在最新世界围棋排名中人工智能被除名，你怎么看

1. 在最新世界围棋排名中人工智能被除名，你怎么看

人工智能又不是人，除名是必然，毕竟世界围棋排名是人与人之间的战斗，人与人之间的竞争！



世界围棋大赛应该是人与人之间的较量，人工智能不是人，他就是一台机器，只不过是比较精通于某种技能罢了。人工智能的出现，可以说是社会、科技进步的一种表现，但是如果我们将人工智能纳入各种比赛，那么比赛就会丧失其公正性，人工智能夺得冠军也是没有什么可以庆幸的。不能够说明人工智能超越了人类，只能够说明制造其的团队，其研发人员，是非常厉害的，考虑是非常全面的，不然，程序来源于人类，是不可能高于人类的。



有人说，现在是大数据时代，很多东西电脑、程序凭借其已有的数据就可以推断出很多事情。我承认，这就是人工智能的优势。人，就算是再聪明，也会有考虑不周的时候；就算是在理智，也会有感情用事的时候，但是，人工智能不会！人工智能就是一台冷冰冰的机器，没有感情，只要给其数据，就会凭借其精密的数据分析给出自己的结果。看《最强大脑》的时候，doctor说：机器人小度只有一个大脑，只能一个人应战。我只同意这句话的后半句。机器人也就是人工智能，不管是一个多么小的程序，都不仅仅是一个人的功劳，更别说是一个机器人了。更不可能是一个人的研究，不会是一个大脑的。机器人是万千聪明人士智慧的结晶，岂能用一个大脑来形容？这应该是N个大脑的组合体！



最新世界围棋排名中人工智能被除名，这是对选手的一种尊重，也是对比赛的一种尊重。我认为，应该支持！兰博基尼有参加人类马拉松赛跑的权利吗？

2. 为什么人工智能击败围棋冠军这事如此重要

二十年前，深蓝大战国际象棋大师卡斯帕罗夫的时候。同样是轰动世界，因为此类事件它代表的是计算机对人类在思考能力上的挑战。因为我们都知道计算机只是一台精密些的机器而已，它之所以能完成很多人类难以完成的工作，只是因为更快的计算速度而已。所以如果是一些简单的棋类的话，计算机完全可以试出所有可能的组合，从而打败人类。但是围棋不一样，围棋横纵各有19行共361个点，每个点上有三种状态，黑子，白子或无子，那么总共有多少种组合呢，3的361次方，换算一下就是10的271次方。数很大，你可能没有概念，那么我告诉你宇宙中原子的总个数是10的80次方。
正是围棋的组合太多，所以才有人说千年来没有下过一盘重样的棋。因此计算机是不可能用穷举法来和人类下棋的。这也是为什么20年前的计算机在国际象棋上早已战胜了人类。为什么过了20年才向人类在围棋上发起挑战。当年的深蓝是一台超级计算机，每秒钟可以计算2亿步，在当时是一个很惊人的运算速度。如果用同类型的算法进行的话，多出几十个数量级的运算任务估计要让对手等到宇宙末日才能下完了。
所以现在的谷歌阿尔法狗是用了一套自主学习的算法即人工智能来挑战人类。他的编程人员没有一个是职业棋手，都只是会下围棋而已，但是通过阿尔法狗的自主学习，由它自己跟自己下，每天数百万局的数据采集，让它的成长为世界顶尖棋手的水平。
他所代表的人工智能，对人类在思考能力上的地位形成了极大的冲击。算是人工智能的又一个标志性事件。人工智能时代越来越迫近了，人类又该怎样来面对人工智能呢，这都是一个值得思考的问题。
纯手打，具体疑问还可以追问

