李世石簡介

李世石與AlphaGo對弈

李世石是李昌鎬之后，韓國最具代表性的棋手，他在2003年獲第16屆富士通杯冠軍后升為九段棋手。自2002年加冕富士通杯以來，十年時間里他共獲18個世界冠軍。李世石屬于典型的力戰(zhàn)型棋風，善于敏銳地抓住對手的弱處主動出擊，以強大的力量擊垮對手，他的攻擊可以用“穩(wěn)，準，狠”來形容，經(jīng)常能在劣勢下完成逆轉(zhuǎn)。

AlphaGo去年10月?lián)魯W洲冠軍

谷歌曾于2014年以4億歐元收購人工智能公司DeepMind。由DeepMind研發(fā)的AlphaGo項目已有兩年歷史，AlphaGo曾在去年戰(zhàn)勝了歐洲圍棋冠軍樊麾(職業(yè)二段)。

去年10月5日-10月9日，谷歌AlphaGo在比賽中以5：0的比分完勝了歐洲冠軍。除了戰(zhàn)勝人類外，AlphaGo還與其他的圍棋程序?qū)?zhàn)，獲得了500場勝利。

AlphaGo原理簡介

傳統(tǒng)的人工智能方法是將所有可能的走法構(gòu)建成一棵搜索樹 ，但這種方法對圍棋并不適用。此次谷歌推出的AlphaGo，將高級搜索樹與深度神經(jīng)網(wǎng)絡(luò)結(jié)合在一起。這些神經(jīng)網(wǎng)絡(luò)通過12個處理層傳遞對棋盤的描述，處理層則包含數(shù)百萬個類似于神經(jīng)的連接點。

其中一個神經(jīng)網(wǎng)絡(luò)“決策網(wǎng)絡(luò)”(policy network)負責選擇下一步走法，另一個神經(jīng)網(wǎng)絡(luò)“值網(wǎng)絡(luò)”(“value network)則預(yù)測比賽勝利方。谷歌方面用人類圍棋高手的三千萬步圍棋走法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，與此同時，AlphaGo也自行研究新戰(zhàn)略，在它的神經(jīng)網(wǎng)絡(luò)之間運行了數(shù)千局圍棋，利用反復(fù)試驗調(diào)整連接點，這個流程也稱為鞏固學(xué)習(xí)(reinforcement learning)，通過廣泛使用Google云平臺，完成了大量研究工作。

AlphaGo在與人的對弈中用了“兩個大腦”來解決問題：“決策網(wǎng)絡(luò)”和“值網(wǎng)絡(luò)”。通俗來說就是，一個大腦用來決策當前應(yīng)該如何落子，另一個大腦來預(yù)測比賽最終的勝利方。

值得一提的是，李世石也是第一次與機器對戰(zhàn)，所以他無法像和人類對戰(zhàn)那樣，先研究對方的棋譜和下棋風格。李世石所能做的就是和自己對弈。谷歌AlphaGo也是通過這種方式鍛煉自己，真正做到了“人工智能”。