人工智能PK李世石
没想到人类先输了一局！_新浪新闻
　　原标题：人工智能PK李世石
没想到人类先输了一局！　　9日，人工智能“阿尔法围棋”（AlphaGo）挑战韩国李世石九段的比赛，在首尔打响。围棋一直被看作是人类最后的智力竞技高地，究竟是人类战胜人工智能，还是人工智能打败人类？
　　五盘棋比赛中的第一局下午1时在首尔四季酒店举行，经过4个半小时的对弈，“阿尔法围棋”以186手，执白中盘战胜李世石。“‘阿尔法围棋’，比想象中厉害。”李世石说。
　　综合新华社 现代快报记者 俞月花
　　李世石首局投子认输
　　对局中，虽然“阿尔法围棋”下了两三手的怪棋，但一直保持序盘的优势。
　　李世石黑棋第7手是试探性的一招，但“阿尔法围棋”应手正确，布局阶段占优。接着“阿尔法围棋”掌握了局面的主导权。
　　到186手时，黑棋已贴不出目来，李世石投子认输。
　　“它比想象中厉害”
　　李世石赛后说：“我对‘阿尔法围棋’的表现感到吃惊。事实上我一直认为不会输掉。但‘阿尔法围棋’下得那么完美，真没想到。我认为因为序盘布局的失败，黑棋一直处境艰难。”
　　李世石说：“我对阵‘阿尔法围棋’时，有两个方面很吃惊：第一个是序盘布局能力比想象中厉害；第二个是它会下胜负手。今天的比赛是双方都很难的一场对决，但它算法能力比较强，实战中它下了人类想不到的一手，让我大吃一惊。”
　　柯洁：它赢不了我
　　中国围棋新一代代表人物柯洁昨天发微博表示，“就算‘阿尔法围棋’战胜了李世石，但它赢不了我。”柯洁表示，自己未来愿意和它约战。
　　人机大战
　　人工智能“阿尔法围棋”挑战世界围棋冠军李世石，比赛共分五场。详细赛程和规则如下：
　　对战分为5场，分别是：3月9日、3月10日、3月12日、3月13日和3月15日。五盘对局，取得三局或三局以上者为胜。若比赛出现3：0或3：1已经分出胜负后，也将下满5局。
　　本次比赛采用中国规则，黑贴3又3/4子（黑贴7目半）。每位棋手各有两个小时布局时间，3次60秒的读秒，每场比赛预计需要4-5个小时。
　　谷歌设置了100万美元的基础奖金，李世石还可获得15万美元出场费；此外每胜一局还有2万美元胜局奖金。如果五盘全胜，胜局奖金为10万美元。如果李世石五战全胜获得优胜，最多可以获得125万美元。若“阿尔法围棋”获胜，奖金将全部捐献给联合国儿童基金和STEM教育及围棋相关公益团体。
　　对阵双方什么来历？
　　李世石
　　九段，韩国棋手，世界围棋领域代表性人物之一。他属于典型的力战型棋风，善于敏锐地抓住对手的弱处主动出击，集中力量击垮对手。落子“稳、准、狠”，经常能在劣势下完成逆转。
　　“阿尔法围棋”
