AI将围棋世界冠军逼到认输？关于AlphaGo的8个问题

字体:大中小

时间:2016/03/14 16:09

来源:中商情报网

3，AlphaGo算法里的“神经网络”是个啥？

AlphaGo 的核心是两种不同的深度神经网络。“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，这和人类棋手所做的一样。

其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑；

而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。

AlphaGo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AlphaGo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。

4，今天AlphaGo和过去的深蓝，谁更厉害？

我们先来看看围棋和国际象棋之间有什么差别：

第一，围棋每一步的可能下法非常多：围棋手在起手时就有19X19=361种落子选择，在比赛的任意阶段，也都有数以百计的可能下法。但国际象棋的可能下法通常只有50种左右。围棋最多有3^361种局面，这个数字大概是10^170，而已经观测到的宇宙中，原子的数量才10^80。国际象棋最大只有 2^155种局面，称为香农数，大致是10^47。

第二，对国际象棋来说，只需要把目前棋盘上剩余棋子的价值总和算出来，就能大概知道棋盘上谁处于优势了。但这种方法对围棋来行不通，在围棋的棋局中，计算机很难分辨当下棋局的优势方和弱势方。

可见，同样是下棋，对付围棋要比对付国际象棋棘手得多。

让我们直观的看一下国际象棋和围棋的复杂度对比，上图是国际象棋，下图是围棋：