alphago為什麼這麼厲害,AlphaGo為什麼這麼厲害

時間 2021-08-14 22:39:14

1樓:三克油馬吃

聶衛平回了馬雲質疑的說法是alphago相當於專業圍棋20段,而人類最高9段。

alphago是人類集體智慧的結晶,有學習(深度演算法)功能,人類沒出一招,人家則拿出成千上萬的對比分析資料得出最佳結論。

是人就會犯錯,但狗不是人,犯錯的機率就少!

2樓:麵條會看臉

因為是人工智慧程式,集眾多高智商程式設計師的智慧為一身,是團隊力量的結晶。俗話說,三個臭皮匠,賽過諸葛亮,人工智慧程式背後是團隊的強大力量

3樓:輕視之亂

alphago究竟採用了怎樣的技術讓它不同以往呢?教會機器下棋,傳統的人工智慧方法是將所有可能的走法構建成一棵搜尋樹,用這種方法成功的讓機器戰勝過世界第一的國際象棋選手,但這種方法對圍棋並不適用。此次谷歌推出的alphago,將高階搜尋樹與深度學習演算法結合在一起,甚至能夠讓機器做到「左右互搏」實現自我學習。

在較短的時間內變得越來越聰明,量變必然會引起質變,而量變正是計算機最容易實現和最擅長的東西。對於此,國內人工智慧企業,圖普科技ceo李明強也發表了自己的看法:「我們作為同alphago一樣也是基於深度學習的人工智慧企業,我是十分看好alphago乃至整個人工智慧的前景的。

」當被問及深度學習演算法未來在哪些民用領域能夠為人類服務時,李明強信心十足的表示:「我認為所有的領域都會逐步應用,ai對人類是高維打擊,這是遍地開花的事情,不是某個行業的事情。實現路徑上,人工智慧先替代簡單機械性的事情,比如現在生產線上的智慧機器人,我們圖普的智慧鑑黃機器人,然後逐漸過渡到複雜模糊的事項,比如自動駕駛,機器服務員,以後甚至模擬人類細膩情感、藝術創新,機器也會做的比人好,比如與人類戀愛調情、自主寫歌畫畫。

總之,現在人類能做的,未來人工智慧可能實現,甚至做得更好,這樣的未來並不遙遠。」

4樓:廣州康邦矽藻泥

alphago依靠精確的專家評估系統(value network)、基於海量資料的深度神經網路(policy network),及傳統的人工智慧方法蒙特卡洛樹搜尋的組合,以及可以通過左右互搏提高自己的水平,這個真的是有的恐怖了有木有。李世石九段固然厲害,可人類畢竟是動物,機器軟體程式是無休止的工作,這一點也是客觀因素了。

alphago依靠精確的專家評估系統(value network)、基於海量資料的深度神經網路(policy network),及傳統的人工智慧方法蒙特卡洛樹搜尋的組合,以及可以通過左右互搏提高自己的水平,這個真的是有的恐怖了有木有。李世石九段固然厲害,可人類畢竟是動物,機器軟體程式是無休止的工作,這一點也是客觀因素了。比賽已經結束了,李世石一比四不敵alphago。

有一種觀點人為,只要下alphago棋譜中所未記載的招數就能獲勝,哪怕這些下法根本不符合圍棋棋理。這種做法的可行性並不高。

alphago並非是對人類棋手弈棋棋譜記憶後的簡單再現,而是具備了一定模擬人類神經網路的「思考」能力,既不是像過去那樣採用窮舉法尋找最有選項,也不是複製棋譜中

所記載的定勢或手筋。而是會對選擇進行「思考」,刪除那些勝率低的選擇,並對具有高勝率的選項進行深度「思考」,最終從無數個落子的選擇中基於自己的「思考」選擇一個最優項。 因此,若是人類棋手想憑藉下幾步不符合圍棋棋理,或未被棋譜記載的圍棋下法,就輕而易舉戰勝alphago的可能性並不高。

