当前位置 & &
& 计算机挑战人类：下赢国际象棋 却下不赢围棋...
计算机挑战人类：下赢国际象棋 却下不赢围棋
00:28:54&&出处：&&
编辑：雪花 &&)
让小伙伴们也看看：
阅读更多：
好文共享：
文章观点支持
当前平均分：0(0 次打分)
[01-01][01-01][01-01][12-31][12-30][12-30][12-30][12-30][12-29][12-29]
登录驱动之家
没有帐号？
用合作网站帐户直接登录国际象棋大师作弊：电脑将替代人脑？
　　即使电脑未来可以比人脑聪明或替代人脑，也意味着电脑永远是人脑的附庸，因为电脑是人脑创造出来的。在电脑或人工智能可以全面优于人脑之前，人脑也早就在为它们制定规则了。
　　近日，在迪拜国际象棋公开赛出现了惊人的一幕——26岁的格鲁吉亚国际象棋大师盖奥兹·尼古拉泽涉嫌在比赛中使用智能手机作弊。尼古拉泽最初否认指控，但手机里的社交媒体账号都是他的，而且手机安装的棋局分析应用软件也正在分析他的比赛。赛会认定尼古拉泽作弊，把他驱逐出了比赛。同时，尼古拉泽还将面临最高禁赛15年的处罚。
　　尼古拉泽用智能手机作弊，再次引出了一个话题：今天的人工智能是否已经超过了人脑？
　　人工智能或电脑其实就是人脑设计的电脑应用软件，所以经常有人提出，电脑是否会战胜人脑并最终替代人脑。在尼古拉泽作弊之前，已经有相当多电脑战胜人脑的经典案例。日，IBM设计的电脑棋手深蓝与国际象棋世界冠军加里·卡斯帕罗夫进行对决。卡斯帕罗夫不幸被深蓝击败。日，首届中国象棋人机大战在北京奥体中心进行，对手是中国设计的超级电脑浪潮天梭和以徐天红、柳大华为代表的5名中国象棋大师。经过两轮紧张激烈的酣战，浪潮天梭以5.5比4.5战胜了人脑。最令人叹息的是，2011年1月，在美国益智类电视节目《风险》中，经过3天人机大战，最终电脑战胜了人脑。
　　即便有这么多经典案例，但也并不意味着电脑战胜了人脑。
　　首先，人脑和电脑之间博弈是不公平的。沃森是由10台IBMPower750服务器组成的，这意味着在沃森的背后有2800个专家在帮助它理解、分析问题，并迅速作答。但是，詹宁斯和拉特并没有助手，他们不能在现场求助上千个专家。
　　超级电脑浪潮天梭是中国人工智能、高性能计算机，共装有64个并行处理器，相当于64人与一人下棋。战胜国际象棋特级大师卡斯帕罗夫的深蓝有32个并行处理器，相当于有32名高手在帮助它，而人类棋手则只有一人。
　　其次，电脑的优势只体现在较有规律的博弈上，如国际象棋，但对于更为复杂的围棋，电脑目前还很难战胜人脑。围棋总体上是一种立体交叉的“全球战争”，几乎无规律可言。但国际象棋则有无数的规律，每个棋子只能按照一定的规则行进，如象走斜线，马走L线。所以，按规则设计的软件是有可能打败人脑的，这也是尼古拉泽向棋局分析应用软件求助的原因。
　　电脑并不能替代人脑的原因还在于，电脑并不能完全懂得人类语言。要理解人类语言中的隐语、双关语、比喻义、引申义、反语和谜语等就更困难，这就使得为计算机的编程非常重要。从本质上来看，让电脑弄懂人类的语言实际上也是人脑在操控电脑。
　　不过，认为电脑或人工智能最终可以战胜并替代人脑的也大有人在。有人认为，按照摩尔定律，人类有望在22世纪开发出能够战胜人脑的电脑围棋手，到2045年机器人将比人类更聪明。因为，技术发展的奇点在若干年后可能出现。
