在中國圍棋比賽中,谷歌建立的一個神經網路系統擊敗了歐洲冠軍,贏得了五場比賽中的五場,並跨過了機器智慧的新門檻。在谷歌的一篇帖子和今天發表在《自然》雜誌上的一篇論文中,DeepMind的研究人員揭示了這個系統是如何構建的,以及它是如何在幾十年前Go系統失敗的地方獲得成功的。
圍棋一直以來都被認為是最難實現自動化的遊戲之一,這使得新的DeepMind系統對人工智慧研究人員特別感興趣。Facebook正在開發一個類似的圍棋遊戲系統,就在谷歌宣佈這一訊息的前幾天,馬克·扎克伯格在Facebook的一篇文章中大肆宣揚。
大體上,谷歌的新程式採用的策略與深藍(deepblue)等程式在國際象棋中擊敗人類棋手的策略相同。這種策略被稱為“樹搜尋”,它包括一個簡單的搜尋給定動作的可能結果。但是,當一個象棋程式為每個可能的棋盤位置整理幾十個棋子時,一個圍棋程式必須考慮數百個可能的棋子,這個計算任務隨著決策樹中的每一步呈指數增長。谷歌的研究人員透過結合神經網路技術解決了這個問題,他們建立了“價值網路”來評估董事會的職位,建立了“政策網路”來評估個人的行動。這使得程式能夠優先考慮特定的可能性,減少了探索樹的每個分支的需要。
不過,雖然今天公佈的技術在概念上令人印象深刻,但距離全面測試還有很長的路要走。DeepMind的新系統比以前的Go程式有了明顯的改進,擊敗了99.8%的測試程式,但它在對抗人類對手方面的記錄要少得多。到目前為止,唯一的人類對手是歐洲圍棋冠軍範輝,兩人只對決了5場以上。這是一個令人印象深刻的記錄,但很短的一個,這將使該系統的未來遊戲更有趣的觀看。該系統定於今年3月迎戰圍棋世界冠軍李賽多。
Verge影片:量子計算可能比我們想象的要近
一定要訂閱Verge的YouTube頻道以獲取更多影片
...深度學習的關鍵區別在於,神經網路的執行方式與人腦中的神經元相似,可以更快地完成各種計算任務,而深度學習是一種特殊的機器學習,模仿人類獲取知識的學習方法。 神經網路有助於建立預測模型來解決複雜問題。另一...
... 例如,2016年,谷歌的AlphaGo神經網路以4比1擊敗了世界上最好的職業圍棋選手之一。YouTube還宣佈,他們將使用神經網路來更好地理解其影片。許多其他的故事可能會浮現在腦海中。 ...
自誕生以來,這款相機一直是谷歌畫素系列**的基石。透過利用收集的大量資料,谷歌已經能夠突破移動攝影的界限。透過軟體,該公司成功地複製了先進的功能,通常其他原始裝置**商會為其捆綁兩個、三個或在某些情況下,...
... 谷歌的機器學習課程將機器學習概括為“使用資料回答問題”。他們將機器學習分為兩部分:訓練和預測。想象一下,你有一組影象,其中包含你想要識別的形狀。如果影...
... 但是,沒有什麼比谷歌的“深度智慧”的成就更讓人質疑,因為它似乎每天都在完成新的、前所未有的事情。讓我們來看看這個先進人工智慧所取得的一些成就,我們中的許多人從未見過它...
...皮一起吃嗎?Pi是否能夠維持一個工作的神經網路?有了谷歌TensorFlow,它可以! ...
... TensorFlow是谷歌基於機器學習和神經網路的專案。讓我們看看它是什麼,它的用途,以及如何學習使用它。 ...
... 谷歌是機器學習領域的大玩家。他們的Tensorflow開源平臺旨在用各種程式語言向所有人開放這個主題。 ...