3. 人工智能是怎样战胜欧洲围棋冠军的 荐4股

您好
人工智能的里程碑式的成就。
　　完成这个成就有多难？
　　东方的围棋被认为更加复杂，更加需要棋手难以置信的直觉。
　　国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。
　　就博弈的局面来讲，一般认为国际象棋为10的123乘方，而围棋则有10的360乘方以上。这导致软件来不及列举出所有能赢的方案，导致不敌职业棋手。
　　所以，在此前的比赛中，围棋AI一般和业余段位的棋手比赛，而且人类选手都会让子。但是“阿尔法围棋”的对手是法国国家围棋队教练、欧洲围棋冠军，而且没有让子。
　　阿尔法围棋是怎么做到的？
　　DeepMind团队表示，“阿尔法围棋”的关键在于使用的深度神经网络。
　　在这样的网络中，如果你将足够多的关于树木的照片输入进去，它们就能学会识别出一棵树。如果输入足够多的对话，它们就能学会如何进行一段得体的对话。如果输入足够多的围棋走法，它们就能学会下围棋。
　　实际上，在“阿尔法围棋”中有两种不同的神经网络：“策略网络”（policy network）和“值网络”（value network）。
　　它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。
　　“阿尔法围棋”利用这两个工具来分析局面，判断每种下子策略的优劣，就像人类棋手会判断当前局面以及推断未来的局面一样。这样“阿尔法围棋”在分析了比如未来20步的情况下，就能判断在哪里下子赢的概率会高。
　　也有许多专家相信，人类掌握围棋的秘诀在于模式识别——通过棋子组成的图形形状来判断优势和弱点，而不是预测几步棋后的走向。
　　也正是因为这个原因，模式识别算法的最新进展有可能会大大改进计算机的表现。新算法利用大型的图片数据库，训练深度卷积神经网络（deep convolutional neural networks）来识别物体和面孔。这一网络借鉴了人脑的信息处理机制，与人脑的神经结构有相似之处。
　　因此，可以预想，这样的算法用在围棋棋局自动评估上，也能发挥巨大的作用。
　　根据研发者的介绍，这种神经网络可以自主学习，而非传统的对人工智能进行“监督训练”的算法。
　　此外，AI很容易通过大量的训练积累足够多的经验。人类或许一年可以下1000局围棋，但AI一天就能玩100万局，不会疲劳。
　　所以理论上来讲，只要“阿尔法围棋”经过足够的训练，就可以击败所有的人类选手。

4. Google 人工智能首次完胜人类围棋冠军 为什么很厉害

Google DeepMind 团队在最新一期《Nature》上发表论文称，其名为 “阿尔法围棋”（AlphaGo）的人工智能，在没有任何让子的情况下以 5:0 完胜欧洲冠军、职业围棋二段樊麾。

在计算机的发展史，在国际象棋比赛中，计算机战胜人类是重要历史事件，过去了这么多年，人工智能战胜围棋冠军又怎么说明谷歌AI很牛呢？
围棋，一直被认为是人类仍然在机器面前能保持优势的游戏之一。过去20多年来，科技家们一直在试着教会电脑下棋，在1997年，IBM的深蓝曾经打败了国际象棋的世界冠军Garry Kasparov，这成为了人工智能的一座里程碑事件。但是，围棋比国际象棋还是要复杂得多，国际象棋中，平均每回合有35种可能，一盘棋可以有80回合；相比之下，围棋每回合有250种可能，一盘棋可以长达150回合。
在下国际象棋的时候，计算机可以分析出每一个可能的步骤，从而进行最优选择，但是，围棋可能的步骤是国际象棋的10倍之多。这也正是围棋人工智能的难点所在。
在过去很长时间里，最好的计算机连厉害点的业余围棋棋手都下不过。所以，去年，Facebook就开始打造围棋人工智能，并且在过去6个月里让它可以用最快0.1秒的速度来落子。负责这项目的人，就坐在里扎克伯格20英尺远的地方。但是，Google还是快一步。
这场比赛实际上发生在去年十月，但是知道今天，它才在《自然》杂志中披露出来。
David Silver是这项研究的第一作者，在他看来，阿尔法Go的关键不在于简单粗暴的计算出可能步骤，而是近似于人类的“想象力”。这背后是名为一项名为“深度学习”的大杀器，它让计算机不再是简单地使用计算能力来统计所有数据，而是像人类一样，训练，然后学习。Silver说，计算机“下围棋需要的极复杂的直觉机制，这种机制以前我们认为只可能存在于人类大脑中。”
阿尔法Go用了多种“神经网络”并行，并且相互作用。其中，一个叫做“值网络”（value network），来衡量白字和黑子在棋盘上的位置，一个叫做“策略网络”（“policy network” ），会不断地学习此前人类和自己的落子，来选择接下来怎么下。
不仅仅比人类、比起其他机器人同类，阿尔法Go也更加强大。它和其他人工智能下了500场围棋，只输了1场，甚至在给对手让子的情况下，它也照赢不误。而Silver说，它比其他人工智能更先进的地方，就在于可以自我学习。而且，这种机制不仅仅可以用在围棋学习中，阿尔法Go还可以用来解决很多现实问题，比如处理气候模型等。
据消息称，Google的“阿尔法Go”V和现在的围棋世界冠军李世石 （Lee Sedol），将在今年三月正式进行比赛。在围棋这个古老的、几乎代表了人类智力巅峰的游戏上，机器人和人类究竟谁更强大，答案很快就会揭晓。