　　然而，现在的尼古拉泽只不过是想借助棋局分析应用软件，即借助更多的人脑来作弊，算不上是战胜人脑。即使电脑未来可以比人脑聪明或替代人脑，也意味着电脑永远是人脑的附庸，因为电脑是人脑创造出来的。在电脑或人工智能可以全面优于人脑之前，人脑也早就在为它们制定规则了，就像阿西莫夫的机器人三定律一样，电脑只会永远服从于人，而不会对人造成威胁。张田勘（学者）
[责任编辑:自学72小时 计算机成了国际象棋大师_网易科技
自学72小时 计算机成了国际象棋大师
用微信扫码二维码
分享至好友和朋友圈
20 年前，IBM 的深蓝战胜了国际象棋冠军卡斯帕罗夫，让人们感受到了计算机的强大。20 年后的今天，计算机的下棋能力更是突飞猛进了。不过，尽管计算机的速度越来越快，它下棋的方法却没有什么变化，基本还是靠蛮力，就是说，它会快速搜索所有可能的棋步，然后做出最好的选择。与计算机相比，人类有着不同的思维方式。通过对棋局的判断，人类能够找出最有利的选择。据&Technologyreview 网站报道，伦敦皇家大学的 Matthew Lai 把人工智能技术用于象棋引擎的构建。他开发的象棋引擎 Giraffe 能够像人类一样思考。与传统象棋引擎完全不同，Giraffe 可以对棋局做出判断，自己学习下棋技巧。自完成之日起，Giraffe 下棋的水平就等同于最好的传统象棋引擎。与人类相比，它的水平等同于国际棋联的“国际象棋大师”。Giraffe 背后的技术是神经网络。在处理信息的方式上，神经网络是模仿人脑的。它拥有许多层的节点，而且，通过训练，这些节点的连接方式会发生改变。在训练神经网络的时候，Lai 采用了来自真实比赛的数据，确保棋局是合理而且可能出现的，同时，他也使用了许多不常见的棋局。这是因为，虽然通常不出现在比赛中，但是，它们可以缩短计算机内部检索的时间。从计算机象棋游戏的数据库中，Lai 随机选择了 500 万个棋局，然后，他为每个棋局增加了一个合理的棋步，最终生成 1750 万个棋局。最后，他让 Giraffe 自己下棋，改善其判断能力，更重要的是，让其能够拥有自我学习的能力。Lai 使用了一套名为 Strategic Test Suite 的标准数据库测试 Giraffe。这套测试的最高分数是 15000 分。在自主学习阶段，Giraffe 很快就达到了 6000 分，72 小时之内达到 9700 分。这已经赶上目前最好的象棋引擎了。
当然，Giraffe 也有自己的缺点。神经网络的运算速度比较慢，因此，与其它象棋引擎相比，Giraffe 搜索速度要慢上 10 倍。尽管如此，它仍然是有竞争力的。“与现在的多数象棋引擎不同，Giraffe 的优势不是来自于非常的远见，而是精确评估棋局的能力。人类能够很自然地理解复杂的位置概念，但是，象棋引擎长期以来都缺乏这种能力，” Lai 说，“这在开局和残局阶段特别重要。在这两个阶段，它的表现特别好。”图片来自&fansshare
本文来源：爱范儿
责任编辑：王晓易_NE0011
用微信扫码二维码
分享至好友和朋友圈
加载更多新闻
热门产品:　　　
:　　　　　　　　
:　　　　　　　　　
热门影院：
阅读下一篇
用微信扫描二维码
分享至好友和朋友圈人机对战简史：从国际象棋到德州扑克
二十年的时间里，从国际象棋到德州扑克，人机对战背后，机器是怎样进化的？
作者 | 一柳一柳是否一柳 邓婧
文章转载自 顶楼TopView
2017 年 4 月 6 日到 10 日，由卡内基梅隆大学开发的人工智能 Libratus（“冷扑大师”）将在海南与六位中国的德州扑克选手进行为期五天，累计长达 45 个小时的德州扑克人机对战。
这是继 AlphaGo 在围棋领域大杀四方之后，AI 对人类新的挑战。本文将为您梳理，在过去二十年的历史中，人机对战经历了哪些关键节点，AI 又发生了怎样的进化？