　　“阿尔法围棋”，美国谷歌公司旗下人工智能公司“深度思维”开发的智能软件。它可以运行在不同的硬件平台上。其“单机”版本用到48个中央处理器，还有一个分布式运算的版本，可同时用到多台计算机的1202个CPU，大大提升计算能力。“阿尔法围棋”以5比0战胜欧洲围棋冠军、前中国职业棋手樊麾，成为第一个击败人类职业棋手的电脑程序。除了超强的计算能力，“阿尔法围棋”最大的特点是学习能力较强。在战胜樊麾之前，“阿尔法围棋”已进行了超过3000万局的自我训练，不断提升棋力。
　　“阿尔法围棋”会自己学习，下棋能想到下面5步
　　昨天中午12点，机器人传感与控制技术研究所所长、东南大学仪器科学与工程学院院长宋爱国准时坐在电脑前，观看世界人机围棋大战。答案揭晓后，宋爱国说，这在智能机器人领域具有里程碑的意义。“这个机器人搏杀能力很强，但经验不足。不过已经预示了智能机器人领域又上了一个新台阶。”宋爱国预测，机器人至少还能赢3场！
　　为什么能赢？
　　它模拟人类大脑自己学习
　　它是怎么做到的呢？宋爱国说，他看了机器人和李世石的前半场对战，“我发现这个机器人特别喜欢搏杀，虽然它看起来布局方面还有些欠缺。这只能说明它经验还不足，如果未来再加强练习，经验上也会跟上来。”他说，这个机器人显然已经达到了职业围棋手的水准。
　　宋爱国介绍说，围棋比赛的过程从数学上来说，是求最优解。“因为围棋上面总共有361个点。解的空间非常巨大，各种可能性很多。机器人能完胜李世石，说明它的智能化目前上了一个层次。”
　　“当然不只是科学家将计算机需要记忆的围棋相关知识编程传输给计算机，计算机通过记忆就能下围棋，而是它已经可以做到模拟人类大脑，用多层神经网络进行深度学习。”宋爱国说，原来计算机神经网络是三层，到2010年时，神经网络的深度学习实现突破。“因为人的大脑学习推理能力特别强。而用计算机模拟人类大脑，通过多层神经网络，一层层提出顾虑，提取特征，直到最后把本质特征提取出来。计算机借此找到围棋的本质规律，从而自我学习。”他说，科学家不仅是把李世石以往的围棋方法编程输入计算机，肯定还有其他围棋知识。“机器人甚至还可以通过自我对战来学习。”
　　所以，在比赛中，当李世石出棋后，机器人能根据自己所学，快速计算找到最优解。“即便李世石的招数它从来没见过，机器人也会通过分析推理，给出自己的答案。甚至这一步走完，接着下面的5步对方大概怎么应对，我怎么走，我的优劣程度是怎样，它都可以计算出来。”
　　相当于人类多大年龄？
　　综合评判不如5岁孩子
　　这么聪明的机器人，相当于人类多大年龄？宋爱国说，综合评判不如5岁孩子。“尽管在下围棋方面，它已经是个职业高手，但是在其他方面，它的能力很差。”他说，机器人只是根据人类给它的编程，熟悉了围棋这个环境，这只是单个任务。而人类生活的日常环境却是多任务的，要面对各种各样的情况。“因为多任务更加复杂。下围棋时，机器人只需要通过摄像头作为眼睛来操作，而人的感知遍布全身，包括眼睛耳朵鼻子，机器人的触觉传感器却很少。人的皮肤能够感知到压力、冷热、抚摸等，而机器人就没有。”
