谷歌DeepMind部门的科学家取得了一项了不起的成就,他们开发出的人工智能(AI)首次战胜了人类围棋冠军。
围棋的历史超过2500年。围棋经常和象棋并论,因为二者都需要严格的策略。在数学概率方面,围棋的复杂度远超过象棋。
DeepMind的研究人员说,尽管围棋看起来简单,但是在比赛中棋子的可能位置的数量比已知宇宙中所有的原子数量还要多。
数学家Shannon计算出象棋棋子的可能位置为10120,而可观测宇宙范围内的原子数为1080。根据棋盘尺寸,围棋棋子的可能位置为10751。围棋巨大的复杂度使得开发出可以掌控这种游戏的人工智能非常困难。
DeepMind的建立者Demis Hassabis说:“传统的AI无法胜任这种游戏,所以我们采用了不同的办法。”
他们建立了一个称为AlphaGo的系统,这个系统将高级树搜索与深度神经网络结合起来。这些神经网络学习了人类围棋专业选手3000万次的走棋,使得它在比赛中有57%的概率预测准对手的下一步棋,而这个数字以前是44%。
之后研究人员让AlphaGo和自己对战,在数千场比赛中,它的神经网络不断调整试错策略。AlphaGo的首次亮相是参加一次软件围棋程序锦标赛,在500场比赛中,AlphaGo只输了一场。但是真正的挑战是对战欧洲围棋冠军Fan Hui。Fan在比赛中没有占到上风,5局比赛中AlphaGo全部获胜。
Fan对《Nature》说:“人类的问题在于会犯错,会疲劳,渴望获胜,有压力。然而软件不会,它很强大而且稳定。我知道AlphaGo是一个计算机,但是如果没有人告诉我,我只会认为这个对手有点奇怪,但只是实力强大的人类选手。”
AlphaGo下次将挑战韩国的Lee Sedol,他是过去十年中世界上最顶级的围棋选手。这场比赛的关注者们仍然热切地希望人类冠军可以赢得这场比赛。
对于研究人员来说,他们已经在考虑将研究成果应用到围棋之外的世界了。
Hassabis说:“我们非常兴奋取得了人工智能界最伟大的成就之一。然而,对于我们来说最重要的是,AlphaGo不仅仅是一个‘专家’系统,它使用了机器学习技术来学会如何赢得围棋比赛。虽然游戏是开发和测试AI算法的手段,但我们的最终目的是应用这些技术解决现实世界中的问题。”
本公众号由中国科学院微生物研究所信息中心承办
微信公众号:中国生物技术网(原中国生物技术信息网) 回复关键词“201512”可阅读二零一五年十二月热文
回复关键词“热点”可阅读热点专题文章,包括“施一公”、“肠道菌群”、“肿瘤”、“免疫”和“健康”