人机大战英文报道

人机大战英文报道 篇一:人机围棋大战背后 是一段你不知道的人工智能史 人机围棋大战背后 是一段你不知道的人工智能史 作者:xukkx 导语:要说2015年至2016年间风靡整个围棋界和人工智能领域的一件大事，莫过于新科围棋计算机程序AlphaGo挑战著名世界冠军韩籍棋手李世石九段了。从赛前的舆论风向上看，除了部分计算机界专家对AlphaGo的获胜充满信心之外，普遍的看法还是偏向于人类顶尖棋手能够战胜围棋计算机程序。如李开复博士曾在知乎表示人工智能若要战胜李世石，还需要1至2年时间的磨练。然而第一天的战果却令大部分人大跌眼镜，经过一场三个半小时的大战，AlphaGo执白中盘战胜李世石，令世人震惊。那么，人工智能经过几十年的发展，究竟到了何种地步,真的可以取代人类智能，达到一个令人类遥不可及的境界了吗,本文通过对人工智能历史的发展的梳理，对此问题做一个简单的探讨。 人机围棋大战现场 一、 人工智能的起源与发展 人工智能，即人类使用计算机对人类智能的模仿，让机器“学会”人类在某一领域的专业技能。早在公元前384-322年，Aristotle 在其著作《工具论》中提出形式逻辑。Bacon在《新工具》中提出了归纳法。莱布尼茨(Leibnitz)提出了通用符号和推理计算的概念，这些 都是人工智能研究的萌芽。进入19世纪以来，数理逻辑等学科的进展，为人工智能的诞生奠定了基石。布尔(Boole)创立的布尔代数与哥德尔(Godel)提出的不完备理论，以及图灵(Turing)提出的自动机理论，为电子计算机的发明提供了理论基础。1943年，McClloch和Pitts提出了MP神经网络模型，开创了人工智能中的重要领域——神经网络的研究，1945年随着ENIAC电子数字计算机的诞生，人工智能得到了不断的发展和应用。如今，人工智能已经渗入了普通人生活的方方面面。比如在人们网购的过程中，网站可以通过用户浏览网页的习惯来“猜测”其可能感兴趣的商品，并推荐给该用户，这项技术就使用到了人工智能中重要领域“机器学习”中的重要方法。而机器学习中的重要算法——神经网络，则与本文的主角AlphaGo围棋程序息息相关。 二、 为什么围棋程序是人工智能重大挑战, 早在人工智能发展初期的20世纪50年代，来自IBM工程研究组的Samuel就开发出了跳棋程序，具有初步的学习能力，可以在与人对弈的过程中不断地积累经验，提高自己的棋艺。并且在1959年，这个程序战胜了其设计者本人，1962年，再次击败一位州跳棋冠军。由此可见，通过机器学习人类的棋类游戏并与人类对弈，一直是人工智能应用中的一个很令人感兴趣的话题。早期人工智 能学者对于”计算机很快就会战胜人类“这个话题曾经过分地乐观过，60年代初，人工智能创始人Simon等甚至乐观地预言:十年内数字计算机将取代人类获得国际象棋世界冠军。 然而经过深入的研究，人们却发现人工智能所遇到的困难比想象中的多得多，比如，Samuel的跳棋程序在击败州冠军后无法再前进一步。而在国际象棋对弈中，人类棋手可以在每步三分钟的时间限制中，通过直觉与理解，在若干个定式中选择对自己最为有利的下法。对于优秀棋手而言，通常可以通过思考预测到5步之后的情形，而对于电脑程序而言，每行走一步却面临着平均每颗棋子超过30余种选择，合计起来为了预测5步以后的情形，需要考虑下法居然多达1015 种可能，计算机每走一步，则平均每秒需要检查百万种可能的走法，以当时电脑的计算能力而言，走一步棋需要花费三十年时间。可见如果电脑不能通过对棋局的判断来减少行棋的复杂度，仅凭蛮力，程序很难击败人类顶尖棋手。1968年，在得知人工智能研究者John McCarthy和Donald Michie”十年内电脑将击败国际象棋世界冠军”的预言后，著名国际象棋世界大师David Levy与人工智能学者打下一个非常著名的赌注:没有电脑国际象棋程序可以在十年内击败我。赌金为1250英镑。