　　机器人与人的智能还有很大距离。“主要差距是在未知的变化的环境，未知的任务，它的决策能力还是非常弱的。”宋爱国说，目前机器人的综合智能水平可能不如5岁孩子。“你带一个5岁小孩到一个陌生地方，给他1块钱，让他打一瓶酱油回来。这个5岁孩子就会去找，然后把酱油打回来。但是对于现在的机器人，它可能出去了就回不来了。”
　　为什么是围棋？
　　棋类智力对战游戏，历来是计算机“智能”水平的试金石之一。计算能力、判断能力、思考甚至学习能力，都可在胜负分明的棋盘上得以检验。随着人工智能技术进步，人类在棋盘上的阵地近年来不断“失守”。
　　1997年，美国IBM公司超级计算机“深蓝”依仗强大的计算能力，战胜当时世界排名第一的国际象棋大师卡斯帕罗夫。
　　2006年，中国超算“浪潮天梭”同时对战5位中国象棋特级大师，最终以总比分险胜，取胜关键被认为是不知疲倦的稳定性和超强计算能力。
　　围棋被视为人机对决的“最后一块棋盘”。由于棋盘上变化繁复，“千古不同局”，计算机也无法仅通过“蛮力”穷举来取胜。也因此，许多专家认为，电脑要想攻陷人类智慧的这一堡垒，至少再过10年。但去年10月，“阿尔法围棋”横扫欧洲围棋冠军樊麾。
　　对这次比赛的意义，德国人工智能研究中心的安德烈亚斯·登格尔说，从人工智能的角度看，“阿尔法围棋”胜出，将是证明深度学习技术潜力的有力证据。
如果看过1978年以来中国城市的经济数据，你肯定会发现一个很大的变化：1978年全国经济总量排名前十的城市有四个是东北的，而到本世纪初，这一数字是零。
终有一天，我们会认识到，八块腹肌的黄景瑜们与张牙舞爪的小娘炮们都站在同一片土地上，他们想喜欢谁就喜欢谁，想认为自己是什么性别就是什么性别，这是一件纯粹取决于个人意愿的事情。
问题是时代的声音，人心是最大的政治。现在而今眼目下，若再不来收拾人心，若再不来重视外行一把手胡作非为的问题，怕是会让乐观者悲观，让悲观者绝望的！
在回答我南海岛礁的问题时，王毅外长有句话掷地有声：历史终将证明，谁只是匆匆过客，谁才是真正的主人！其实，房市也是如此，泡沫终将破灭，历史终将证明，谁只是匆匆过客，谁才是真正的主人！跟李世石下棋的机器人长什么样_百度知道
跟李世石下棋的机器人长什么样
就是电脑怎么落子他就在盘面上怎么落子这是一套智能程序而已，只不过这个程序比以往类似的围棋程序都要智能一些，这个人起到了上传下达的作用，怎么说，李世石怎么落子他就在电脑上怎么落子，直播的时候可以看到李世石的对面坐了一个人
其他类似问题
为您推荐：
李世石的相关知识
其他3条回答
一个计算机程序而已
就是个系统，长什么样都可以，随意设计
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁版权所有 CopyRight ©