5. 什么样的人工智能击败了职业围棋手

由谷歌英国研究团队开发的计算机系统在围棋比赛中击败了职业棋手。作为一种古老的东方棋类游戏，围棋强调策略和直觉。过去数十年，围棋一直是人工智能专家未能攻克的堡垒。然而，人工智能正在这一领域取得重要突破。
此前，计算机已在其他多种比赛，例如国际象棋、奥赛罗棋和智力竞赛《危险边缘》中胜过了人类对手。然而，围棋是一种具有2500多年历史的古老技艺，其复杂程度远超国际象棋，因此人类高手此前几乎不费吹灰之力就能胜过即使最强的计算机系统。本月早些时候，谷歌以外的人工智能专家已提出这样的问题，即人工智能在围棋领域的突破能否迅速实现。而直到去年，大部分人仍认为，计算机击败职业棋手还需要10年时间。
然而，谷歌已经做到了这一点。法国研究者雷米·库洛姆（Remi Coulom）此前曾开发了全球最强大的人工智能围棋程序。他表示：“这一天的到来比我想象中更快。”
谷歌于2014年收购了自称为“人工智能领域阿波罗项目”的DeepMind。去年10月，DeepMind的研究团队在伦敦办公室里主持了人工智能与人类选手的较量。DeepMind的这一系统名为AlphaGo，而它的对手是欧洲围棋冠军樊麾。在《自然》杂志编辑和英国围棋协会裁判的监督下，AlphaGo在五番棋比赛中取得了5:0的压倒性胜利。《自然》杂志编辑坦古伊·乔阿德（Tanguy Chouard）博士在本周二的媒体电话会议上表示：“无论作为研究者还是编辑，这都是我职业生涯中最令人兴奋的时刻之一。
自然》杂志发表的一篇论文介绍了DeepMind的系统。这一系统利用了多种技术，其中也包括越来越重要的一种人工智能技术，即深度学习。利用海量的人类高手棋谱（总步数约达3000万），DeepMind的研究团队训练AlphaGo自主学习围棋。然而这仅仅只是第一步。从理论上来说，这样的训练最多只能培养出与最优秀人类选手同等棋力的人工智能。而为了击败最优秀的人类选手，研究团队使这一系统自己与自己对弈。这带来了新的数据，而这些数据可被用于训练新的人工智能系统，最终胜过顶尖高手。
DeepMind负责人德米斯·哈萨比斯（Demis Hassabis）表示：“最重要的一点在于，AlphaGo不仅仅是专家系统，遵循人为设定的规则。实际上，这使用了通用的机器学习技术，能自行探索如何在围棋比赛中取胜。”
人工智能的这次胜利并不新鲜。谷歌、Facebook和微软等互联网服务早已利用深度学习技术去识别照片和语音，或是理解自然语言。DeepMind的技术结合了深度学习、增强学习，以及其他方法。关于现实世界机器人如何学习日常任务，并对周围环境做出响应，这指明了未来的方向。哈萨比斯表示：“这非常适合机器人。”
他同时认为，这些方法能加速科学研究，通过在工作中引入人工智能系统，科学家将可以取得更多成果。“这一系统能处理规模更大的数据集，分析得出结构化信息并提供给人类专家，从而提高效率。系统甚至能向人类专家提供方式方法的建议，协助带来突破。”
不过目前，围棋仍是他的关注重点。在关起门来击败一名职业选手之后，哈萨比斯及其团队将目标瞄准了全球顶尖的围棋选手。3月中旬，AlphaGo将在韩国公开挑战李世石。李世石拥有的国际比赛冠军头衔数排名第二，而过去10年中，李世石有着最高的胜率。哈萨比斯认为，李世石就是“围棋界的费德勒”。
比国际象棋更难
2014年初，库洛姆的围棋软件Crazystone在日本的巡回赛中挑战了依田纪基九段，并取得了胜利。不过，这一胜利的成色不足：Crazystone获得了四子的让先。当时，库洛姆预言，在没有让先的情况下，人工智能击败顶尖围棋高手还需要10年时间。
这一挑战的难度在于围棋本身。此前，在合理时间内，任何超级计算机都没有足够的处理能力，去预判每种可能的着法会带来什么样的后续结果。1997年，IBM“深蓝”击败了国际象棋大师卡斯帕罗夫，当时这台超级计算机采用了“暴力计算”的方式。从本质上来看，“深蓝”分析了每一步走法可能出现的各种结果。然而，这样做在围棋比赛中行不通。在国际象棋比赛中，一个回合可能的走法平均为35种。而围棋比赛采用了19x19的棋盘，平均每回合走法有250种。哈萨比斯指出，围棋棋盘上的棋型类型要比宇宙中的原子总数还要多。
利用名为“蒙特卡洛树搜索”的方法，类似Crazystone的系统能完成更多步的预判。而结合其他一些技术，计算机可以完成对多种可能性的必要分析。这样的计算机能击败一些不错的围棋选手，但距离顶尖高手还有很大差距。对真正的高手来说，直觉是很重要的一部分。这些棋手会根据棋盘上棋型来选择如何行动，而不是精确分析每一种着法可能会带来的结果。哈萨比斯本人也是围棋选手，他表示：“良好的棋型看起来就很漂亮。这似乎遵循某种美学。这也是这一游戏数千年来历久不衰的原因。”
不过，在进入2015年之后，一些人工智能专家，包括爱丁堡大学、Facebook和DeepMind的研究人员，开始探索利用深度学习技术去解决围棋的难题。他们设想，深度学习技术能模拟围棋比赛中必要的人类直觉。哈萨比斯表示：“围棋有着许多暗示，模式匹配很重要。深度学习可以做得很好。”
自我增强
深度学习的基础是神经网络。这种由软硬件构成的网络能模拟人脑中的神经元，其运转并非依靠“暴力计算”和人工制定的规则。神经网络会分析大量数据，以从事某项任务的“学习”。例如，如果向神经网络输入足够多的袋熊照片，那么它就能识别出袋熊。如果向神经网络输入足够多的单词发音，那么它就能识别你的语音。如果向神经网络输入足够多的围棋棋谱，那么它就能学会如何下围棋。
在DeepMind、爱丁堡大学和Facebook，研究人员希望，通过“观察”棋盘棋型，神经网络能掌握下围棋的方法。正如Facebook近期在一篇论文中所说，这一技术的运行情况良好。通过深度学习和蒙特卡洛树方法的结合，Facebook的系统已经击败了一些人类选手。
不过，DeepMind在此基础上更进一步。在学习了3000万步人类选手的围棋下法之后，这一神经网络预测人类选手下一步走法的准确率达到57%，远高于之前的44%。随后，哈萨比斯及其团队对这一神经网络进行了小幅调整，使其与自己对弈，这种做法被称作增强学习。在这一过程中，神经网络可以了解，什么样的走法能带来最好的结果。