在这十年中，David Levy成功了击败了所有电脑挑战者，并在1978年9月在一场六局对决中，以4.5比1.5的比分战胜当时的终极电脑程序Chess 4.7，从而最终赢得了自己打下的这个赌。 尽管赢下了赌注，电脑却在第四局对局中获得了胜利，这是计 算机程序历史上第一次击败人类国际象棋大师。为此，David Levy写道:尽管我在十年前的断言是正确的，然而我的机器对手在这十年中，比我打赌时进步的太多了，从此以后，再也没有会令我震惊的事 情发生了(指电脑程序最终击败人类特级大师)。那么，这十年中电脑程序在什么方面取得了进展呢, 剪枝法示意 转机来源于一种被称为“剪枝法”的算法被用于象棋程序的估值函数之中。估值函数，即电脑对于当前棋局优劣进行判断的根据，估值函数根据当前的局面算得一个分数，来判断此棋局是否对自己就有利，最后，选择最高得分的那一步作为自己最终的行棋。如果可选择的步数太多，未经过特别的优化，则会陷入上文提到的穷举困境之中。顾名思义，“剪枝法”就如同剪掉一棵大树不重要的“旁枝”一般，去除掉完全不可能的走法，因故可以减少复杂度，对估值函数最后的选择起到了优化的作用，这么一整套算法被称为“ alpha-beta 剪枝结合搜索树算法”。 随着数十年来算法的不断改进，到了七十年代末，国际象棋程序已经可以击败人类的顶级高手了。1976年，在Paul Masson美国国际象棋锦标赛B级的比赛中， Chess4.7的前身，美国西北大学开发的Chess4.5击败了人类选手，这是计算机程序首次击败人类棋手夺取的人类锦标。到了1982年，计算机象棋程序每秒可估算1500种不同的走法，并击败绝大部分人类棋手。可见，程序所 取得的进步并非靠计算硬件水平的提高，而是通过算法上的优化，提高程序鉴别“胜负手”的能力和速度，在一个可行的范围内找出人类棋手的弱点，从而击溃之。最著名的“人机”大战是1997年俄罗斯国际特级大师卡斯帕罗夫与IBM公司研发的超级计算机深蓝(Deep Blue)的对决，深蓝最终的胜出表明人类最强国际象棋特级大师已经彻底被人工智能所击败，从此再也难以从计算机程序手中拿走一胜了。 那么既然人工智能算法在国际象棋上已取得了大捷，基于同样原理的算法能否在更加复杂的围棋中击败人类的顶级棋手呢,答案是否定的，在简单的规则下，的19×19棋盘内，共有361个点，大概有10170种下法，而宇宙中已知原子的数量只有1080个，可 见围棋棋局之复杂远超国际象棋，这也难怪创建高水平的围棋程序被称为人工智能领域的重大挑战。比较而言，在国际象棋程序中行之有效的“搜索树” (search tree)算法，在围棋程序中的推广却不甚理想，难以和职业围棋选手抗衡。在AlphaGo出现之前，基于传统算法的围棋程序仅能达到业余棋手的水平，远远不能令人满意。而AlphaGo横空出世后，首战即5比0大胜欧洲围棋冠军樊麾二段，展现出不俗的实力。因此，说AlphaGo的出现严重动摇了人类智能在围棋上的垄断，是毫无问题的。那么，AlphaGo及其研发的团队Google DeepMind都有什么亮点呢, 三、 AlphaGo体现了当今人工智能的最高水平 在谈及AlphaGo及其开发团队Google DeepMind之前，必须先简介一下其领导者哈萨比斯(Demis Hassabis)，可以说，在他出现之前，几乎所有研究者都认为在十年内人工智能战胜围棋大师的机会是渺茫的。而在他出现以后，几乎所有人都在惊呼人工智能已破解了围棋这一历史难题，甚至在极短的时间内两次让研究成果上了《Nature》杂志的封面。因此，卫报(TheGuardian)直呼Hassabis就是人工智能领域的超级英雄。我认为Hassabis个人完全配得上这个称谓。 Hassabis 据《卫报》的报道，Hassabis的终生目标就是开发出“通用”的人工智能程序，来解决生活中的一切问题。他分别取得了剑桥大学和伦敦大学学院的计算机科学和神经科学学位。