【E課堂】一文帶你了解谷歌AlphaGo是怎樣煉成的？

　　李世石對戰(zhàn)AlphaGo慘敗之后，期待中國選手柯潔為人類圍棋而戰(zhàn)的呼聲就越來越高，從未停止!

　　如今，柯潔終于來到舞臺中央，將于5月23日-27日在中國烏鎮(zhèn)圍棋峰會與AlphaGo一戰(zhàn)高下!屆時，AlphaGo與世界排名第一的柯潔將完成三番棋對弈，此次比賽除了AlphaGo與柯潔的世紀對戰(zhàn)之外，還會采用團隊賽、配對賽的多種形式，中國圍棋代表隊其他成員也將參與。那么，AlphaGo究竟是什么?它是如何煉成的?網(wǎng)易智能帶您一一解讀。

　　歡迎參與投票對于這次人機大戰(zhàn)，你看好柯潔還是AlphaGo

　　毫無懸念!AlphaGo穩(wěn)贏。

　　柯潔水平高超，我認為柯潔贏。

　　一半一半吧，我還沒想好。 查看結(jié)果起止時間：2017-04-10 至 2017-04-17

　　AlphaGo是什么?

　　AlphaGo是第一個擊敗人類職業(yè)圍棋選手，第一個戰(zhàn)勝世界冠軍的程序，是圍棋史上最具實力的選手之一。2016年3月，在全世界超過一億觀眾的關注下，Alpha Go經(jīng)過3局對弈，最終以4比1的總比分戰(zhàn)勝了圍棋世界冠軍李世石，這場比賽成為了人工智能領域的一個重要里程碑。

　　過去曾有專家預測人工智能需要十年的時間才有可能戰(zhàn)勝人類職業(yè)選手，在這場比賽之后，AlphaGo憑借其"充滿創(chuàng)意而又機智"的下法，躋身圍棋界最高職業(yè)稱號——職業(yè)九段行列，成為歷史上首個獲得這一榮譽的非人類棋手。近期，AlphaGo的升級版本以“Master/Magister”的稱謂與世界頂級的圍棋選手進行60場線上快棋賽，并取得了全勝的出色戰(zhàn)績。

　　AlphaGo是如何進行訓練的?

　　一直以來，圍棋就被認為是傳統(tǒng)游戲中，對人工智能而言最具挑戰(zhàn)性的項目，這不僅僅是因為圍棋包含了龐大的搜索空間，更是因為對于落子位置的評估難度已遠運超過了簡単的啟發(fā)式算法。為了應對圍棋的巨大復雜性，AlphaGo采用了一種新穎的機器學習技術，結(jié)合了監(jiān)督學習和強化學習的優(yōu)勢，通過訓練形成一個策略網(wǎng)絡(policy network)，將棋盤上的局勢作為輸入信息,并對所有可行的落子位置生成一個概率分布。

　　然后，訓練出一個價值網(wǎng)絡(value network)對自我對弈進行預測，以-1(對手的絕對勝利)到1(AlphaGo的絕對勝利)的標準，預測所有可行落子位置的結(jié)果。這兩個網(wǎng)絡自身都十分強大，而AlphaGo將這兩種網(wǎng)絡整合進基于概率的蒙特卡羅樹搜索(NCTS)中，實現(xiàn)了它真正的優(yōu)勢。最后，新版的AlphaGo產(chǎn)生大量自我對弈棋局，為下一代版本提供了訓練數(shù)據(jù)，此過程循環(huán)往復。

　　注意!此過程循環(huán)往復，我們?nèi)祟愋枰燥埿菹ⅲ@個比你聰明的選手還比你勤奮!

　　Alpha Go如何決定落子?

　　在獲取棋局信息后，Alpha Go會根據(jù)策略網(wǎng)絡(policy network)探索哪個位置同時具備高潛在價值和高可能性，進而決定最佳落子位置。在分配的搜索時間結(jié)束時，模擬過程中被系統(tǒng)最頻繁考察的位置將成為Alpha Go的最終選擇。在經(jīng)過先期的全盤探索和過程中對最佳落子的不斷揣摩后，Alpha Go的搜索算法就能在其計算能力之上加入近似人類的直覺判斷。