電腦有望在圍棋上戰(zhàn)勝人類
來源:站長新聞AiWeTalk的空間 2014-12-17
IBM的深藍(lán)曾經(jīng)戰(zhàn)勝國際象棋高手，讓我們感嘆計(jì)算機(jī)技術(shù)的進(jìn)步。不過，多年以來，古老的圍棋卻成為計(jì)算機(jī)難以把握的難題。如今，借助于神經(jīng)網(wǎng)絡(luò)的進(jìn)步，計(jì)算機(jī)專家們試圖突破傳統(tǒng)算法，以全新的方式訓(xùn)練計(jì)算機(jī)的下棋能力。據(jù)technology review的報(bào)道，來自愛丁堡大學(xué)的計(jì)算機(jī)專家Christopher Clark 和Amos Storkey 在這方面取得了不小的進(jìn)步。
專家們認(rèn)為，計(jì)算機(jī)難以掌握圍棋的原因有兩個：一是，在下圍棋的時候，棋手總是面臨太多的選擇。在任意時刻，棋手面臨的選擇多達(dá)上百種。相比較說，國際象棋中，棋手面對的選擇大約是50 種。二是，計(jì)算機(jī)很難評估雙方的優(yōu)勢和弱勢。在國際象棋中，通過評估剩下棋子的價值，計(jì)算機(jī)通常能夠了解玩家是否處于優(yōu)勢地位，但是，在圍棋中，計(jì)算機(jī)很難對此做出評估�！坝�(jì)算每個玩家的棋子數(shù)量，根本無法判斷誰在取勝。” Clark 和Storkey 說。
為了解決這個問題，計(jì)算機(jī)采取了一種特別的方法。在每一步之后，計(jì)算機(jī)都會玩完整個游戲，而且采取各種不同的方法。如果大多數(shù)情況下都是勝利的，計(jì)算機(jī)會認(rèn)為，它走出的一步是正確的。這是一個非常耗時的任務(wù)，而且，計(jì)算機(jī)通常還是失敗。因?yàn)閲甯呤种灰匆谎�，就能判斷出棋盤上的形勢如何。
一些專家認(rèn)為，人類擅長圍棋的秘密在于模式辨識能力。在下圍棋的時候，人類思考的不是前面的幾步，而是根據(jù)棋子組成的形狀，判斷出雙方的優(yōu)勢和劣勢。因此，隨著模式識別算法方面的進(jìn)步，人們開始思考訓(xùn)練計(jì)算機(jī)的新方法。
Clark 和Storkey 訓(xùn)練了一個復(fù)雜的神經(jīng)網(wǎng)絡(luò)，教它預(yù)測下一步是什么。他們從16 萬次的圍棋高手對戰(zhàn)中，生成1650 萬個棋局，然后，他們訓(xùn)練神經(jīng)網(wǎng)絡(luò)，讓它掌握人類高手的下一步動作。許多天后，他們開始用剩下的棋局測試神經(jīng)網(wǎng)絡(luò)，讓它預(yù)測下一步應(yīng)該怎么走。據(jù)兩個人說，在訓(xùn)練之后，神經(jīng)網(wǎng)絡(luò)預(yù)測的準(zhǔn)確率明顯超過以前算法，大約提升了44%。
在訓(xùn)練完神經(jīng)網(wǎng)絡(luò)之后，Clark 和Storkey 讓它與兩個最好的圍棋算法比賽。其中一個是GNU Go，相當(dāng)于中等水平的業(yè)余選手。在與GNU Go 的對戰(zhàn)中，神經(jīng)網(wǎng)絡(luò)明顯勝出，大概90% 的情況都是取勝的。另外一個是Fuego，比GNU Go 的水平更高，人類選手也要多年訓(xùn)練才能達(dá)到這個等級。在與Fuego 的對戰(zhàn)中，神經(jīng)網(wǎng)絡(luò)只贏了10% 的比賽。不過，Clark 和Storkey 認(rèn)為，這已經(jīng)是很大的進(jìn)步了。
“盡管神經(jīng)網(wǎng)絡(luò)下棋時采用了‘不看下一步’的做法，并且只用了對手的部分計(jì)算時間，它仍然比GNU Go 玩的更好，而且還贏了Fuego 幾局。” Clark 和Storkey 說。同時，他們也認(rèn)為，如果把神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的算法結(jié)合，計(jì)算機(jī)的圍棋技能或許會有更大的進(jìn)步。
文章編輯: AiWeTalk網(wǎng)頁客服(www.zhangxiannews.cn)
我的評論
| 登錄賬號： | 密碼： | 快速注冊 | 找回密碼 |  |