Hassabis称自己领导的项目就是“21世纪的阿波罗项目”，这也难怪AlphaGo在击败了李世石九段之后Hassabis第一时间在twitter对团队的祝贺中用“登月”形容围棋程序击败人类顶尖棋手的意义。而在此之前，DeepMind通过对近期人工智能技术中最热门的一项技术—— 深度学习网络，加上”强化学习”的方法使计算机通过自学的方式在上世纪七八十年代的雅达利经典游戏中，获得了近乎人类的表现。而这一成果在更早先的时候登上了《Nature》杂志的封面。拥有千年历史的古老游戏与三十年前的像素游戏纷纷被人工智能 攻破，恐怕在未来若干年间，人工智能在任何游戏中都强于人类也不会是太令人震惊的事情吧。 以上所有人工智能领域的发展，都离不开一项技术在近年来的突破，那就是深度学习(Deep Learning)，深度学习是传统的神经网络技术的再发展。何为神经网络,神经网络就是人类提出的一套模拟大脑工作方式的计算机算法。人的大脑有100亿个神经元，人类对于环境的感知，对于未知事物的认知与神经元的“可塑性”息息相关，人脑通过对特定的人物或者感兴趣的知识进行“建模”，神经元形成相互连接的“神经网络”，并通过互联神经元的连接强度，即突触权值来储存知识。而所谓人工神经网络，就是将化简后人脑的神经元模型实现于电子计算机之上，从而得到类似于人脑的功能，使计算机可以通过“学习”从外界环境中获取知识。最初等的人工神经网络出现在20世纪50年代末的“感知机”模型，初步展现了人工神经网络的学习能力，后来的研究表明感知机模型只能解决很有限的几类问题。神经网络的最新发展——深度学习方法源于Geoffrey Hinton教授等人三十多年来的不懈努力研究和推广，自诞生之日起，即在机器学习领域中大放异彩，通过深度学习方法训练出来的模型，在某些特别的图像识别和语音识别的任务中，甚至有超过人类的表现。在当下，深度学习方法是最接近人类大脑的人工智能学习算法。那么将深度学习网络应用于围棋程序AlphaGo又与传统的国际象棋程序深蓝有什么区别呢, 据AlphaGo官方博客介绍，AlphaGo采用了一种更加“通用”的人工智能方法，即采用将改进的蒙特卡洛决策树算法与深度神经网络算法相结合的方法构建最终的学习系统。其中，深度神经网络由一个多达12层的包含上百万个神经元节点的神经网络构成，其包括两个部分:策略网络与价值网络。具体的技术细节在此不赘言，仅说说其发挥的作用。策略网络在当前给定的棋局中，负责预测下一步的走棋，并对下一步走棋的好坏进行打分，如果是好棋，就打高分，最终，最高分的走法被策略网络选为下一步棋的走法。而这个最高分如要如何评定呢,此时，现存于人类数据库中的围棋棋谱的作用就体现出来了，对比以往高手对决的棋谱，如果如此走法能得到最终的胜利，那就是好棋，这步就可以评高分，因为以往棋谱的胜负是已知的，反之亦然。在这里，人类历史上的大量围棋起了训练数据的作用，好比老师在“监督”学生做练习，答对了就给高分，答错了不给分。通过对于三千万步人类棋谱的学习，AlphaGo对于人类棋手下一步走棋的预测准确率高达57%(之前为43%)。策略网络的作用好比“模仿”人类棋手的各种走法，以达到预测的效果。 然而仅凭模仿无法击败最顶级的人类高手。因此，AlphaGo增加了价值网络来判断当前的局面，到底对哪一方有利，这一步类似于国际象棋程序中的估值函数，而具体的实现方法却有所不同，象棋程序中需要人工调整估值函数中的权重，以达到最好的效果，甚至需要水平极高的国际特级大师参与调整参数。而围棋程序的 局势评估相当困难，只能通过深度学习网络之间自我训练的方法来达到良好的效果。与国际象棋程序相比，围棋好比人类用自己 篇二:人机大战 最近各个网路上被一场正在上演的“人狗大战”纷纷刷屏?比赛还在继续，但阿尔法狗目前以3:1胜韩国棋手李世石的事迹已经引起了众多网友的热议。 今天就让我们就来聊聊关于这只阿尔法狗的那些不得不说的事儿?? 这不是《疯狂动物城》里面最近出风头的狐狸吗, 阿尔法狗虽然被中国网友们“亲切的”称为是狗狗，但事实上它既不是一个机器人，更不是一只会下围棋的狗。