1月28日上午消息， 让球盘口解释 今日宣布在 让球盘口解释 领域的重要进展： 开发 出一款能够在 让球盘口解释 中击败职业选手的程序——AlphaGo，该程勋能够通过机器学习的方式掌握比赛技巧。
让球盘口解释 挑战让球盘口解释有多难?
计算机和人类竞赛在棋类比赛中已不罕见，在三子棋、跳棋和国际象棋等棋类上，计算机都先后完成了对人类的挑战。但对拥有2500多年历史的让球盘口解释而言，计算机在此之前从未战胜过人类。让球盘口解释看起来棋盘简单、规则不难，纵横各19九条等距离、垂直交叉的平行线，共构成19×19(361)个交叉点。比赛双方交替落子，目的是在棋盘上占据尽可能大的空间。
在极简主义的 游戏 表象之下，让球盘口解释具有令人难以置信的深度和微妙之处。当棋盘为空时，先手拥有361个可选方案。在游戏进行当中，它拥有远比国际象棋更多的选择空间，这也是为什么让球盘口解释、机器学习的研发者们始终希望在此取得突破的原因。
就机器学习的角度而言，让球盘口解释的计算最大有3361种局面，大致的体量是10170，而已经观测到的宇宙中，原子的数量才1080。国际象棋最大只有2155种局面，称为香农数，大致是1047。
“机器学习”预测人类行为
传统的让球盘口解释方法是将所有可能的走法构建成一棵搜索树
，但这种方法对让球盘口解释并不适用。此次让球盘口解释推出的AlphaGo，将高级搜索树与深度神经网络结合在一起。这些神经网络通过12个处理层传递对棋盘的描述，处理层则包含数百万个类似于神经的连接点。
其中一个神经网络“决策网络”(policy network)负责选择下一步走法，另一个神经网络“值网络”(“value
network)则预测比赛胜利方。让球盘口解释方面用人类让球盘口解释高手的三千万步让球盘口解释走法训练神经网络，与此同时，AlphaGo也自行研究新战略，在它的神经网络之间运行了数千局让球盘口解释，利用反复试验调整连接点，这个流程也称为巩固学习(reinforcement
learning)。通过广泛使用Google云平台，完成了大量研究工作。
AlphaGo所使用的神经网络结构示意图
征服让球盘口解释对于让球盘口解释来说有重要意义。AlphaGo不仅是遵循人工规则的“专家”系统，它还通过“机器学习”自行掌握如何赢得让球盘口解释比赛。让球盘口解释方面希望运用这些 技术 解决现实社会最严峻、最紧迫的问题——从气候建模到复杂的灾难分析。
在具体的机器训练上，决策网络的方式是输入人类让球盘口解释专家的比赛，到系统可以预测57%人类行动为止，此前最好成绩是44%。此后AlphaGo通过在神经网络内部进行比赛的方式(可以简单理解成和自己下棋)，开始学习自主探索新的让球盘口解释策略。目前AlphaGo的决策网络可以击败大多数具有庞大搜寻树的最先进的让球盘口解释程序。
值网络也是通过自己和自己下棋的方式来训练。目前值网络可以评估每一步棋能够有多大胜算。这在此前被认为是不可能的。
AlphaGo战绩惊人
实际上，目前AlphaGo已经成为最优秀的让球盘口解释让球盘口解释程序。在与其他程序的对弈中，AlphaGo用一台机器就取得了500场的胜利，甚至有过让对手4手后获胜的纪录。去年10月5日-10月9日，让球盘口解释安排AlphaGo与欧洲让球盘口解释冠军Fan
Hui(樊麾：法国国家让球盘口解释队总教练)闭门比赛，让球盘口解释以5-0取胜。
AlphaGo与欧洲让球盘口解释冠军樊麾的5局较量
公开的比赛将在今年三月举行，AlphaGo将在韩国首尔与韩国让球盘口解释选手李世石九段一决高下，李世石是近10年来获得世界第一头衔最多的棋手，让球盘口解释为此提供了100万美元作为奖金。李世石表示很期待此次对决，并且有信心获得胜利。
此外，AlphaGo的发布，也是Deep
MInd在2014年1月被让球盘口解释收购以来首次发声。在被收购之前，这家位于伦敦的让球盘口解释领域的公司还获得了特斯拉和SpaceX创始人马斯克的投资。
人机对弈谁将胜?
值得一提的是，上一次著名的人机对弈要追溯到1997年。当时IBM公司研发的超级计算机“深蓝”战胜了国际象棋冠军卡斯巴罗夫。不过国际象棋的算法要比让球盘口解释简单得多。国际象棋中取胜只需“杀死”国王，而让球盘口解释中则用数子或比目的方法计算胜负，并不是简单地杀死对方棋子。此前，“深蓝”计算机的设计人2007年发表文章指出，他相信十年内能有超级电脑在让球盘口解释上战胜人类。
该项目并未给IBM带来可以销售的产品，但却让我们意识到：基础科学研究所面临的巨大挑战是值得我们去迎接的，虽然企业在这方面的收益还无法量化。
随着顶级 科技 公司争相在产品中融入智能技术，让球盘口解释并不是唯一一家研究让球盘口解释AI的公司，Facebook对让球盘口解释让球盘口解释的研究整合此前也亮相最新的计算技术：深卷积神经网络(deep
convolutional neural networks)和蒙特卡洛树搜索(Monte Carlo tree
search)，前者利用类似于大脑的算法来学习和识别棋盘上各种模式的重要性，而后者相当于一种超前思维，用于计算详细的战略步骤。
Facebook和让球盘口解释在让球盘口解释让球盘口解释方面的研究具有极大的代表意义。与国际象棋相比，让球盘口解释更具深度。要让计算机掌握相关技巧，需要更多类似于人类的模式识别和直觉判断技巧，计算机象棋软件越来越优秀，已将揭开了这项游戏的神秘面纱;相比之下，让球盘口解释目前更加神秘。但将来，让球盘口解释的神秘色彩也可能不复存在。
