@ 2015.09.21 , 14:00
28

通过学习战胜人类的象棋AI

每当我们的话锋转向机器人,人们通常最关心的是他们什么时候会抢走我们手头的工作,但就从现在来看,最该为此担心的可能就是那些国际象棋大师了。英国的计算机科学家们发明了一种新型的国际象棋人工智能,它能在通过72钟头的学习后,赶上目前国际象棋世界大师的水准。

[-]

自然,新型的人工智能绝不是第一个会下国际象棋的人工智能——IBM的深蓝机器人是第一个战胜了人类的人工智能,它在1997年击败了人类世界冠军卡斯帕罗夫。然而与深蓝机器人不同的是,这次的人工智能并不是研究完所有有可能的走棋方式,全新的人工智能(昵称“长颈鹿(Giraffe)”)在其走棋时能够进行直观的“思考”,并使用“自动特征提取及模式识别”策略。麻省理工学院的评论如是说:深蓝机器人只是靠“暴力破解”战胜了人类。

不过与深蓝不一样,由伦敦大学Matthew Lai研制出的长颈鹿机器人是靠着学习才战胜人类的,Lai在测试后表示,他的人工智能有着更好的适应能力。Lai这样描述长颈鹿:这个国际象棋引擎能依靠仅仅少许由程序员手动输入的知识,用自我学习的办法探索出很多特定领域的其他知识。这是迄今为止最成功的一次尝试之一——让人工智能通过学习的过程,在象棋领域战胜人类。

人类棋手在下棋时通常采用的方法是尽可能多的找出可供选择的下法,挑出最有前途的那种下法并舍弃其他下法,长颈鹿人工智能的下法与我们的下法非常相似,它的工作方式也和我们大脑的工作方式相似。长颈鹿人工智能在下棋时往往会经历三个阶段:首先检查轮到谁了并且检查所有棋子的所有符合规则的移动方式;其次是着眼于棋子的特性,例如双方每个棋子的相对位置;最后就是映射出每个棋子的攻击和防守——这一部依旧依赖于数百万计的数据,不过这些数据是由长颈鹿自己尝试并测试出的,完全没有人类的参与。

不过现在的长颈鹿仍旧有着一些优点,它没走一步棋所花的时间要远远长于其他人工智能所需的时间。但Lai表示,他的改进计划是让长颈鹿更聪明的思考而不只是更努力的运作。

Lai还有个宏伟计划,让人工智能能够更好的自我学习,从学会做煎蛋这样的小事再到学会开车开飞机——直到学会所有我们能学会的。

本文译自 ScienceAlert,由译者 卧月眠海 基于创作共用协议(BY-NC)发布。


给这篇稿打赏,让译者更有动力
支付宝打赏 [x]
您的大名: 打赏金额:

0.0
赞一个 (13)

TOTAL COMMENTS: 28+1

  1. 幕后煮屎者
    @2 years ago
    2937878

    呵呵,敢不敢来下围棋。

    [31] XX [3] 回复 [0]
  2. moonsun
    @2 years ago
    2937879

    吹得神奇而已。人工智能目前分为三派:

    一派是数据派,也就是所谓的大数据。这派别认为只要数据量够大,ai就能学会知识,至少能学会搜索出最有效的答案。然而基于这个技术的那些聊天机器人,并没有什么卵用。

    一派是规则派,也就是所谓的下棋自学。这派认为只要规则够好,ai就可以自我学习,只要运算能力够强大,假以时日,这个自我学习能力就能创造出智慧。恩也就是本文中提到的学习下棋。国际象棋等可以明显区分出走一步棋是好是坏的东西是可以这样搞, 强子吃弱子1分弱子吃强子2分将死王3分只要按照分数高的走,在运算能力许可范围内尽量多推算几步就可以比较厉害了。然而这也并没什么卵用,比如围棋这样的玩意,数学上是npxx问题,随便下一步,需要计算模拟的步骤就比可视宇宙中原子数量还多!

    最后一派是悲观哲学派,他们认为人类连什么是智能都没搞清楚,研究个x的人工智能。还不如老实的去研究下如何能更好更有效率的观察这个世界!

    [36] XX [20] 回复 [0]
  3. 雨碎江南
    @2 years ago
    2937883

    我在思考把两个Ai放在一起对练最后会发生什么.

    [63] XX [1] 回复 [0]
  4. 2937889

    @moonsun: 独立研究?我现在就是机器学习领域的,你说的这几个流派我完全没感受到,并且我自己觉得也不属于你说的任何一个流派

    [22] XX [3] 回复 [0]
  5. 2937907

    倒数第二段好像翻译错了

  6. 鱼与刀枪剑戟
    @2 years ago
    2937917

    通过AI战胜人类的学习象棋

  7. moonsun
    @2 years ago
    2937927

    @雨碎江南: 规则派就是这样搞的。建立好规则后程序自己对练。国际象棋程序基本都是这样搞的。

  8. moonsun
    @2 years ago
    2937928

    @xim: 不妨说来听听你如果要做个下围棋的程序你打算怎么搞?基础思路是什么?