国际象棋人机对战
关键词：计算力
1996 年 2 月，美国费城，一场在当时被称作 “世纪大战” 的较量。
国际象棋世界棋王卡斯帕罗夫面对的挑战者，并不是人。
卡斯帕罗夫的对手是 IBM 的超级国际象棋电脑 “深蓝”，为了这次较量，后者早已做足了准备。
在国际象棋每一个回合中，一个玩家可以有大约 35 种不同的行棋选择，这些选择推导结果是单线程的，从 A 到 B 到 C 的推导选择。随机不可控因素更小，也不存在局部的输赢影响整体战局的关系。对局双方的决策能够更直接地控制整个局面的走势。
也就是说，国际象棋的比赛，很大程度上是棋手计算力的较量。
为了能比对手——世界棋王卡斯帕罗夫——多算准一步，深蓝中，用C语言输入了一百多年来优秀棋手的两百多万场对局。这台电脑重 1270 公斤，有 32 个节点，每个节点有 8 块专门为进行国际象棋对弈设计的处理器，运行速度达一亿次每秒。
1997 年电脑深蓝首次战胜国象棋王卡斯帕罗夫
然而在 1996 年的这场 6 局比赛中，深蓝最终以 2:4 落败。
首次挑战失败后的一年里，IBM 的工程师们将 “深蓝” 的运算速度又提高了一倍，达到两亿次每秒。但深蓝并非计算机的王者。事实上。深蓝的运算能力当时在全球超级计算机中居第 259 位。即便这样，深蓝仍然可以算出所有路数来选择最佳策略：新的深蓝靠硬算可以预判 12 步，而卡斯帕罗夫只能预判 10 步。
1997 年 5 月，深蓝再次挑战棋王卡斯帕罗夫。在前五局 2.5 对 2.5 打平的情况下，棋王第六盘决胜局中仅仅走了 19 步，就败给了深蓝。最终深蓝电脑以 3.5:2.5（1 胜 2 负 3 平）获胜，成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。
比赛结束后，“深蓝” 小组公布了一个秘密，每场对局结束后，小组都会根据卡斯帕罗夫的情况相应地修改特定的参数，“深蓝” 虽不会思考，但这些工作实际上起到了强迫它 “学习” 的作用，这也是卡斯帕罗夫始终无法找到一个对付 “深蓝” 的有效办法的主要原因。
电视问答节目对战
关键词：自然语言理解，数据库，计算力。
2011 年 IBM 的超级计算机 Watson，宣布参加美国综合挑战节目《危险边缘》。这档电视问答节目自 1964 年开播，游戏里的问题包罗万象，几乎涵盖了人类文明的所有领域。
节目《危险边缘》中 Watson 遥遥领先
人类选手詹宁斯和鲁特都是这个领域的顶级高手。前者曾创下连续 74 场赢得比赛的纪录，后者在比赛中共拿到 325 万美元奖金，但仍然不是 Watson 的对手。比赛进行到第三天，Watson 以 41413 美元的分数锁定胜局，而两位人类选手分别仅获得 19200 美元和 11200 美元。
Watson 的胜利背后，是一个挑战和两个优势。
Watson 面临的首要问题就是自然语言理解。能否与主持人互动，理解主持人自然语言的语义和语气，甚至区分问题里的双关，隐喻等信息，是 Watson 能够做出回答的前提。
突破了这一关之后，Watson 就如鱼得水了。首先，它拥有一个强大的信息来源。其中包括百科全书、字典、词典、新闻和文学作品，还包括数据库、分类学和本体论。虽然在比赛中没有连接互联网，4TB的磁盘上仍有2亿页结构化和非结构化的信息供其使用。
其次，它还有强大的计算能力。
