close
在 Facebook 創辦人兼 CEO Mark Zuckerberg 發文對外宣稱將讓其發展的人工智能能在圍棋比賽中打敗人腦之際，Google 卻已經先一步達成目標，而且對外發佈的時間還差沒多靜電機租賃久，看來在人工智能這環，Google 已完全搶在前頭。
台北靜電油煙處理機租賃
訓練人工智能系統最佳的利器就是玩遊戲，如此一來，系統就能發展出更聰明且彈性化的演算法，讓它更貼近人類的思惟模式。然而，自人工智能發展幾十年以來，科學傢所研發的人工智能系統已能打敗許多由人類操作的遊戲，卻沒有辦法突破起源於中國的古老遊戲─圍棋。Google 為瞭打破這樣的迷思，研發出一套人工智能系統 AlphaGo，期望能跨越圍棋對人工智能發展所樹立的障礙。
圍棋創立至今已超過 2,500 年，規則雖簡單卻能有超過 700 種局面的變化，每一步棋都可能讓盤面翻轉，下棋的人需要縝密的思慮才有可能贏過敵方，連孔子都曾稱贊過下棋的美學。但也因這變換多端的局面，圍棋成為瞭科學傢最頭痛的桌上遊戲，該怎麼研發出夠細心的人工智能系統，打敗人類操控的棋局，更是研發中的難處之一。
目前為止，現有的人工智能系統隻能達到與圍棋業餘等級差不多的程度，專傢更認為，至少要花上將近 10 年的時間，才能讓人工智能追趕上並打敗專業的圍棋選手。Google 更在 27 日在博客上對外表示，他們將打敗圍棋專業選手視為一個不可抗拒的挑戰，目前正著手研發瞭一套人工智能系統 AlphaGo。
這套系統的關鍵，就在減少原先在搜索時所占用的龐大空間，轉而變成較能掌握的事情。而為瞭要能達成這樣的效果，AlphaGo 結合最新的樹狀搜索技術與兩種深度學習網絡，其中，每一種網絡都有非常多層涵蓋瞭百萬種像神經一般的鏈接。其一深度學習網絡稱為“策略網絡（policy network）”，能夠預測下一步並縮小搜索范圍，讓接下來的每一步都能朝致勝更邁進。另一個則是“評估網絡（value network）”，能減少在樹狀搜索時的深度，評估贏傢在每一個情況下最好的下法。
AlphaGo 突破瞭以往的人工智能系統，演算法又更貼近人類的思惟，Google 不使用 Facebook 研發人工智能時所運用的蒙地卡羅樹狀搜索（MCTS），反而用瞭機器學習來引領 AlphaGo 的搜索。透過上述的兩種機器學習網絡，AlphaGo 比其他系統更能抉擇出更好的下一步，引領自己在圍棋比賽中勝出。
Google 在訓練 AlphaGo 時，先以人類專傢下圍棋的 3,000 萬種步驟訓練“策略網絡”，直到此人工智能系統能準確預測 57% 人類下棋的步驟。但 Google 也不以此滿足，不達贏過人類玩傢的目的永不罷休。為瞭達到目的，Google 讓 AlphaGo 的“策略網絡”玩好幾千把的圍棋，並在這過程中習得自己發現新下棋策略的能力，再搭配強化學習的方式逐漸改進下棋的方式。最後，Google 更驕傲的表示，AlphaGo 目前已能打敗所有用樹狀搜索所建立的人工智能系統。
更厲害的是，這個接受過訓練的“策略網絡”，還能反過來訓練 AlphaGo 中的“評估網絡”，讓它能評估所有圍棋中可能出現的局面，進而評估最後的贏傢會是誰，顛覆瞭原本被認為不可能發生的事情。
然而，要想達到這樣的結果必須要有非常強大的運算能力，所以 Google 團隊更運用瞭 Google 雲端平臺，讓這些研究人工智能與機器學習的學者能隨時彈性的運算、儲存以及取得網絡容量。除此之外，有瞭運用數據曲線圖的數字運算新開放源代碼數據庫，就能允許研究學者在不同的 CPU 和 GPU 上，更有效的支配其學習演算法的運算方式。
而為瞭證明 AlphaGo 能贏過市面上其他的人工智能系統，Google 更用它來與其他系統玩遊戲，結果證明，即使 AlphaGo 讓他們四步還是能贏過所有的系統。除此之外，AlphaGo 還推出瞭高性能版本，其成效更可以說是無人能敵。
▲ Google 制作 AlphaGo 程度圖表。（Source：Google Research Blog） Google 並不以此滿足，他們要的是能擊敗真人的人工智能系統。於是，他們邀請瞭曾經贏得 3 屆歐洲圍棋杯冠軍的樊麾與 AlphaGo 競賽。樊麾自 12 歲起就開始接觸圍棋，生涯中贏得的獎杯已不可數，更是圍棋界中的佼佼者。在 2015 年 10 月 5-9 日進行的比賽中，樊麾卻以 0：5 的比數慘敗給 AlphaGo，這也成為電腦程序率先贏過專業圍棋選手的第一例。
▲ AlphaGo 與樊麾競賽的影片。（Source：Google） 而 AlphaGo 下一個挑戰就是要與在過去 10 年間最頂尖的圍棋選手李世乭比賽，這場比賽將於今年 3 月在韓國首爾舉行。李世乭也很興奮的接受挑戰並表示：“我很高興我成為能與他對決的選手，但我也很有信心我能贏得這場比賽。”而這絕對將會是一場史無前例的比賽。
Google 也在最後表示，他們很開心能打造出 AlphaGo 這套系統，但他們並不想讓它被定位成一個手工打造的專傢系統，而是一種藉由純粹的觀賞與玩遊戲的方式，運用機器學習讓它能改進自己的下棋技巧的人工智能系統。他們最終想完成的並不隻是玩遊戲而已，而是要能將人工智能運用在解決真實世界的問題中，幫助人類解決煩惱。
AlphaGo: Mastering the ancient game of Go with Machine Learning
（首圖來源：Flickr/Chad Miller CC BY 2.0）
延伸閱讀： Facebook 人工智能系統新目標：和人類比下圍棋 Netflix 創辦人：未來將會是基改人類與人工智能的競賽 Google 老板 Eric Schmidt：開發人工智能的 3 個原則 關於 最新文章 林 亞慧平時喜歡關註 3C、科技新聞，也愛看電影和小說來當生活消遣，希望用淺顯易懂的文字就能簡單傳達自己對於科技的熱忱。 Latest posts by 林 亞慧 (see all) 康寧在 CES 2017 展示玻璃概念車，用大猩猩玻璃制造汽車擋風玻璃 - 2017 年 01 月 09 日 主播報導新聞的一句話，竟意外觸動觀眾傢中 Alexa 語音助理購買162 美元娃娃屋 - 2017 年 01 月靜電油煙處理機出租 09 日 從火星看地球與月亮會長怎樣？NASA 拍下罕見照片給你看 - 2017 年 01 月 08 日 未經許可，任何媒體、網站或個人不得復制、轉載、或以其他方式使用本網站的內容，違者必究。
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
