AI在Go击败了我们。那人类的下一步是什么?

作者:柯狄

<p>在接下来的几天里,当中国古代游戏Go的世界冠军遭到电脑殴打时,人类的自我可能会受到另一次打击</p><p>目前Lee Sedol - Go的Roger Federer - 已经失去了两场最好的谷歌AlphaGo项目五个系列如果AlphaGo再赢得剩下的三场比赛中的一场,人类将再次被击败早在1979年,新加冕的步步高世界冠军Luigi Villa在一场挑战中输给了BKG 98计划七场比赛蒙特卡洛的比赛1994年,奇努克计划在六场比赛中与传奇世界冠军马里恩·汀斯利的比赛中被宣布为“人机世界冠军”</p><p>可悲的是,廷斯利不得不因胰腺癌而退出并于次年去世2007年,当奇努克的开发人员使用计算机网络探索500亿个可能的位置并证明其在计算机上对机器优越性的任何疑问都得到了解决</p><p>从数学角度来说,一台机器可以完美地玩而且永远不会丢失1997年,当IBM的深蓝击败卫冕世界象棋冠军时,国际象棋下降,加里卡斯帕罗夫卡斯帕罗夫一般被认为是有史以来最伟大的国际象棋选手之一</p><p>他的悲惨命运是他当计算能力和人工智能算法达到了人类不再能够击败机器的地步时,世界冠军是Go代表了国际象棋之外的重大挑战这是一个极其复杂的简单游戏两个玩家轮流在19乘19上玩黑色或白色宝石在国际象棋中,在每个回合中有大约20种可能的动作在Go中,有大约200只看前方只有15个黑白石头涉及比宇宙中的原子更多可能的结果另一个方面Go让它成为一个巨大的挑战在国际象棋中,找出胜利的人并不难,只计算不同棋子的价值是一个很好的初步近似在G中o,只有黑色和白色的宝石需要Go大师一辈子的训练来学习一个玩家何时领先任何优秀的Go程序需要找出谁在领先于决定哪两个不同的动作使谷歌的AlphaGo使用了计算机强力和人类感知的优雅结合解决这两个问题为了处理游戏树的巨大尺寸 - 这代表了每个玩家的各种可能动作--AlphaGo使用AI启发式方法称为蒙特卡罗树搜索,其中计算机使用它的咕噜声来探索可能移动的随机样本另一方面,为了应对识别谁领先的困难,AlphaGo使用了一种时髦的机器学习技术,称为“深度学习”计算机显示了一个巨大的过去的数据库游戏它然后自己玩了数百万次,以匹配并最终超越Go大师决定谁领先的能力较少讨论的是获得的回报来自谷歌的工程专业知识和庞大的服务器农场就像人工智能的最新进展一样,重要的回报来自于在问题上投入更多的资源在AlphaGo之前,计算机围棋计划主要是由一个人在一台计算机上运行的努力但是AlphaGo代表了数十名谷歌工程师和顶级人工智能科学家的重大工程努力,以及访问谷歌服务器农场的好处在这场极具挑战性的棋盘游戏中击败人类当然是一个具有里程碑意义的时刻我不确定我同意AlphaGo项目的领导者Demis Hassabis认为,Go是“游戏的巅峰之作,也是知识深度最丰富的”,它肯定是珠穆朗玛峰,因为它拥有最大的游戏树然而,像扑克这样的游戏就是K2 ,因为它引入了一些额外的因素,如卡片所在位置的不确定性以及对手的心理状态这使得它可以说是一个更大的知识分子虽然声称用于解决Go的方法是通用的,但要让AlphaGo像国际象棋一样玩游戏需要花费大量的精力然而,进入AlphaGo的想法和AI技术可能会找到他们的方式快速进入新的应用程序它不会只是在游戏中我们会在谷歌的页面排名,adwords,语音识别甚至无人驾驶汽车等领域看到它们你不必担心计算机会随时随地使用它们很快,AlphaGo没有自主权 它除了玩Go之外没有任何欲望它明天不会醒来并意识到它对Go感到厌倦并决定在扑克中赢得一些钱或它想要接管世界但它确实代表了另一个专门的任务,机器现在比人类更好这就是真正的挑战即将来临当我们的一些专业技能 - 玩Go,....