Watson 基于 16TB 内存、2880 个 Power 7 系列处理器——当前架构中最强的处理器。这就意味着 Watson 的快。第一是检索快，它能够在 3 秒内检索数百万条信息，并选择三个可能性最高的答案；第二是判断快，它能够迅速结合场上情况做出抢答与否的决策；第三是抢答快，当其中一个答案的可能性超过 50% 后，立即启动抢答。它超越人类的抢答速度主导了整场比赛。
AlphaGo与围棋人机大战
关键词：深度学习，神经网络
围棋曾经是人工智能遥不可及的战场。
国际象棋中，平均每回合有 35 种可能，一盘棋可以有 80 回合，而围棋每回合有 250 种可能，一盘棋可以长达 150 回合。同时，一场围棋比赛中出现的不同局面多达 3 的 361 次方种。
李世石与 AlphaGo 对决以 1：4 告负
此外，围棋博弈是多个局部战争合成的最终结果，同时局部之间相互影响，无法被算法穷举。更专业点说，围棋难的地方在于它的估值函数非常不平滑，差一个子盘面就可能天翻地覆。
谷歌的 AlphaGo 程序突破了传统电脑的 “固定” 程序逻辑，融入了深度学习和神经网络的能力。这个深度神经网络由策略网络和值网络两部分组成，策略网络负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的。这样 AI 就可以重点分析那些有戏的棋着。值网络负责减少搜索的深度——AI 会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑。
AlphaGo 利用这两个工具学习了人类所有的棋谱，经过了几千万次的自我对弈与学习，不仅能够模仿人类棋手的思考，甚至已能够超越。2016 年 3 月，在与 AlphaGo 对决的人机大战中，来自韩国的世界围棋冠军李世石以 1：4 告负。
除了计算能力外，这场比赛还暴露出机器的其他优势：赛场上，人会因为比赛环境和压力等外部或情绪因素影响判断，而机器不会；在数小时的鏖战中，人会因疲倦而分神，机器却能永远保持专注。赛场外，人每天可做的练习是有限的，AI 则能以上万倍于人类的速度练习。
李世石在比赛后接受采访时说道：“要适应与 AlphaGo 的比赛，首个挑战就是心理方面，需要非常专注。我继续和它下不一定能赢，因为无法比它更专注，这些方面是赢不了它的。”
2017 年 3 月，AlphaGo 的升级版 Master 横空出世，通过下快棋连胜职业高手 60 盘，其中就包括了中国最强棋手柯洁。
AlphaGo2.0 发布于 2017 年年初，相比于 1.0，这个版本能称得上真正的 “自我学习”。1.0 版本的 AlphaGo 以人类所有棋谱为蓝本，AlphaGo 再怎么走也只是算出了人类棋手曾走过的某一步，顶多算是个完美的 “人类棋手”。而 2.0 版本 AlphaGo 就利用这个“完美棋手”的估值函数自我对局和 “深度学习”，超出了人类棋谱的范围，是真正机器算出来的棋法。
2017 年 4 月，AlphaGo 还将有一场与柯洁的人机对战，这或许将会是人机在围棋领域的最后一战。
德州扑克人机大战
关键词：不完美信息的博弈
2017 年 1 月 11 日至 1 月 30 日，美国卡内基梅隆大学开发的人工智能 Libratus（“冷扑大师”）与 4 名人类顶尖德州扑克选手之间的 “人机大战” 在美国匹兹堡进行，经过了为期 20 天，总计对战 12 万手牌的赛程，最终人工智能取得胜利。
与之前和人类在棋类的竞赛中比拼智力不同，AI 在德州扑克项目上挑战人类反映了 AI 更值得关注的进化方向。
围棋、国际象棋比赛中双方所有信息一览无余，本质上是对称信息的博弈，而德州扑克是信息不对称的博弈，每个选手只能看到自己的手牌。这就决定了人工智能首先需要面对大量不完整的信息。