DeepMind研究员大卫·希维尔（David Silver）表示：“通过在神经网络之间进行数百万局的对弈，AlphaGo学会自己发现新策略，并逐步改进。”
希维尔表示，这使得AlphaGo能胜过其他围棋软件，包括Crazystone。随后，研究人员将结果输入至另一个神经网络。在首先判断对手的下一步行动之后，这一神经网络能利用同样的技巧去预判每一步的结果。这与“深蓝”等较老的系统类似，而不同之处在于AlphaGo能在过程中进行学习，并分析更多数据，不再使用暴力计算的方法去判断所有可能的结果。通过这种方式，AlphaGo不仅能胜过当前的人工智能系统，还能击败人类高手。
专用芯片
与大部分先进的神经网络类似，DeepMind的系统运行在基于GPU（图形处理芯片）的计算机上。GPU最初的设计目的是游戏和其他图像应用的图形渲染，但近年来研究表明，这类芯片也非常适合深度学习技术。哈萨比斯表示，DeepMind的系统在配备多个GPU芯片的单台计算机上有着相当好的表现，但为了挑战樊麾，研究人员搭建了更庞大的计算机网络，其中包括170块GPU卡和1200个标准CPU处理器。这一庞大的计算机网络对AlphaGo进行了训练，并参与了比赛。
哈萨比斯表示，在与李世石的比赛中，AlphaGo将采用同样的硬件配置。目前，他们正在持续改进这一人工智能系统。为了准备与李世石的比赛，他们还需要互联网连接。哈萨比斯表示：“我们正在安装自己的光缆。”
库洛姆和其他一些专家指出，与李世石的比赛将更困难。不过，库洛姆已经下注DeepMind。过去10年中，他一直希望开发出能胜过顶尖围棋高手的系统，他认为，这一系统现在就在这里。他表示：“我正在购买一些GPU。”
未来之路
AlphaGo的重要性不言而喻。这一技术不仅可以应用于机器人和科学研究，也适合其他许多任务，例如类似Siri的移动语音助手以及金融投资决策。深度学习创业公司Skymind创始人克里斯·尼克尔森（Chris Nicholson）表示：“你可以将其用于任何具有对抗性的问题，例如需要用到策略的各种比赛，以及战争和商业交易。”
对一些人来说，这种情况令人担忧，尤其考虑到DeepMind的系统已经有能力自学围棋。AlphaGo的学习素材并不来自人类，而是可以通过自行生成数据来自我指导。近几个月，特斯拉创始人伊隆·马斯克（Elon Musk）等知名人士曾表示，这样的人工智能系统最终将超越人类智力，突破人类的控制。
不过，DeepMind的系统受到了哈萨比斯及其团队的严格控制。AlphaGo被用于最复杂的棋类游戏，但这仍只是一款游戏。实际上，AlphaGo距离真正的人类智慧还有遥远的距离，远远没有达到超级智能的水平。
华盛顿大学专注于人工智能的法学教授、科技政策实验室创始人瑞安·卡洛（Ryan Calo）表示：“这仍是一种高度结构化的情况，并非真正人类水平的理解力。”不过，AlphaGo指明了未来的方向。如果DeepMind的人工智能系统能理解围棋，那么就能理解更多信息。卡洛表示：“宇宙只不过是一场更大的围棋游戏。”