因為alphago是人工智慧,而不是一臺只會複製人類棋手招數的機器。

5樓:那年四月的謊言

2131232323123

6樓:匿名使用者

厲害呀被

金晶科技看見都喜歡

7樓:蘇厚子

是的,厲害的東西還很多。這個也夠厲害的。

8樓:匿名使用者

「幾百個幾千個高手」算計你一個,結果可想而知。

9樓:禾女鬼口員

因為他是人類的電腦和計算機大腦的結合體。實在不明白為什麼人要和機器比賽。又不是同類,研究出來這麼高科技的東西,不怕出現第三種生物統治人類嗎

10樓:植秋梵玉

因為是高科技的電子產品,所以整體的反應和功能都更強大

11樓:青島牛仔

阿爾法圍棋(alphago)是一款圍棋人工智慧程式,由谷歌(google)旗下deepmind公司的戴密斯·哈薩比斯、大衛·席爾瓦、黃士傑與他們的團隊開發。其主要工作原理是「深度學習」。

程式原理

深度學習

阿爾法圍棋(alphago)是一款圍棋人工智慧程式。其主要工作原理是「深度學習」。「深度學習」是指多層的人工神經網路和訓練它的方法。

一層神經網路會把大量矩陣數字作為輸入,通過非線性啟用方法取權重,再產生另一個資料集合作為輸出。這就像生物神經大腦的工作機理一樣,通過合適的矩陣數量,多層組織連結一起,形成神經網路「大腦」進行精準複雜的處理,就像人們識別物體標註**一樣。

阿爾法圍棋用到了很多新技術,如神經網路、深度學習、蒙特卡洛樹搜尋法等,使其實力有了實質性飛躍。美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟在網上發表分析文章說:「『阿爾法圍棋』這個系統主要由幾個部分組成:

一、走棋網路(policy network),給定當前局面,**/取樣下一步的走棋;二、快速走子(fast rollout),目標和走棋網路一樣,但在適當犧牲走棋質量的條件下,速度要比走棋網路快1000倍;三、估值網路(value network),給定當前局面,估計是白勝還是黑勝;四、蒙特卡洛樹搜尋(monte carlo tree search),把以上這三個部分連起來,形成一個完整的系統。」

兩個大腦

阿爾法圍棋(alphago)是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些google**搜尋引擎識別**在結構上是相似的。它們從多層啟發式二維過濾器開始,去處理圍棋棋盤的定位,就像**分類器網路處理**一樣。

經過過濾,13 個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。

這些網路通過反覆訓練來檢查結果,再去校對調整引數,去讓下次執行更好。這個處理器有大量的隨機性元素,所以人們是不可能精確知道網路是如何「思考」的,但更多的訓練後能讓它進化到更好。

第一大腦:落子選擇器 (move picker)

阿爾法圍棋(alphago)的第一個神經網路大腦是「監督學習的策略網路(policy network)」 ,觀察棋盤佈局企圖找到最佳的下一步。事實上,它**每一個合法下一步的最佳概率,那麼最前面猜測的就是那個概率最高的。這可以理解成「落子選擇器」。

第二大腦:棋局評估器 (position evaluator)

阿爾法圍棋(alphago)的第二個大腦相對於落子選擇器是回答另一個問題。不是去猜測具體下一步,它**每一個棋手贏棋的可能,再給定棋子位置情況下。這「局面評估器」就是「價值網路(value network)」,通過整體局面判斷來輔助落子選擇器。

這個判斷僅僅是大概的,但對於閱讀速度提高很有幫助。通過分類潛在的未來局面的「好」與「壞」,alphago能夠決定是否通過特殊變種去深入閱讀。如果局面評估器說這個特殊變種不行,那麼ai就跳過閱讀。

日本為什麼這麼厲害?

