stereo, 200-W mono, 7- to 32-V supply, analog input Class-D audio amplifier w/ low idle 44-HTSSOP -40 to 85
$41.84 查看
USB3803CI-1-GL-TR 1 Microchip Technology Inc SPECIALTY CONSUMER CIRCUIT

ECAD模型

下载ECAD模型
$3.72 查看
ADAU1451WBCPZ-RL 1 Analog Devices Inc SigmaDSP Digital Audio Processor

ECAD模型

下载ECAD模型
$10.58 查看

相关推荐

电子产业图谱