因此，德扑背后是一个大型的 AI 谈判算法。“冷扑大师” 并不基于大数据、深度学习、强搜索等传统 AI 方法；而是基于博弈论，直接在比赛同时动态优化胜率最高的数学模型。这其中不仅包含了概率统计和运筹策略，也包含了巨大的信息处理计算量。CMU 计算机学院院长 Andrew Moore 在接受采访时说道：“冷扑大师的程序如果要让人类去计算，大概得花人类 1000 万个小时。”
与此同时，冷扑大师也面临着挑战。德州扑克更接近人性，因为信息是有隐藏的，牌手可以诚实地表达，也可以欺骗地表达，即德州扑克中的诈唬（bluff）技术。而机器明显无法通过对手的动作表情判断对手牌的强弱，也无法通过肢体、神态表演来蒙蔽对手。
在对赛中，冷扑大师无法使用德州扑克中的诈唬技术
百度首席科学家吴恩达（Andrew Ng）就曾指出，“扑克（不完美信息博弈）是人工智能最难攻克的游戏之一。每一步没有所谓的最优解，人工智能要采取随机的策略，这样它诈唬的时候对方才会吃不准。”
相比围棋 AI，德州扑克 AI 应用空间更广泛。现实世界中，不完美信息博弈才是常态，例如在商业谈判、医疗方案制定等领域，这些过去被认为人类拥有独特优势的领域，未来都会面临机器的挑战。
从 1996 年到 2017 年，人工智能与人类的四次竞赛从侧面反映出了 AI 的进化：从计算能力超越人类到学会自然语言理解，再到深度学习直至掌握不完美信息博弈的能力。在这 21 年中，机器不仅智商越来越高，在情商上也越来越不输于人类。尤其是当 AI 在其最难攻克的游戏德州扑克上与人类叫板，这意味着什么，又将带来哪些机会和挑战？
4 月 10 日上午 10 点到 12 点，极客公园将携手创新工场，和德州扑克 AI “冷扑大师” 背后的主创团队卡内基梅隆大学计算机系教授 Tuomas Sandholm ，创新工场董事长李开复博士及五位国内科技公司创始人一起探讨 “冷扑大师” 背后的技术逻辑以及 AI 会在未来产生哪些更深层次的影响。
这是极客公园前沿社组织的第一次闭门交流。极客公园前沿社是一个企业家社群，通过前沿的技术交流和最有效率的学习机制，帮助企业家自我提升，发现商业创新的新可能！欢迎关注极客公园前沿社公众号和访问官网 f.geekpark.net，在这里收获独家深度内容，共同思考，一起刷新认知。
责任编辑：
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。卡尔森谈国际象棋、电脑和卡斯帕罗夫
最近，挪威棋手卡尔森接受俄罗斯职业国际象棋网站（ChessPro）记者阿纳托夫的采访，谈到了国际象棋，电脑和卡斯帕罗夫，披露了他的国际象棋生活中一些鲜为人知的细节，生动有趣：
一、关于国际象棋&&&
记者：你在国际象棋上花多少时间？
卡尔森：这对我来说很难计算。我在参加比赛时，国际象棋占用了我全部时间。达到了这样的程度，我把100%的精力全都用在国际象棋上。我关了电视，断了电话。对于人们来说，我不存在了......而回到家呢？如果没有训练计划，没有即将要参加的比赛，我根本不研究国际象棋。
记者：一点都不研究吗？
卡尔森：绝对不！
记者：你不以某种方式保持你的竞技状态？
卡尔森：这么说吧，如果我想，我会看看我感兴趣的东西，或者下载最新的棋局，我不知道，没有什么特别的。没有目的性很强的工作。也许这看起来有些离奇。但仅仅是看看棋局，我获益就很大。我不分析这些棋局，我不会打开引擎来分析。我只是让棋局一步一步地进行，看看有什么新的想法，谁在下，下什么......