All Rights Reserved. 銆愮粍鍥俱戝鏋滀袱鍙癆lphaGo鏈哄櫒浜哄寮堬紝缁撴灉浼氭槸鎬庢牱锛,浜哄伐鏅鸿兘alphago,鏉庝笘鐭硋s璋锋瓕alphago浜哄伐鏅鸿兘,alphago鏄湡浜鸿繕鏄満鍣ㄤ汉 - 婢抽棬鏃呮父缃
褰撳墠浣嶇疆锛 >
銆愮粍鍥俱戝鏋滀袱鍙癆lphaGo鏈哄櫒浜哄寮堬紝缁撴灉浼氭槸鎬庢牱锛鏃堕棿锛鏃00:50鏉ユ簮锛欼T168缃
鍘熸爣棰橈細濡傛灉涓ゅ彴AlphaGo鏈哄櫒浜哄寮堬紝缁撴灉浼氭槸鎬庢牱锛
銆銆1鏈28鏃ワ紝鐢辫胺姝屽紑鍙戠殑浜哄伐鏅鸿兘绯荤粺AlphaGo鍑昏触娆ф床鍥存鍐犲啗妯婇壕銆傝繖涓秷鎭竴缁忓叕甯冿紝灏卞紩鍙戜簡宸ㄥぇ鐨勫弽鍝嶃傚湪鍑昏触妯婇壕鍚庯紝AlphaGo鍙堝悜妫嬬帇鏉庝笘鐭冲彂璧蜂簡鎸戞垬锛屽苟浜3鏈9鏃ュ拰鏉庝笘鐭冲睍寮浜嗙涓鍦哄崥寮堛姣旇禌鐜板満銆銆鍦ㄦ瘮璧涘墠锛屾潕涓栫煶灏辨浘鍦ㄦ帴鍙楅噰璁挎椂琛ㄧず鑷繁瀹屽叏鍙互鎴樿儨AlphaGo锛屽彧鏄簲姣旈浂锛岃繕鏄洓姣斾竴鐨勯棶棰樸銆銆璧峰垵锛屾潕涓栫煶涓鐩撮兘鎶㈠崰涓婇锛屽苟涓斾笉灏戜笓瀹堕兘琛ㄧず锛氬彧瑕佹潕涓栫煶绋充綇灏辫兘璧傛鍦ㄥぇ瀹堕兘瑙夊緱鏉庝笘鐭宠儨鍒稿湪鎻＄殑鏃跺欙紝AlphaGo鈥滀竴瀛愮炕鐩樷濓紝灏嗘潕涓栫煶鏉浜嗕釜鐗囩敳涓嶇暀锛屽純瀛愭姇闄嶃銆銆璋侀兘娌℃兂鍒帮紝AlphaGo浣滀负涓涓汉宸ユ櫤鑳界▼搴忕珶鐒跺湪姣旇禌杩囩▼涓滆嶅績鏈衡濃斺斿厛鍋囪澶勪簬寮卞娍锛岃鏉庝笘鐭充互涓鸿儨鍒╁湪鏈涜屾簿娌捐嚜鍠,鐒跺悗瀹炲姏缈荤洏銆銆銆浣滀负涓涓汉宸ユ櫤鑳界▼搴忥紝AlphaGo涓嶄粎鍑昏触鏉庝笘鐭筹紝杩樺湪姣旇禌杩囩▼涓皟鎴忎粬锛佺湡鏄蹇冩満锛銆銆褰撶劧锛屽湪浜轰滑閮芥湡寰呬笅涓鍦烘瘮璧涚殑鏃跺欙紝灏忓尃鎯冲埌浜嗕竴涓緢锛堢壒锛夋湁锛堝埆锛夎叮锛堟薄锛夌殑闂锛銆銆涔熻涓嶅皯浜轰細璁や负锛氫袱鍙癆lphaGo鏈哄櫒浜哄寮堬紝缁撴灉涓瀹氫細鏄拰妫嬨傚鏋滀綘涔熸槸杩欎箞璁や负鐨勶紝閭ｄ箞鈥︹銆銆鎭枩浣犫斺旂寽閿欎簡銆銆鍏跺疄鍜屾鐨勬鐜囬潪甯镐綆銆銆銆鐔熸倝鍥存鐨勬湅鍙嬪簲璇ョ煡閬擄紝鍥存涓粦妫嬭创鐩槸7鐩崐锛堥煩鏃ヨ鍒欎腑鏄6鐩崐锛夛紝鎵浠ュ湪瀵瑰紙缁撴潫鍚庯紝榛戠櫧鍙屾柟鐨勭洰鏁拌偗瀹氭槸涓嶇浉绛夌殑銆傞櫎浜嗗嚭鐜扳滀笁鍔繛鐜濊繖鏍峰皯瑙佺殑鏃犺儨璐熷眬涔嬪锛屾牴鏈氨娌℃湁鍜屾涓璇淬傝孉lphaGo鏈哄櫒浜鸿繘琛屽寮堟槸鍩轰簬绠楁硶瀹屾垚鐨勶紝鑰屽熀浜庢鐜囪鐨勭畻娉曢殢鏈烘уお寮猴紝鎵浠ュ熀鏈兘鑳藉垎鍑鸿儨璐熴銆銆涓嶈繃锛岃胺姝屾柟闈㈡棭宸茬湅绌夸竴鍒囷紝鍦ㄣ奛ature銆嬫潅蹇椾笂灏卞彂甯冧簡涓嶅悓鐗堟湰鐨凙lphaGo瀵瑰紙鐨勭粨鏋滐細璋锋瓕鏂归潰鍦ㄣ奛ature銆嬫潅蹇銆銆鍙戝竷鐨勪笉鍚岀増鏈殑AlphaGo瀵瑰紙鐨勭粨鏋銆銆鍦ㄥ垎甯冨紡鐗圓lphaGo鍜屽寮堝崟鏈虹増AlphaGo鐨勫寮堣繃绋嬩腑锛屽垎甯冨紡鐗堢殑鑳滅巼杈惧埌浜77%锛岀敱姝ょ湅鏉ワ細鍦ㄤ汉宸ユ櫤鑳界晫锛屼篃鏈夆滀竴灞辨洿