网站首页 > 技术文章 正文
这两天,世界围棋第一人柯洁的心情可能不太美妙。1月17日,在棋圣战八强比赛中,柯洁不敌另外一位棋手范廷钰,失去了争夺80万冠军奖金的资格。同一天晚上,在野狐围棋平台上,挑战围棋人工智能程序“绝艺指导A”,但只对弈了77手,便直接认输了。
对于围棋人工智能来说,能战胜人类棋手,已经不是新鲜事。但这一次,在“绝艺”与柯洁的对战过程中,存在让子(让二子,相当于黑贴6目半)的情况,因此也创造了顶级职业围棋手,在让子棋中第一次负于围棋人工智能的情况。
柯洁与“绝艺”对战被让二子
柯洁告负也引发了另一个讨论:未来人机大战的悬念,是否会变成人工智能让几子,人类才能稳赢。
柯洁被让二子,77手告负
在当天野狐围棋平台的挑战中,柯洁先赢下芈昱廷九段。心情大好的他,面对网友们的期待:“和绝艺指导A下一盘”,欣然应允,向“绝艺指导A”发出对局邀请。更让人惊讶的是,这一次,柯洁放下了身段,接受了让子,先在棋盘中放下了两颗黑子。
这样的行为经过互联网的传播后,引发联动效应。柯洁“迷弟”古力九段第一时间在自己的社交账号上表示:“这必须看啊。”
古力微信截图
只可惜,比赛结果让看热闹的围观群众失望了。开局,柯洁执黑主动在右上角引诱白棋冲断,激战不断。对杀过程中,双方下到60手后,白棋一手猝不及防的“打二还一”奠定了优势。对弈到77手时,或许是对自己的表现太过失望,柯洁直接认输。
在柯洁落败一个小时后,连笑九段跟进挑战,但结果并没有反转,247手后,连笑中盘告负。
柯洁微博截图
挑战失败后,1月19日,柯洁在自己的微博账号上表达了心情:“以后请叫我佛系棋手... ”,并贴出微信对话截图称:“后面亏了一大堆,突然一生气就认输了。”
柯洁微信截图
国产围棋AI的进步:强在哪里?
那么,这次在野狐围棋平台上的让子挑战,为何能引发围棋界如此大的轰动,和以往正常对弈情况下的人机比赛有哪些不同之处?
在回答上述问题前,我们可以回顾下“绝艺”的成长过程。“绝艺”是腾讯AI Lab于2016年初开始研发的围棋人工智能程序。2017年相继在“UEC杯”和“AI龙星战”等世界计算机围棋大赛上斩获冠军。在2017年11月,“绝艺”在腾讯围棋对顶尖职业棋手取得59连胜,并让二子战胜“绝艺”UEC版,以60连胜完成版本升级。2017年12月,在海南三亚举办的“绝艺挑战赛”上,绝艺战胜腾讯围棋锦标赛的冠军童梦成六段和亚军连笑九段。2018年1月9日,“绝艺”开始让二子对决职业棋手的行程。
据腾讯AI Lab介绍,此次与柯洁等职业棋手对弈的“绝艺”挑战赛版,参考了2017年10月公开的AlphaGo Zero论文,并在实践中做出了改进。这个版本使用了40 block dual-resnet模型,以老版本的绝艺为基础进行强化学习,自对弈了数百万棋局,在有限的资源和时间内,通过把强化学习和监督学习相结合来加速训练,快速提升了棋力。
在正常的人机对弈情况下,一开始双方赢的概率相同。但人工智能以赢棋为目标,当系统显示的胜率很高时,人工智能系统会出现下哪里都能赢的情况,它们有时候可选择赢得不多的走法。
但在让子的情况下,一开始,围棋人工智能就处在胜率过低的情况。对于这一点,腾讯AI Lab这样解释:以绝艺海南挑战赛版本为例,这是一个分先版本的人工智能程序,如果要求其以让二子开始对局,则初始胜率为7%(让三子则初始胜率1%,让四子则初始胜率0.1%)。并且实力越强的版本,下让子棋时的初始胜率就越低,因为程序在下棋时会假设对手跟自己一样。
“初始胜率过低将导致AI不能发挥出真正的实力,这也是现在绝艺让二子还不能全胜的原因。我们最近在尝试优化算法,来解决胜率过低带来的负面影响,争取以后在让子棋里有更好的表现。” 腾讯AI Lab称。
AlphaGo已如此强大,国产围棋AI的研究意义又在哪?
