从国际象棋到中国围棋，人类与“机器”已经较上了劲。 看过那么多场对战，你是不是也想上手体验一把？ 来来来，简单五步，手把手教你撸一个缩减版的国际象棋AI。 首先，我们来看一些基础概念： 移动生成 棋面评估 Minimax算法 alpha beta剪枝 在每个步骤中，我们将通过一个国际象棋程序技术来改进算法。我将演示每个步骤是如何影响算法的。 你可以在GitHub上查看AI算法的最终版本。 https://github.com/lhartikk/simple-chess-ai 我无法打败
阅读本文前，请您先点击右上角的蓝色字体“优课屋”，再点击“关注”，这样您就可以继续订阅文章了！
不仅会下围棋，还自学成才横扫国际象棋和日本将棋的DeepMind AlphaZero，登上了最新一期《科学》杂志封面。
今天，DeepMind的通用棋类算法，也是迄今最强的棋类AI——AlphaZero，经过同行评议，被顶级期刊 Science 以封面论文的形式，正式引入学界和公众的视野。
关注风云之声 提升思维层次 解读科学，洞察本质 戳穿忽悠，粉碎谣言 导读 AlphaZero下国际象棋的时候，最革命性的一点是，它没有棋子的概念。无论是人类高手还是过去的顶级AI，再怎么也是以棋子实力评估为基础的，被吃了大子会心疼，在这个基础上再去进行“重视中央”之类的局面评估理论。而AlphaZero却完全对棋子没有概念，只要它认为未来整体局势好，弃子根本不叫事。这次Deepmind新论文应该给出结论了，“MCTS+神经网络”就是先进生产力的代表。 2017年12月6号，Deepmind扔出了一篇论文
之前我写过篇博文，用象棋的思维趣说IT人的职业发展和钱途，发现象棋中的一些思维能应用到我们程序员平时的职业发展中。
在2017年，DeepMind推出了AlphaZero，自己学会了掌握国际象棋，日本将棋和Go，击败了世界冠军。DeepMind很高兴看到国际象棋界成员的回应，他们在和AlphaZero对战中看到了一种突破性的，高度动态和非传统的游戏风格，与之前的任何国际象棋游戏程序都不同。
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI ChatGPT对战国际象棋AI，不到15秒就让人大受震撼。 开局ChatGPT执黑，国际象棋AI执白，双方有来有往，ChatGPT甚至主动出击，逼退对方的象（主教）： 看起来会是一场激烈较量，直到ChatGPT突然嘎嘣一下，吃掉了自己的象！ △奇怪的王车易位操作 事情到这里开始不对劲起来。 无论是棋盘上凭空出现的第9个黑兵（国际象棋黑白各只有8个兵）： 还是突然把斜线上的象吃掉的马： △马本来只能走“日”字 简直不把规则放在眼里有木有！ 这般
谷歌旗下人工智能公司DeepMind将围棋AI转战国际象棋和日本将棋领域——无须人类智慧加持，已胜券在握。 AlphaZero是由谷歌旗下DeepMind研发的通用棋类AI，以不到四小时的自学击败了世界最强的国际象棋程序。 重新改进的人工智能程序AlphaZero曾多次击败世界顶级围棋选手，并扩大到学习其他棋类项目。它从零开始学习国际象棋，仅用4小时，就在100盘比赛中击败了世界顶级国际象棋程序 Stockfish 8。 据在康奈尔大学图书馆的arXiv上发表的一篇未经同行评审的研究论文称，在这100场
此前不久，DeepMind 还推出了 AlphaFold，成功地根据基因序列预测出蛋白质的 3D 形状，将人工智能技术应用在了科学研究领域。
如果你已经在从事其中一种设计体验工作，你可能会想：“信息架构不是关于创建站点地图、线框图和网站导航菜单的吗？”确实如此——这些是信息架构设计的重要元素。但是信息架构不只是如此。
选自arXiv 作者：David Silver等 机器之心编译 在 DeepMind 发表 Nature 论文介绍 AlphaGo Zero 之后，这家公司一直在寻求将这种强大算法泛化到其他任务中的可能性。昨天，AlphaGo 研究团队提出了 AlphaZero：一种可以从零开始，通过自我对弈强化学习在多种任务上达到超越人类水平的新算法。据称，新的算法经过不到 24 小时的训练后，可以在国际象棋和日本将棋上击败目前业内顶尖的计算机程序（这些程序早已超越人类世界冠军水平），也可以轻松击败训练 3 天时间的 A
于是在网上引起了轩然大波。不少人认为，尼曼正是将棋局信息给了“肛珠型”超级计算机，利用它强大的AI能力，分析棋局从而帮助他击败了世界冠军。
20世纪90年代后期，IBM深蓝（Deep Blue）研究了一系列的国际象棋算法，期望于打败当时的世界冠军加里•卡斯帕罗夫（Garry Kasparov）。