姣斾竴灞遍珮鈥濈殑鎯呭喌瀛樺湪鍟婏紒銆銆涔熻浣犱細瑙夊緱锛屾棦鐒禔lphaGo鍙互鎴樿儨涓栫晫妫嬬帇锛岄偅瀹冧竴瀹氭槸涓涓壒鍒帀瀹崇殑浜哄伐鏅鸿兘銆傚鏋滀綘杩欎箞鎯筹紝閭ｄ箞鈥︹銆銆鎭枩浣犫斺斿張閿欎簡銆銆鍏跺疄AlphaGo鍦ㄤ汉宸ユ櫤鑳界晫鍏呭叾閲忓彧鑳芥槸涓涓滃皬瀛︾敓鈥濈殑姘村噯銆銆銆鍏充簬浜哄伐鏅鸿兘锛屽叾瀹炲彲浠ュ垎涓轰笁涓笉鍚岀殑绛夌骇锛銆銆路寮变汉宸ユ櫤鑳斤紙ANI锛欰rtificial Narrow Intelligence锛銆銆寮变汉宸ユ櫤鑳藉氨鏄汉宸ユ櫤鑳界晫褰撲箣鏃犳劎鐨勨滃皬瀛︾敓鈥濅簡銆傝繖绫讳汉宸ユ櫤鑳界▼搴忎粎鍦ㄥ崟涓棰嗗煙姣旇緝鐗涳紝鍦ㄥ叾浠栭鍩熷氨鏄惧緱鏈変簺鈥滅櫧鐥粹濅簡銆侫lphaGo灏辨槸涓涓吀鍨嬬殑寮变汉宸ユ櫤鑳界▼搴忋傝櫧鐒跺畠鍑昏触浜嗘娲插洿妫嬪啝鍐涙▕楹撅紝杩樿皟鎴忎簡涓栫晫妫嬬帇鏉庝笘鐭筹紝浣嗗畠鎳傜殑鍙湁鍥存銆傚鏋滀綘璁╁畠涓嬮琛屾锛屽畠鍙兘杩炲皬瀛︾敓閮戒笉濡傘銆銆路寮轰汉宸ユ櫤鑳斤紙AGI锛欰rtificial General Intelligence锛銆銆寮轰汉宸ユ櫤鑳藉垯鏄兘澶熻揪鍒颁汉绫荤骇鍒殑浜哄伐鏅鸿兘绋嬪簭銆傛瘮濡傜數褰便婄敓鍖栧嵄鏈恒嬮噷鐨勭孩鐨囧悗銆備笉鍚屼簬寮变汉宸ユ櫤鑳斤紝寮轰汉宸ユ櫤鑳藉彲浠ュ儚浜虹被涓鏍峰簲瀵逛笉鍚屽眰闈㈢殑闂锛岃屼笉鏄粎浠呭彧浼氫笅鍥存銆備笉浠呭姝わ紝寮轰汉宸ユ櫤鑳借繕鍏锋湁鑷垜瀛︿範銆佺悊瑙ｅ鏉傜悊蹇电瓑澶氱鑳藉姏銆備笉杩囧洜涓哄己浜哄伐鏅鸿兘绋嬪簭鐨勫紑鍙戞瘮寮变汉宸ユ櫤鑳借鍥伴毦寰堝锛屾墍浠ユ垜浠洰鍓嶈繕鏃犳硶瀹炵幇銆銆銆路瓒呬汉宸ユ櫤鑳斤紙ASI锛欰rtificial Super Intelligence锛銆銆瓒呬汉宸ユ櫤鑳藉垯鏄湪浠讳綍棰嗗煙閮芥瘮浜虹被鑱槑鐨勪汉宸ユ櫤鑳界▼搴忋傚畠鍦ㄤ汉宸ユ櫤鑳界晫鐨勫湴浣嶇敋鑷虫瘮鐖卞洜鏂潶鍦ㄤ汉绫讳笘鐣岀殑鍦颁綅杩樿楂樸傛垜浠兘鐭ラ亾锛屼汉鐨勫ぇ鑴戞甯稿彧琚紑鍙戝埌10%宸﹀彸锛岃岃秴浜哄伐鏅鸿兘鍒欑浉褰撲簬涓涓嫢鏈夊紑鍙戜簡100%鐨勫ぇ鑴戙傚氨鍍忕數褰便婅秴浣撱嬮噷鐨勬柉鍢変附路绾︾堪閫婁竴鏍凤細鍙互蹇熷涔狅紝鍙互绌胯秺鍥炶繃鍘伙紝鍙互璇诲彇淇″彿鈥︹︾敋鑷冲彲浠ユ案鐢熴鐢靛奖銆婅秴浣撱嬬墖娈銆銆濡傛鐪嬫潵锛屽嚮璐ヤ笘鐣屾鐜嬬殑AlphaGo鍏跺疄鍙槸浜哄伐鏅鸿兘鐣岀殑鏈浣巐evel銆銆銆鍙傝冭祫鏂欙細銆銆Msatering the game of Go with deep neuralnetworks and tree search.David Silver et al.Nature 529,484-489(2016)銆銆鍒嗕韩鍒帮細銆銆0 涓汉瑙夊緱璧炲ソ鏂囩珷 鐐逛釜璧炴偍宸茬粡璧炶繃浜+1
鏈枃鐩稿叧鎺ㄨ崘
婢抽棬鏃呮父缃戞彁渚銆銆銆銆銆銆銆銆 Copyright ©
婢抽棬鏃呮父缃
鐗堟潈鎵鏈 鑻廔CP澶鍙-2}