自AlphaGo横空出世,它在围棋领域就所向披靡。在完成了战胜李世石、柯洁两位世界顶级棋手后,不断自我进化,无师自通,变成了最强的AlphaGo Zero,成为“围棋之神”。此后,AlphaGo还推出了围棋教学工具,“反哺”人类。
完成这一列“大神”级别的操作后,DeepMind公司终于宣布会暂停人工智能在围棋领域里的研究,将精力转向其他方向。那么为什么腾讯还要继续选择更新“绝艺”呢?
首先,腾讯董事长马化腾曾经公开说过,“绝艺”代表着腾讯AI工程化的能力。
其次,腾讯AI lab主任张潼也在多个场合表示,腾讯AI lab主要有三个研究方向,分别是游戏AI、社交AI、内容AI。显然,这三个方向紧扣腾讯目前已有的业务和产品,而“绝艺”属于游戏AI的一部分。投入对“绝艺”的研发,也符合腾讯AI in All的战略。
另外,腾讯AI lab还表示,“绝艺”也是腾讯推进前沿科技赋能国粹文化的代表。让子棋是人类通过人工智能不断探索围棋边界的范例。人工智能的每一次进步,都是人类智慧的进步。回顾“绝艺”从研发到成长的过程中,始终与柯洁、古力等世界棋坛高手密切交流与切磋,还开发了指导棋、棋赛讲解等功能,不仅帮助提升棋力,也深受广大棋迷喜爱和关注。未来,腾讯将继续加大对围棋AI的研究与投入,打造世界级围棋AI能力与推广,更在AI上推进深度学习等前沿AI科技的研究与应用。
猜你喜欢
- 2024-10-18 Google人体图像分割模型Bodypix再次更新,720p/30fps流畅运行
- 2024-10-18 机器学习也能套模版:在线选择模型和参数,一键生成demo
- 2024-10-18 教程|如何在单块GPU上训练大型深度模型?
- 2024-10-18 模型难复现不一定是作者的错,研究发现模型架构要背锅丨CVPR 2022
- 2024-10-18 ML系统与架构小组:如何在单块GPU上训练超大型深度学习模型
- 2024-10-18 使用VGG16,VGG19和ResNet50预训练模型进行神经风格转换实验
- 2024-10-18 101.人工智能——构建残差网络ResNet18网络模型
- 2024-10-18 腾讯开源业内最大多标签图像数据集,附ResNet-101模型
- 2024-10-18 从头开始实施ResNet模型 resnet谁提出的
- 2024-10-18 从头开始利用Python实现ResNet模型
你 发表评论:
欢迎- 11-19零基础学习!数据分析分类模型「支持向量机」
- 11-19机器学习 | 算法笔记(三)- 支持向量机算法以及代码实现
- 11-19我以前一直没有真正理解支持向量机,直到我画了一张图
- 11-19研一小姑娘分享机器学习之SVM支持向量机
- 11-19[机器学习] sklearn支持向量机
- 11-19支持向量机
- 11-19初探支持向量机:用大白话解释、原理详解、Python实现
- 11-19支持向量机的核函数
- 最近发表
- 标签列表
-
- oraclesql优化 (66)
- 类的加载机制 (75)
- feignclient (62)
- 一致性hash算法 (71)
- dockfile (66)
- 锁机制 (57)
- javaresponse (60)
- 查看hive版本 (59)
- phpworkerman (57)
- spark算子 (58)
- vue双向绑定的原理 (68)
- springbootget请求 (58)
- docker网络三种模式 (67)
- spring控制反转 (71)
- data:image/jpeg (69)
- base64 (69)
- java分页 (64)
- kibanadocker (60)
- qabstracttablemodel (62)
- java生成pdf文件 (69)
- deletelater (62)
- com.aspose.words (58)
- android.mk (62)
- qopengl (73)
- epoch_millis (61)
本文暂时没有评论,来添加一个吧(●'◡'●)