AlphaGo 背后的人工智能：机器学习和神经网络

文章目录

一、说明

棋盘游戏围棋被视为人工智能最具挑战性的任务之一，因为它“复杂、基于模式且难以编程”。计算机程序 AlphaGo 战胜李世石成为人工智能和计算机工程史上的重要时刻。我们可以看到 AlphaGo 的巨大能力，但人们对它如何“思考”知之甚少。AlphaGo 的规则是学习而来的，而不是设计出来的，它运用机器学习以及多个神经网络来创建学习组件，使围棋水平更高。从与英国国家医疗服务体系的合作可以看出，AlphaGo 在其他领域也有着广阔的应用前景。

二、背景

2016 年 3 月 9 日至 3 月 15 日，世界排名第二的职业棋手李世石与谷歌 DeepMind 公司开发的计算机程序 AlphaGo 进行了一场围棋比赛。AlphaGo 以 4-1 战胜李世石，成为人工智能历史上的重要时刻。这是计算机首次在围棋比赛中击败人类专业棋手。韩国大多数主要电视网络都转播了这场比赛。在中国，有 6000 万人观看了比赛；美国围棋协会和 DeepMind 在 YouTube 上对比赛的英文直播吸引了 10 万观众。数百名媒体记者和专家评论员一起观看了比赛 [1]。是什么让这场比赛如此重要？要理解这一点，我们必须首先了解围棋的根源。

三、围棋游戏

围棋，在中国称为weiqi ，在日本称为igo，是一种抽象的双人棋盘游戏，已有 3000 年历史。它是一种在 19*19 的棋盘上进行的抽象策略棋盘游戏。围棋从空棋盘开始。每轮，玩家在棋盘上放置一块黑色或白色的棋子 [2]。游戏的总体目标