12樓:繩桂枝籍雨

說在前面的話,我至今仍然非常討厭日本人。

但是一個民族能夠存活至今必須有它的長處。

一、美國為了遏制蘇聯在亞洲的勢力,把日本當作一個楔子插入亞洲。所以用強大的綜合國力支援日本。

二、日本人雖說虛偽和骯髒,可是不能否認他們的勤奮和團結拼搏精神。後者尤其需要國人學習。

三、在美蘇爭霸時,日本人能抓住機遇,在美國眼皮底下快速發展。

可能還有一個因素——日本天皇沒被推翻,日本人的信仰和武士道精神猶存,軍國主義的野心仍然苟延殘喘。

所以,強大是必然的。而至於燒殺掠奪,中國被日本欺負了太久,3500萬人死於戰爭,日本軍隊的暴行仍然在中國大地上留有痕跡!美國人為了打日本投用了數以千萬噸的戰爭物資,幾乎沒有一個日本城市還有高樓建築。

死的全是直接或間接參與戰爭的日本國民。所以燒殺掠奪我認為幫助並不大。

13樓:股熱風

非專業的見解:

1,國家小方便治理,國家越大治理越繁瑣,效率就低。

2,國家文化背景,日本奉行的是天皇,天皇一個命令可以讓人去死,而不會有怨言,所以他們可以集合全國人力幹一件事,人人盡心盡力,不會出現個人主義,為自己打算的情況。而中國就不一樣,雖然也是精忠報國,但也有獨善其身的說法。所以一干起事來各人來肚子裡都有點小九九。

所以啦,人本人幹起事來效率高,中國人幹起事來效率低。

3,說實話小日本真的挺勤奮的,起早貪黑沒有怨言,這中國辦不到吧。

4,這點小日本沾了中國的光,2戰過後美國為了牽制中國扶持日本,使日本在發展初期最**也最困難的時候得到很大的幫助,經濟飛速發展。

幾句廢話,希望能有些沾邊!

14樓:章好休琳晨

他們都是美國養的

都是美國的殖民地

15樓:薩洮諸葛春華

每個人,都像你這樣的,對現實深深所思的話,就會好下去。

為什麼鯨魚這麼厲害?

16樓:東戶網

虎鯨是一種大型齒鯨,身長為8~10米,體重幾噸左右,背呈黑色,腹為灰白色,背鰭彎曲長達1米,嘴巴細長,牙齒鋒利,性情凶猛,食肉動物,善於進攻獵物,是企鵝、海豹等的天敵。有時它還襲擊同類鬚鯨或抹香鯨,可稱得上是海上霸王,是最凶猛的海洋動物。

17樓:匿名使用者

鯨魚這麼厲害不知道您指哪一方面,從力量來說因為鯨魚是體型最大的動物 自然身大力不虧,此外虎鯨是真正的海洋霸主,不僅因為個人和尖牙,還有因為虎鯨智商高,因此這麼厲害,連大白鯊和虎鯨相比都是小巫見大巫。

18樓:半天的憂傷

一個字大啊,你讓鯨魚變得像鯽魚那麼大,你看他會那麼厲害嗎?

alphago為什麼這麼厲害

19樓:迷霧非迷

機器人運算速度比人快

集合了大量圍棋高手的下棋思路,雖然是已經固定了

我們下一步可能想3步,但機器人基本上會想到更多結果,雖然可能並不是完全正確。

20樓:加

因為是人工智慧程式,集眾多高智商程式設計師的智慧為一身,是團隊力量的結晶。俗話說,三個臭皮匠,賽過諸葛亮,人工智慧程式背後是團隊的強大力量

21樓:青島牛仔

阿爾法圍棋(alphago)是一款圍棋人工智慧程式,由谷歌(google)旗下deepmind公司的戴密斯·哈薩比636f707962616964757a686964616f31333363373230斯、大衛·席爾瓦、黃士傑與他們的團隊開發。其主要工作原理是「深度學習」。

程式原理

深度學習

阿爾法圍棋(alphago)是一款圍棋人工智慧程式。其主要工作原理是「深度學習」。「深度學習」是指多層的人工神經網路和訓練它的方法。

一層神經網路會把大量矩陣數字作為輸入,通過非線性啟用方法取權重,再產生另一個資料集合作為輸出。這就像生物神經大腦的工作機理一樣,通過合適的矩陣數量,多層組織連結一起,形成神經網路「大腦」進行精準複雜的處理,就像人們識別物體標註**一樣。

