为机器人腾出空间。
人工智能系统已经击败了一名专业的GO球员，破坏了该领域长期以来的巨大挑战之一。更重要的是，新系统称为Alphago，通过使用一种称为“深度学习”的方法从头开始学习游戏，从而击败了人类玩家。
令人惊叹的失败表明新的人工智能（AI）学习策略可能是其他领域的强大工具，例如分析没有明显结构或做出复杂医学诊断的气候数据的转换。
研究人员今天（1月27日）在网上报告了新的比赛日记本质。 [超级智能机器：7机器人期货这是给出的
人与机器
自IBM以来深蓝色击败了加里·卡斯帕罗夫在1997年的标志性国际象棋比赛中，AI研究人员一直在悄悄地制作机器人，可以掌握越来越多的人类消遣。 2014年，IBM的沃森击败了危险！冠军肯·詹宁斯（Ken Jennings）和去年，一台名为Claudico的计算机 - 可以通过头部无限的德克萨斯州持有“虚张声势” - 给了人类扑克玩家他们在匹兹堡赌场赚钱。
但是，GO是一个难以破解的难题。这策略游戏，起源于中国大约2500年前，依靠看似简单的规则。玩家将白色和黑色的石头放在大型网板上，以环绕大多数领土。据说可以触摸其他友好石头的一种颜色的石头还活着，而那些逃脱路线被切断的石头已经死了。
但是简单规则的背后是令人难以置信的复杂性游戏。最好的玩家花了一生的时间来掌握游戏，学习识别诸如“梯子”之类的动作序列，为避免对被称为“ KO Wars”的领土的无休止的战略制定策略，并发展出令人难以置信的能力来看待Go Board并瞬间了解哪些活着，死亡，死亡或Limbo。
“这可能是人类设计的最复杂的游戏，”伦敦Google Deepmind的计算机科学家Demis Hassabis研究昨天（1月26日）在新闻发布会上说。 “它具有170个可能的董事会位置的10个，大于宇宙中原子的数量。”
哈萨比斯说，这种复杂性的关键是Go的“分支模式”。每个GO播放器都可以选择从他的每个回合中选择200次移动，而每回合的棋子可能会有20个动作。此外，没有简单地查看董事会并量化玩家在任何给定时间的表现如何。 （相反，Hassabis说，人们可以通过为仍在玩游戏或被捕获的每个作品分配点值来赢得国际象棋比赛的大致了解。）
结果，最好的AI系统，例如IBM的深蓝色，仅设法击败了业余人类GO播放器。 [10种将改变您生活的技术这是给出的
深度学习
过去，专家教授了AI系统特定的动作或战术模式序列。 Hassabis和他的同事们不使用这种名为Alphago的计划，而不是使用先入为主的观念，而不是这种方法。
该程序使用一种称为深度学习的方法或深度神经网络，其中计算在几个分层组织的层上进行，并且该程序从较低级别的输入输入到每个连续的较高层中。
从本质上讲，Alphago“观看”了人类之间数以百万计的游戏，以学习游戏规则和基本策略。然后，计算机玩了数百万其他游戏，以发明新的GO策略。研究人员说，Alphago本身就毕业于掌握本地移动的基本序列到掌握更大的战术模式。
为了完成这项任务，Alphago依靠两组神经网络 - 一个价值网络，该网络本质上查看了董事会的位置并决定谁赢了，为什么以及选择移动的政策网络。随着时间的流逝，策略网络训练了价值网络，以了解游戏的进展情况。
研究人员说，与早期试图通过蛮力计算每种可能举动的好处的方法不同，该计划仅考虑最可能获胜的动作，这是一种好人的人使用的方法。
Google Deepmind的计算机科学家David Silver在新闻发布会上说：“我们的搜索通过在想象中多次进行游戏来展望。” “这使alphago搜索比以前的方法更类似。”
人类的全部失败
向人类学习似乎是一种获胜的策略。
Alphago在大约99.8％的时间里击败了竞争对手的AI系统，并在锦标赛中击败了统治的欧洲冠军Fan Hui，赢得了所有五场比赛。对于其他AI系统，该程序可以在普通的台式计算机上运行，尽管对于对阵Hui的比赛，该团队使用了Alphago的处理能力，使用了约1,200中央处理单元（CPU）分裂计算工作。
而且Alphago尚未完成人类。它已经将目光投向了世界上最好的GO球员Lee Sedol，并计划在几个月内进行对峙。
哈萨比斯说：“你可以将他视为Go World的Roger Federer。”
失败使许多人惊呆了，仍然对3月对阵Alphago对抗的凡人仍然抱有希望。
“当我听到Fan Hui迷路时，Alphago的实力确实令人印象深刻！我感到非常惊讶，但看到游戏记录感觉更加真实，”国际GO联邦秘书长Hajin Lee在一份声明中说。 “我的总体印象是，Alphago似乎比粉丝强，但我无法分辨多少。我仍然怀疑它足够强大，可以扮演世界顶级专业人士，但是当它面对更强大的对手时，它也许会变得更强大。”
跟随Tia Ghose叽叽喳喳和Google+。跟随现场科学@livescience，，，，Facebook和Google+。原始文章现场科学。