6. 为什么谷歌人工智能击败围棋冠军这事如此重要

谷歌人工智能击败围棋冠军是人工智能发展史上了不起的挑战。
棋类游戏一直被视为顶级人类智力的试金石。人工智能与人类棋手的对抗一直在上演。1989年开始，IBM的深蓝就常常能击败国际象棋大师了， 8年后的1997年，深蓝首次打败世界第一的国际象棋棋手加里-卡斯帕罗夫，开始统治国际象棋领域。2006 年，成为了人类在国际象棋的绝唱，因为自此之后，人类再没有战胜过最顶尖的人工智能国际象棋选手。
不同于国际象棋，围棋每回合的可能性更多，共有250种可能，一盘棋可以长达150回合。用人工智能战胜围棋专业选手，按照技术的发展速度，一般认为至少需要10年才能实现。

7. AI打败围棋冠军，人工智能真的会“思考”吗

并不是。
那么AlphaGo是为什么能赢？从机器人家一篇深度文章‘’为什么柯洁一局都赢不了‘’中我们知道，AlphaGo 下围棋的策略，与按人类预设剧本下棋的深蓝不同，其下棋算法没有经过人工调试，全部是靠一种计算模型，可以在海量数据中找出规律。AlphaGo 使用了两种人工神经网络，一个是预测网络（policy network），一个是评估网络（value network）。预测网络用来预测对手下一步可能怎么走，评估网络则用来评估给定棋局下己方的获胜概率。
所以机器讲究的是算法，并不是会‘思考’。这也印证了前两天机器人参加数学高考的事实而不是语文，我想如果是语文，估计成绩就没那么好了，那就叫机器‘’烧脑‘’了。

8. 究竟谁搞定了围棋人工智能

好多种
但Google应该是最牛的

Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手，这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手，包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过，Google人工智能专家表示， 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5：0完胜法国围棋职业二段棋手樊麾，AlphaGo将在三月份对战韩国九段棋手李世乭。今天早上，《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述，在AlphaGo中，DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI，让它自己下棋，研习棋谱。不过这只是第一步。理论上，这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩，研究员随后让系统进行自我博弈，计算出比基础棋谱更多新的打点。也就是说，战胜人类就要靠这些新的东西。
“这其中最重要的是，AlphaGo不仅记录着大量的棋谱，还有一系列规则来指导 思考 ，”DeepMind CEO Demis Hassabis说道，“事实上，该程序能够通过机器学习的方式掌握比赛技巧。”
DeepMind的技术核心结合了“强化学习”及其他人工智能手段，这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说，要让机器人变得更“自然”。