你可以想象它是任何的样子，所以是你喜欢的狐狸也不为过。 与“国际象棋高手”“深蓝”相似，阿尔法狗是由人类研发的一个专门针对围棋的算法程序软件。而就是这样一个软件到底是如何在围棋这个号称人类的游戏巅峰的游戏中夺魁并打败人类的呢, 由于围棋过于复杂，所以就先让我们拿简单的井字棋来举例。我们先行一棋开局，而再轮到程序时，它将会有8种不同的地方选择落子，然后轮到我们，然后程序?如图类推，几个回合后，总有一方获胜或是平局结束这场棋局。简单讲，每次下棋的步骤就抽象成搜索空间的一条路径了。 然而游戏最终目的就是获胜，怎么才能让程序在所有落子的可 能性中选择那个最可能接近胜利的 一步呢,这就是我们接下来要讲到的关于阿尔法狗软件程序的核心算法或者是它的厉害武器。 先来说说第一种厉害武器，叫做策略函数，是通过有监督学习来训练的。 有监督学习可以理解为 计算机基于人类的经验来进行学习。 就像孩子通过父母传授的经验来认识世界，阿尔法狗可以通过学习以往棋局里多数人类为了获取胜利在这一步的落子的地方来进行这一步落子的选择。 第二种厉害武器，叫做评价函数，是通过增强学习来训练的。 增强学习的本质是通过最终得到的结果来判断过程的好坏从而进行学习。这个其实和我们训练狗狗是一个道理，当狗狗做对时，我们会给他鼓励，当它做错时我们则会惩罚它从而让它记住达到训练目的。 篇三:作文:人机大战 【题目再现】六、写作(60分) 18.阅读下面的材料，根据要求写一篇不少于800字的文章。 人工智能程序“阿尔法狗”在人机大战中4: 1战胜围棋世界冠军李世石。对此，人们 有不同看法。 甲:人工智能无限扩展人类能力，谁赢得了人工智能，谁就赢得 了未来。 乙:人工智能可能摧毁人类。 丙:人工智能可以无限接近人类的思想，却不会超越人类的思想。丁:人类可以找到与人工智能共存的方法，和谐共处。 对人工智能的开发利用，你怎么看?请综合材料内容及含意作文，体现你的思考，阐述你的看法。 【例文】 阿尔法狗胜了，意味着什么 李世石输了，输得非常干脆。一个刚出道、完全不知道门派和师承的毛孩子，用一把轻飘飘的竹剑，将当世顶尖高手挑落马下。千万不要用国人的鸡贼思维来看待这场巅峰之战。以韩国棋手的血性，李世石不可能配合谷歌演一场假戏。他不仅要捍卫自己的荣誉，还要捍卫人类的尊严和自信。他清楚地知道，如果他输给了阿尔法狗，那究竟意味着什么。 我认真地把人机对弈的棋谱打了两遍，内心非常震撼。阿尔法狗的精妙计算能力就不说了，它在对弈中表现出的“个性”简直让人瞠目结舌。它有着超凡的大局观，洞悉整个棋盘上的所有薄弱之处。对自己的弱点，它两度自补，显得很“猥琐”。但对李世石看似无懈可击的地盘则毫不犹豫地出击，近乎一剑封喉。它在“脱先”时的那种气定神闲，宛如成竹在胸的世外高人，带给对手凛然的压迫感。无论接下来胜负如何，有一点已经可以肯定，阿尔法狗已经是无可争议的顶尖围棋高手，没有任何人敢于小觑它的 实力。至于未来，则必定属于它。 为什么人工智能与李世石的对弈如此牵动人心,如果对围棋缺乏了解，可能很难懂得个中奥妙。围棋是一种古老的策略游戏，胜负不仅取决于精妙的计算，还和棋手的个性修养、文化底蕴、临场状态等息息相关。从一个顶尖棋手的棋谱中，你几乎可以窥见他的小宇宙。曾经有一种观点认为，由于围棋的极度复杂性和深厚的文化秉性，人工智能几乎不可能战胜人类。但这一天终于还是来了，而且来得如此之快、如此之突兀。 高手对弈中，情感是一种强大的致胜因素。阿尔法狗的冷酷之处，是完全视人类情感如无物。它不屑于“试应手”之类试探人性的着法，而是表现出纯粹的理性，表现出一种奴役般的力量。或者换一种说法，在阿尔法狗那里，情感可以视为一种凭借“运算”就能准确把握的信息。倘若有一天它真的进化到这种程度，人性在它眼里很可能只是完美世界里的一种冗余程序，大可以一键删除。那不就是《黑客帝国》 曾经展现给我们的未来景观吗,在电影中，墨菲斯对尼奥说:欢迎来到实在界废墟。 