AI让世界燥起来

在前不久进行的当今围棋第一人柯洁对AlphaGo的人机大战吸引了不少人的眼光。最终,人类最强大的大脑,在围棋领域面对人工智能也宣告完败。围棋比赛,看似离我们的生活还比较遥远,或许还有很多人把这场全民关注的棋局单纯看成一场娱乐的表演秀。但对另外一些人来说,这是一个新时代的开端。

Geek - - Young -

机器会和我们一样思考?它比我们强大,不需要受情绪、感情和身体因素的影响,如果搭配一个强有力的大脑,还有什么是它不能做的?我们可以思考的问题,还有很多。AlphaGo究竟因为什么而如此强大,人类在机器面前是否就全无可以反攻的余地;除了下棋之外, AlphaGo还想告诉我们什么,它究竟能给未来带来何等改变;以及,下一场,人类和机器,又将在什么战局中对峙等等。或许我们对人工智能,并不是真的很了解。

要了解人工智能,我们还是先从AlphaGo是如何突破围棋说起。之所以科学家们都执着于让机器在棋牌类游戏领域内奋战,首先是因为棋牌类是人类智力活动的象征,它的宣传和号召能力自然也是其他运动所不能比拟的。其次是因为棋类非常适合作为AI算法的标杆。机器和人对弈,是一个博弈的过程,它具有抽象的特性,而棋牌游戏的规则非常明确,状态显示则比较明确,容易判断结果。

而在棋牌类中,围棋是非常难以攻克的一类。我们都知道,搜索算法的复杂程度取决于分支系数—也就是每一步棋可能的走法。相比起来,国际象棋的平均分支因子大约是35,而围棋的平均分支因子为250,一局步数为350步,搜索树有250^350个节点,单靠暴力计算并不可行,需要更加复杂和先进的搜索算法。所以多年以来,就没有出现过有竞争力的围棋程序。

而战胜众多棋手的A l p h a G o,使用的是蒙特卡洛树搜索算法,借助值网络(v alue network,用于形势判断)与策略网络(policy network,用于选点)这两种深度神经网络来下棋。简单来说,围棋的特性造成了机器无法进行暴力计算得出结果,那么AlphaGo在面对棋局时,她会模拟(推演)N次,选取“模拟”次数最多的走法,这就是AlphaGo认为的最优走法。而模拟的过程,则是AlphaGo通过监督学习(学习已有的棋谱,并掌握其中规律)和深度学习(自我博弈)得到的经验。因此,我们不能用当初“深蓝”用穷举法下国际象棋的傻楞模式来形容AlphaGo了,它已然进化成了能自我学习的“物种”,以前的机器只会计算,现 在的机器不但会计算还得学会如何高效率的计算,这也就是我们所说的人工智能。

虽然围棋的故事或许已经结束了,但技术的发展却永远不会止步,研究人员们早已将人工智能的触角伸向了诸多即将被颠覆掉的行业和领域。也许用不了多久,类似于AlphaGo打败人类这样的历史性一幕就会天天在你我身边上演。在游戏范围内,围棋已经被征服,研究者们又将目光投向了另一个门类—扑克。一款由阿尔伯塔大学计算机科学教授Michael Bowling带领的团队所开发的名为DeepStack的AI系统已经掌握了这项游戏,它不仅在一次匹兹堡赌场所进行的对战中击败了世界顶级的人类玩家,更是保持了45000场比赛全胜的纪录,根据研发团队的统计,DeepStack的胜率大概是专业玩家的9倍之多。 至于为什么会选择扑克作为AI发展的下一个突破口,主要在于它和象棋、围棋等棋类游戏相比,最大的特点就在于“不完全信息博弈”。类似于AlphaGo的AI系统可以轻易地在围棋比赛中击败对手,但却可能会在扑克赛中因为不确定因素的增加而受到干扰,进而无法作出正确的判断。

而和扑克极其类似的另一个门类就是知名的对战游戏—《星际争霸2》,考虑到其快节奏和复杂的游戏过程,DeepMind团队已经决定将其作为继围棋之后人工智能征服的下一个目标。在去年的11月,DeepMind已经宣布将会与开发《星际争霸2》的暴雪公司联手打造一款免费的API,来帮助研究人员测试《星际争霸2》人工智能算法,可想而知,一场在AlphaGo和顶级《星际争霸2》选手之间的比赛应该也很快就会上演。

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.