  9. 红莓花儿开
    @2 years ago
    2937938

    星际争霸的ai就是这点……一开始还很蠢,打了好几年后,什么狗招电脑都会用了

  10. wanGKun
    @2 years ago
    2937939

    @moonsun:
    规则派应该走不通吧,你不可能穷尽所有可能的规则,还是大数据比较靠谱。自然语言的处理还是大数据统计胜出了,人工智能也应该这个节奏吧。

  11. 2937940

    等到它们会真正思考了!就会发现,创造它们的人类并没有什么卵用!于是就

  12. moonsun
    @2 years ago
    2937969

    @wanGKun: 目前来看是大数据派好用点。然而大数据派也有眼见可预期的巨大缺陷。

    那就是数据输入效率低的可怕。输入的数据准确性更可怕。

    举例来说,人现在每天听到的声音数据就是恐怖的数据量了。要想录入系统必须要经过声波采样。这个采样就是信息丢失。也就是有损压缩。想要无损也不是不是行啊,但是那就变成废物数据多到可怕。而人脑是有环境音分离功能的。比如你在嘈杂的菜市场和人对话你丝毫不感觉困难,那就是你脑子会自动过滤无关声音。如果你是一个象我一样的做过电子乐,长期呆在没有噪音的环境里面,那你的脑能力会大幅度衰减。我现在就是在稍微人多点的地方对话就有困难,我知道你在说话就比较难听懂你在说什么。

    这个还仅仅是只举例了听觉。而人观察这个世界是手脚五官并用的。这样一来需要录入的数据量和需要筛选处理的数据量就多到恐怖。而这也仅仅是一天的数据而已。

    于是,如果走大数据派的路线,很容易就可以推测出在成本有限的情况下,ai的学习能力比人类的聋哑盲人可能都不如。未来ai的智商刊忧。。。。。。

  13. 2937988

    @moonsun:
    我觉得行为主义也应该被考虑进去,另外联结主义(数据)和符号主义(规则)一样可以是悲观的,这个分类粒度好像不太对

  14. wall-e
    @2 years ago
    2937992

    @moonsun: 十年前你这么说问题不大,但现在机器学习已经远不是没有什么卵用的东西了。这几年已经逐步摸清了训练深度神经网络的方法,效果嘛不仅在各种任务中(图像分类,语音识别,自然自然处理。。)超过传统方法,有些任务中的成绩已经开始超过人类了,文中这个就用了深度神经网络,虽然神经网络的理论基础还很不完善,但是它用起来就是NB这是没法否认的

  15. wall-e
    @2 years ago
    2937993

    @wall-e: 自然语言处理

  16. 首先你要
    @2 years ago
    2938024

    为毛老是拿机器来对弈

  17. justtestu
    @2 years ago
    2938123

    @xim: 其实深度学习就是他说的第一种情况,通过海量数据优化权值

  18. 老司机
    @2 years ago
    2938130

    别说了,人类迟早药丸

  19. NBCDNZ
    @2 years ago
    2938238

    @雨碎江南: 两个无限强大的国际象棋AI会在两个回合内分出胜负或打平

  20. 你爸爸
    @2 years ago
    2938283

    @红莓花儿开: 玻璃渣有那么先进?

  21. 脑残
    @2 years ago
    2938354

    还有抢地盘派,就是科幻小说里的那种侵略人类的

  22. 2938378

    嘿,来玩坤特牌吧

  23. 卡比
    @2 years ago
    2938533

    @雨碎江南: 我們只要發展出能製做 ai 機器人的 ai 機器人,之後你懂的

  24. 曲美缝
    @2 years ago
    2938613

    @雨碎江南: 撒马利亚人

  25. AaronXu
    @2 years ago
    2939307

    @雨碎江南: 我试过在iPad和iPhone上下载了两个象棋大师,一个选先手一个选后手,然后两个轮流输入,一开始运行速度很快,基本刚输进去新步骤下一步怎么下就出来了,但后来就越来越卡了。。。。。

  26. 2939327

    @你爸爸: 其实应该也不是什么难事,玻璃渣从服务器端收集玩家对战AI的数据(或者职业玩家之间对战的数据),然后丢到深度神经网络里面,让它自己搞出来一个猥琐的AI。整个过程还算自然,但是数据的收集、过滤和训练的工作量应该是挺大的

  27. Uniling
    @2 years ago
    2939504

    人腦沒被好好地開發, 人類所接受的教育, 對於微結構如此精妙的大腦來說簡直就是暴殄天物.

  28. moonsun
    @2 years ago
    2941680

    @wall-e: 你觉得自然语言分析技术现在很牛逼?
    如果这样的话我只能说你要求太低.

    首先语言分析这个东西是建立在人已经帮助电脑抽象化了事物的基础上的.语言本身就是一种抽象归纳.
    就算这样了,你也无法做到让ai和你无所不聊蒙蔽大多数人通过图灵测试.

    说白了就是ai即使是干谈话这个简单活,也水平很有限.

    现在我们来对比一下人的智能,我认为一个5岁的儿童就能达到这个水平.

    另外显然你不能只拿ai厉害的地方去比较人类弱势的地方.也就是你说的在某些专业领域ai能超过人.
    要比较肯定就要公平.

    你总不会在现实里面认为一个碗筷餐具用得很顺溜的人在其他方面一无是处甚至不能自己穿衣服,这样的人就能算厉害吧?

    ai距离人的水平差得实在太远了!

发表评论


24H最赞