从一盘棋的较量中，就推断出人类将会受到人工智能的奴役，可能太过于多愁善感。但从阿尔法狗的胜利中却可以清晰地看到，人工智能正在取得突破性进展。它正在大踏步走进人类曾经引以为傲的禁地，并表现出难以测度的潜能。谁知道它还能做些什么,谁能准确地预言它将给人类世界带来怎样的改变,甚至，谁知道 由人类发明出来的所谓“智能”概念，将被它拓展到何种境地,当图灵测试被提出来的时候，计算机还只是庞大、笨拙而又孤零零的机器，如果把引力波的发现和阿尔法狗的取胜看作两个相关联的“征兆”，也许可以预言，人类正处于科技大爆炸的前夜。人工智能的突破，有可能在很多领域引发链式反应，让人类科技呈指数级发展。以前只出现在科幻作品中的很多事物和场景，在不久的将来会变成现实。这是令人激动的，也是令人惶恐的。 由人类创造出来的人工智能，早晚会进化出自己的“思想”，这一点大概没有多少疑问。但是，它会进化出情感或者“超情感”吗,一个无所不能、无所不在的“大他者”，它会怎么看待人类的情感禀赋和伦理，无疑是一个极其深刻的哲学命题。你可以想象无数种答案，而每一个答案，都指向一个不同的未来。 有一天，当你在阳光中醒来，你的阿尔法管家已经给你端来了可口的早餐。这是惬意的清晨。当你在星光下春心萌动的时候，阿尔法管家又给你分配了一份适当的爱情。这是忐忑的夜晚。在你毫不知情 的时候，阿尔法管家早已替你设计了一个绿色环保无污垢且不可替换的人生。这是什么,这是梦魇。 现在，谁又好意思说阿尔法狗只是一台“机器”呢, 阿尔法狗完胜人类后 哪些饭碗是机器人抢不走的 机器人的智商不断提高，其灵巧性、柔韧性、智能性越来越好，所能胜任的工作范围也不断扩大，不仅能干重复性体力活，而且 在复杂的智能领域不断突破——围棋一直被看作机器人难以超越人类智慧的坚固堡垒，然而在3月，机器人AlphoGo在与韩国围棋高手李世石的对弈中取得胜利。照此发展，机器人似乎可以在任何领域抢走人类的“饭碗”了。但确实如此吗，有没有哪些岗位是机器人抢不走的呢? 拿手好戏是程序性工作 忽如一夜春风来，周围许多工作岗位已换上机器人，这种现象以往只是发生在工厂流水线，现在从物业保洁到餐厅服务员，从大型表演中的群体伴舞到医院里的医疗诊断，机器人 似乎已全面走进人们的日常工作和生活中。仔细分析一下就会发现机器人的“工作喜好”有规律可循，主要是程式性工作和智能性工作。 程式性工作是机器人的传统优势项目。受软件程序的驱动，工业流水生产线上的程式化工作，机器人全能胜任，无论是切割、焊接、装配、喷漆，还是包装、搬运等，都能比工人做得更精细、更精准、 更完美，而且它们还不怕脏、不怕累、不怕危险，在力所能及的范围内总是做得至善至美、无可挑剔。 近年来，智能性复杂工作也被机器人盯上。像智力抢答、下象棋等“脑力”劳动，流水线上那些工业机器人干不了，但对智能机器人来说就是小菜一碟。以往根据现场情况做出选择和判断是机器人缺失的一环，进入物联网、大数据时代，这个问题迎刃而 解:大数据能够告诉机器人以往人类的经验，物联网和传感器能延伸机器人的神经感知系统，这样机器人就会具备学习能力和自主判断能力。 围棋一直被看作机器人难以超越人类智慧的坚固堡垒，但谷歌的人工智能机器人已在比赛中战胜了世界职业围棋冠军。智能机器人综合智力正在接近人类，其灵活度、准确率和自主判断能力与人类相比有过之而无不及。譬如无人飞机、汽车自动驾驶设备，它们自行判断路线，躲避障碍物等，灵活得像生命体一样。 有了这样可观的智商，机器人自然能从事复杂的专业技术工作，如判断医学X光片准确率可达98%以上，超过专家水平;其他如行政人员、文书、老师、会计、新闻记者、律师、电话公司职员、麻醉师和外科医生、收银员、市场营销人员、客服人员、金融经济人和分析师等，许多常见工作智能机器人都可胜任。 难以取代人类的个性化和创意性 与人相比，机器人更便宜且具有不消极、不怠工、不抱怨等可爱之处，但是，无论是工业机器人还是智能机器人，毕竟属于“物”而