记者：这些可是出自等级分世界排名第一的人之口！
卡尔森：这么说，每个人都有自己的方式，又有谁知道其他人是怎么用他们的时间呢，例如阿南德、克拉姆尼克、阿罗尼安......
二、关于电脑对提高国际象棋水平的帮助&&&
记者：如果你手头没有一台电脑，你的国际象棋水平发展是否会更慢些？
卡尔森：我不知道，我从没有想过这个问题。对我来说（注：卡尔森不再想这个问题），电脑没有什么根本性的影响，对我个人而言。
记者：这令人难以置信。你的突出之点，恰恰在于任何一种局面，你只要看上一眼，就知道如何防守，你的计算如同“丑陋的“机器一样精准....
卡尔森，但这却是事实。在我学棋的早期岁月里，我基本上没有用过电脑，也没有用过电脑棋库。当时，我只是简单地在自己面前摆一个棋盘，一边看书一边摆上棋谱，一招一式进行研究。头一次我用上电脑，那是为了在互联网上下国际象棋。那时我大概11岁或12岁，我还不知道什么叫‘CHESSBASE’。我知道，我这么说，有人会不相信。许多人把我看作是‘电脑国际象棋’的产物，但事实上并非如此。我甚至可以说，我不会操作电脑，这让我早期的教练们感到非常惊讶。我什么都不会，无法在电脑上摆出我已下过的棋和我的分析。
三、关于卡斯帕罗夫&&&
记者：你和他（卡斯帕罗夫）一起研究棋最大的收获是什么？
卡尔森：多亏他，我开始对一系列局面有了更好的理解。显然，他知道的东西要远远比我多…
有时候，要跟上他的分析速度和深度是很难的，但更多的时候我们是在同一个波段上。我能说的是，这对我来说是一个独特的经历。卡斯帕罗夫给了我许多实实在在的帮助。
在最近的伦敦经典大赛上，卡斯帕罗夫和卡尔森亲切交谈
记者：他是否对你的开局准备水平感到惊讶？
卡尔森：是的，他对我很快就能用上他的开局准备感到惊讶。但是我们的关注点不是这个。他与我分享他进行开局准备的工作方法，我非常感谢他。多
亏他，我在这个领域获得了进步。
记者：他46岁，依然精力充沛，你是否对此惊奇？
卡尔森：是的，他是一个精力充沛的人，他看起来很强硬，实际上只是同你分享他的观点，但在客观事实上，他在发号施令，告诉你该怎样做......
记者：对于你和卡斯帕罗夫的合作关系结束，你感到遗憾吗？
卡尔森：我不知道，现在是什么都可能的时代，卡斯帕罗夫和我以友好的方式分开的，互不攻击。我把他看作是给了我很多有用知识的人。我想，对他来说这个合作也是有趣的。没有人能说出来如果我们继续合作，现在的情况会怎么样。从我现在的情况看，我觉得分开是正确的一步。
比较中村光对卡斯帕罗夫的评价，特别是他说卡斯帕罗夫只是开局厉害、中局不行的那段话()，可见师徒有感情和师徒没感情是不大一样的。
卡尔森的国际象棋等级分现在是世界排名第一。他对卡斯帕罗夫虽然也有些看法，但主要是对他的教学风格，他没有质疑过卡斯帕罗夫在国际象棋上的能力。
中村光现在还没有怎么着，就开始对卡斯帕罗夫评头论足了。至少从中国人的观点来看，是大逆不道也！
相比之下，卡尔森的人品不错，厚道！孺子可教也！
(in Russian)
我的更多文章：
( 02:18:38)( 11:42:59)( 11:40:07)( 09:29:36)( 13:23:31)( 20:36:54)
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。