阿爾法圍棋用到了很多新技術,如神經網路、深度學習、蒙特卡洛樹搜尋法等,使其實力有了實質性飛躍。美國臉書公司「黑暗森林」圍棋軟體的開發者田淵棟在網上發表分析文章說:「『阿爾法圍棋』這個系統主要由幾個部分組成:

一、走棋網路(policy network),給定當前局面,**/取樣下一步的走棋;

二、快速走子(fast rollout),目標和走棋網路一樣,但在適當犧牲走棋質量的條件下,速度要比走棋網路快1000倍;

三、估值網路(value network),給定當前局面,估計是白勝還是黑勝;

四、蒙特卡洛樹搜尋(monte carlo tree search),把以上這三個部分連起來,形成一個完整的系統。」

兩個大腦

阿爾法圍棋(alphago)是通過兩個不同神經網路「大腦」合作來改進下棋。這些大腦是多層神經網路跟那些google**搜尋引擎識別**在結構上是相似的。它們從多層啟發式二維過濾器開始,去處理圍棋棋盤的定位,就像**分類器網路處理**一樣。

經過過濾,13 個完全連線的神經網路層產生對它們看到的局面判斷。這些層能夠做分類和邏輯推理。

這些網路通過反覆訓練來檢查結果,再去校對調整引數,去讓下次執行更好。這個處理器有大量的隨機性元素,所以人們是不可能精確知道網路是如何「思考」的,但更多的訓練後能讓它進化到更好。

第一大腦:落子選擇器 (move picker)

阿爾法圍棋(alphago)的第一個神經網路大腦是「監督學習的策略網路(policy network)」 ,觀察棋盤佈局企圖找到最佳的下一步。事實上,它**每一個合法下一步的最佳概率,那麼最前面猜測的就是那個概率最高的。這可以理解成「落子選擇器」。

第二大腦:棋局評估器 (position evaluator)

阿爾法圍棋(alphago)的第二個大腦相對於落子選擇器是回答另一個問題。不是去猜測具體下一步,它**每一個棋手贏棋的可能,再給定棋子位置情況下。這「局面評估器」就是「價值網路(value network)」,通過整體局面判斷來輔助落子選擇器。

這個判斷僅僅是大概的,但對於閱讀速度提高很有幫助。通過分類潛在的未來局面的「好」與「壞」,alphago能夠決定是否通過特殊變種去深入閱讀。如果局面評估器說這個特殊變種不行,那麼ai就跳過閱讀。

為什麼山東魯能這麼厲害

中國足球職業聯賽分為兩個階段 十年甲a 94 03 7年中超 04到10 如果說大連隊是甲a的王者,那麼魯能就是當之無愧的中超霸主,7年中超戰績如下 04年 中超亞軍,中超杯冠軍 05年 中超季軍 06年 中超冠軍,足協盃冠軍 07年 中超季軍 08年 中超冠軍 09年 中超第四 10年 暫列第一。...

別克汽車為什麼降價這麼厲害

睢駿公西力行 別克的發動機太差。核心部件不行其他再行也白搭。在福特全系汽車紛紛十分強調節油的今天,就連jeep這種越野大塊頭都很注重節油的今天,別克還是老一派美國車的風格,一輛一輛的都是油老虎,那是沒人敢買的。必然跌慘。現款的jeep指南者,純正的越野車,百公里油耗 9個。福特銳界,標準的美式肌肉s...

為什麼蘋果手機發熱這麼厲害

一 發熱原因 1 當手機訊號比較差時,為保證正常的手機通訊,手機會自動加大發射功率,手機功率大導致手機發熱厲害。2 長時間使用3g或4g網路上網或通話時,導致cpu負載加大和發熱量增大。4 使用非原裝充電裝置充電輸入不穩定的電壓和電流,造成手機發熱量增大。5.戴不利於散熱的厚重的保護殼,手機發熱量也...