為機器人騰出空間。
人工智能係統已經擊敗了一名專業的GO球員，破壞了該領域長期以來的巨大挑戰之一。更重要的是，新系統稱為Alphago，通過使用一種稱為“深度學習”的方法從頭開始學習遊戲，從而擊敗了人類玩家。
令人驚嘆的失敗表明新的人工智慧（AI）學習策略可能是其他領域的強大工具，例如分析沒有明顯結構或做出複雜醫學診斷的氣候數據的轉換。
研究人員今天（1月27日）在網上報告了新的比賽日記本質。 [超級智能機器：7機器人期貨這是給出的
人與機器
自IBM以來深藍色擊敗了加里·卡斯帕羅夫在1997年的標誌性國際象棋比賽中，AI研究人員一直在悄悄地製作機器人，可以掌握越來越多的人類消遣。 2014年，IBM的沃森擊敗了危險！冠軍肯·詹寧斯（Ken Jennings）和去年，一台名為Claudico的計算機 - 可以通過頭部無限的德克薩斯州持有“虛張聲勢” - 給了人類撲克玩家他們在匹茲堡賭場賺錢。
但是，GO是一個難以破解的難題。這策略遊戲，起源於中國大約2500年前，依靠看似簡單的規則。玩家將白色和黑色的石頭放在大型網板上，以環繞大多數領土。據說可以觸摸其他友好石頭的一種顏色的石頭還活著，而那些逃脫路線被切斷的石頭已經死了。
但是簡單規則的背後是令人難以置信的複雜性遊戲。最好的玩家花了一生的時間來掌握遊戲，學習識別諸如“梯子”之類的動作序列，為避免對被稱為“ KO Wars”的領土的無休止的戰略制定策略，並發展出令人難以置信的能力來看待Go Board並瞬間了解哪些活著，死亡，死亡或Limbo。
“這可能是人類設計的最複雜的遊戲，”倫敦Google Deepmind的計算機科學家Demis Hassabis研究昨天（1月26日）在新聞發布會上說。 “它具有170個可能的董事會位置的10個，大於宇宙中原子的數量。”
哈薩比斯說，這種複雜性的關鍵是Go的“分支模式”。每個GO播放器都可以選擇從他的每個回合中選擇200次移動，而每回合的棋子可能會有20個動作。此外，沒有簡單地查看董事會並量化玩家在任何給定時間的表現如何。 （相反，Hassabis說，人們可以通過為仍在玩遊戲或被捕獲的每個作品分配點值來贏得國際象棋比賽的大致了解。）
結果，最好的AI系統，例如IBM的深藍色，僅設法擊敗了業餘人類GO播放器。 [10種將改變您生活的技術這是給出的
深度學習
過去，專家教授了AI系統特定的動作或戰術模式序列。 Hassabis和他的同事們不使用這種名為Alphago的計劃，而不是使用先入為主的觀念，而不是這種方法。
該程序使用一種稱為深度學習的方法或深度神經網絡，其中計算在幾個分層組織的層上進行，並且該程序從較低級別的輸入輸入到每個連續的較高層中。
從本質上講，Alphago“觀看”了人類之間數以百萬計的遊戲，以學習遊戲規則和基本策略。然後，計算機玩了數百萬其他遊戲，以發明新的GO策略。研究人員說，Alphago本身就畢業於掌握本地移動的基本序列到掌握更大的戰術模式。
為了完成這項任務，Alphago依靠兩組神經網絡 - 一個價值網絡，該網絡本質上查看了董事會的位置並決定誰贏了，為什麼以及選擇移動的政策網絡。隨著時間的流逝，策略網絡訓練了價值網絡，以了解遊戲的進展情況。
研究人員說，與早期試圖通過蠻力計算每種可能舉動的好處的方法不同，該計劃僅考慮最可能獲勝的動作，這是一種好人的人使用的方法。
Google Deepmind的計算機科學家David Silver在新聞發布會上說：“我們的搜索通過在想像中多次進行遊戲來展望。” “這使alphago搜索比以前的方法更類似。”
人類的全部失敗
向人類學習似乎是一種獲勝的策略。
Alphago在大約99.8％的時間裡擊敗了競爭對手的AI系統，並在錦標賽中擊敗了統治的歐洲冠軍Fan Hui，贏得了所有五場比賽。對於其他AI系統，該程序可以在普通的台式計算機上運行，儘管對於對陣Hui的比賽，該團隊使用了Alphago的處理能力，使用了約1,200中央處理單元（CPU）分裂計算工作。
而且Alphago尚未完成人類。它已經將目光投向了世界上最好的GO球員Lee Sedol，併計劃在幾個月內進行對峙。
哈薩比斯說：“你可以將他視為Go World的Roger Federer。”
失敗使許多人驚呆了，仍然對3月對陣Alphago對抗的凡人仍然抱有希望。
“當我聽到Fan Hui迷路時，Alphago的實力確實令人印象深刻！我感到非常驚訝，但看到遊戲記錄感覺更加真實，”國際GO聯邦秘書長Hajin Lee在一份聲明中說。 “我的總體印像是，Alphago似乎比粉絲強，但我無法分辨多少。我仍然懷疑它足夠強大，可以扮演世界頂級專業人士，但是當它面對更強大的對手時，它也許會變得更強大。”
跟隨Tia Ghose嘰嘰喳喳和Google+。跟隨現場科學@livescience，，，，Facebook和Google+。原始文章現場科學。
