AlphaGo是什么谷歌AlphaGo详细介绍

　　谷歌AlphaGo是什么？作为一种人工智能的AlphaGo，和IBM在上个世纪打败国际象棋大师卡斯帕罗夫的深蓝超级计算机，以及当代的苹果Siri、GoogleNow有着显著的区别。要解读AlphaGo，首先我们需要了解AlphaGo背后到底是一个什么东西。
　　其实谷歌AlphaGo背后是一套神经网络系统，由Google2014年收购的英国人工智能公司DeepMind开发。这个系统和深蓝不同，不是一台超级计算机，而是一个由许多个数据中心作为节点相连，每个节点内有着多台超级计算机的神经网络系统。就像人脑，是由50100亿个神经元所组成的，这也是为什么这种机器学习架构被称为神经网络。
　　你可以将AlphaGo理解为《超验骇客》（Transcendence）里约翰尼middot；德普饰演的人工智能，而它所控制的超级计算机，就像影片里被人工智能心控的人类一样，共同为一种蜂群思维（HiveMind）服务。
　　《超验骇客》中，被人工智能控制的工人马丁。马丁没有所想，但他的所见将会被人工智能直接获取。
　　AlphaGo是在这个神经网络系统上，专为下围棋（Go）而开发出的一个实例。然而，虽然名字已经介绍了它的功能，AlphaGo背后的神经网络系统却适合用于任何智力竞技类项目。
　　这个系统的基础名叫卷积神经网络（ConvolutionalNeuralNetwork，CNN），这是一种过去在大型图像处理上有着优秀表现的神经网络，经常被用于人工智能图像识别，比如Google的图片搜索、百度的识图功能都对卷积神经网络有所运用。这也解释了为什么AlphaGo是基于卷积神经网络的，毕竟围棋里胜利的原理是：
　　AlphaGo背后的系统还借鉴了一种名为深度强化学习（DeepQLearning，DQN）的技巧。强化学习的灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。不仅如此，AlphaGo借鉴了蒙特卡洛树搜索算法（MonteCarloTreeSearch），在判断当前局面的效用函数（valuefunction）和决定下一步的策略函数（policyfunction）上有着非常好的表现，远超过上一个能够和人类棋手旗鼓相当的围棋程序。
　　DeepMind训练AlphaGo的步骤说明：10万盘高手棋谱作为初始数据，进行分类后用于训练策略函数；然后跟自己下棋；强化学习训练策略函数，继续下棋；下了3000万步后进行回归分析，整合蒙特卡洛树搜索模型，训练效用函数。
　　效用函数和策略函数，分别对应AlphaGo的两个思考维度：目前棋盘的现状，和自己对手下一步的走向。
　　AlphaGo所采用的DQN是一种具有广泛适应性的强化学习模型，说白了就是不用修改代码，你让它下围棋它能下围棋，你让它在红白机上玩超级玛丽和太空侵略者，它也不会手生。作为一个基于卷积神经网络、采用了强化学习模型的人工智能，AlphaGo的学习能力很强，往往新上手一个项目，玩上几局就能获得比世界上最厉害的选手还强的实力。
　　2014年，已经被Google收购的DeepMind，用五款雅达利（Atari）游戏Pong、打砖块、太空侵略者、海底救人、BeamRider分别测试了自己开发的人工智能的性能，结果发现：在两三盘游戏后，神经网络的操控能力已经远超世界上任何一位已知的游戏高手。
　　DeepMind用同样的一套人工智能，不调整代码就去测试各种各样的智力竞技项目，取得了优异的战绩，足以证明今天坐在李世石面前的AlphaGo，拥有多强的学习能力。
　　李世石执黑子，AlphaGo执白子。大约进行了85分钟时进入休息阶段
　　在此之前，DeepMind进行过的无数虚拟棋局训练，以及去年击败欧洲围棋冠军樊麾二段的经验让AlphaGo已经训练出了顶尖的弈技，极有可能高于世界上任何已知的围棋高手。
　　AlphaGo的水平大约在专业六段左右。再和其他围棋程序的495盘较量中胜494盘；在让4子的前提下仍有75的胜率。
　　尽管棋盘上风云变化，早在本次开战前，AlphaGo跟李世石就已不在同一起跑线上了。根据DeepMind透露的情况，从去年10月50击败樊麾二段到现在，AlphaGo已经在神经网络容量（数据容量）以及自己跟自己下棋用于训练的数据质量上有了较大的提升。而且神经网络的分布式计算延迟也得到了优化，最终使得AlphaGo能够在两小时的限定时间内击败了李世石九段。
　　AlphaGo只是DeepMind证明自己的一个工具。你也可以将这次和李世石的对局理解为Google的公关策略。
　　2014年，这家公司曾经在其官网上写道：DeepMind致力于用研究深度学习的方式去真正了解智慧（solveintelligence）。但对于DeepMind和Google来说，打造AlphaGo以及其他人工智能神经网络不是终点
　　将机器学习和神经科学进行结合，打造出一种ldquo；一般用途的学习算法rdquo；。通过这种算法，DeepMind和Google希望能够将智能ldquo；定型化rdquo；，理解智能是什么，进而更好的帮助人类理解大脑。DeepMind联合创始人之一的DemisHassabis曾经写道：
　　用算法将智慧提炼出来，有可能成为理解人类思维最神秘原理的最佳方式。
　　attemptingtodistilintelligenceintoanalgorithmicconstructmayprovetobethebestpathtounderstandingsomeoftheenduringmysteriesofourminds。
　　在Google收购DeepMind前，收购条款中的一项就是Google必须成立人工智能道德委员会。因此，在目前阶段人们不必担心这样的人工智能最终杀死或统治人类。但至少，人工智能在围棋这样的智力类竞技项目上击败人类，是已经注定的事情。
　　作为一种决策树巨大的游戏，围棋本来适合人脑思考，不适合机器运算。但DeepMindAI的方向就是模仿人脑思考，用神经网络ldquo；重现rdquo；智慧。