今年，Deepmind的“AlphaGo”在围棋领域的胜利让不少人了解到人工智能的强大。当时有人还认为没有人类棋手的经验，人工智能很难快速达到如今的成绩，但后来推出的AlphaGo Zero却是从0开始，自己学习围棋，又取得超越AlphaGo的成绩。如今Deepmind再次将这种强大的算法泛化，提出了AlphaZero：一种可以从零开始，在多种不同的任务中通过自我对弈，达到超越人类水平的新算法。这种算法可以通过24小时的对弈训练后，就可以在日本将棋和国际象棋领域击败目前业内顶尖的计算机程序（这些程序早就战胜
大数据文摘出品 作者：Caleb 10月初的一场国际象棋比赛，让19岁的Hans Niemann一跃成名。 相信大家都还记得，这场比赛也让Niemann直接打破了多年位居世界第一Magnus Carlsen在此之前创下了53场“西部不败”的记录。 是的，在所有人看来，这本来是一场没有任何悬念的比赛。 随后，大家都开始怀疑Niemann在比赛中作弊。 毕竟这也不是他第一次了。Niemann也亲口承认了曾在两次比赛中有过作弊行为，他解释说，这是因为他十分想与顶级棋手比赛，于是将作弊视为一条捷径，这是“他一
作者：闻菲，刘小芹，常佩琦 【新智元导读】或许“智能爆炸”不会发生，但永远不要低估人工智能的发展。推出最强围棋AI AlphaGo Zero不到50天，DeepMind又一次超越了他们自己，也刷新了世人对人工智能的认知。12月5日，包括David Silver、Demis Hassabis等人在内的DeepMind团队发表论文，提出通用棋类AI AlphaZero，从零开始训练，除了基本规则没有任何其他知识，4小时击败最强国际象棋AI、2小时击败最强将棋AI，8小时击败李世石版AlphaGo，连最强围棋AI
距离IBM深蓝(Deep Blue)超级计算机在国际标准锦标赛规则下首次击败国际象棋世界冠军加里·卡斯帕罗夫(Gary Kasparov)已经有差不多20年了. 从那时起, 下象棋计算机的能力变得更加强大, 甚至运行在智能手机上的现代象棋引擎都几乎能让最强的人类毫无招架之力.
选自 Medium 机器之心编译 参与：路雪、 刘晓坤 近日，Jose Camacho Collados 在 Medium 上发表了一篇题为《Is AlphaZero really a scienti
距离IBM的深蓝超级计算机击败国际象棋世界冠军加里·卡斯帕罗夫（Gary Kasparov）已经快过去20年了。此后，计算机性能不断提升，但象棋引擎工作仍主要依靠“暴力破解”，通过穷举法，即遍历一切可能的移动方式，走出最好的一步棋。相比计算机，人类所拥有的技巧主要是评估国际象棋的盘面局势，缩小最优棋路的搜索范围。 2015年9月，来自伦敦帝国学院的Matthew Lai开发出一款名为“Giraffe”的人工智能机器，它能通过自学来判断象棋的摆放位置和下步棋该怎么走，它完全颠覆了传统的国际象棋引擎，下棋方法更
DeepMind 和 Google Brain 研究人员以及前世界国际象棋冠军Vladimir Kramnik通过概念探索、行为分析和对其激活的检查，探索了人类知识是如何获得的，以及国际象棋概念如何在 AlphaZero 神经网络中表示。
一个朋友咨询想自己做一个游戏平台，特别提到棋类的完善。在游戏概念发展上，要比目前的游戏平台全面，跟上时代潮流。比如拿国际象棋来说，要引入近几十年国际象棋发展中，产生的新概念。
点击标题下「大数据文摘」可快捷关注 “深蓝”在1997年的一场历史性的人机大战中战胜了人类国际象棋冠军卡斯帕罗夫。 图/Peter Morgan 1996年，许峰雄博士（右，现为微软亚洲研究院高级研究
2023国际棋联世界冠军赛4月7日开始在哈萨克斯坦阿斯塔纳举办，4月30日晚传来喜讯：中国棋手丁立人经过快棋加赛，最终以总比分9.5：8.5战胜俄罗斯棋手涅波姆尼亚奇，从而成为国际象棋历史上第17位男子个人世界冠军，这也是中国男队获得的第一个男子个人世界冠军。
允中 发自 凹非寺 量子位 出品 | 公众号 QbitAI 上个月，NIPS 2017召开期间，DeepMind创始人兼CEO哈萨比斯，在一个研讨会上发表了演讲。当时也是哈萨比斯首次公开解读Alpha
本文是雷锋网2015年9月份发出的文章，由知社学术圈王鹏编译，原标题《深度学习机器自学国际象棋72小时，媲美国际大师》，文章来源：MIT Technology Review。 谷歌旗下Deep MInd创始人宣布了谷歌在人工智能领域取得重要进展：开发出一款能够在围棋中击败职业选手的程序——AlphaGo，《Nature》杂志也以封面论文的形式， 介绍了AlphaGo击败欧洲围棋冠军樊麾，并将在 3 月和世界冠军李世乭对战。在此之前，有专家提到人工智能机器——“长颈鹿”，它可以通过自学从而像人类那样通过评
夏乙 发自 凹非寺 量子位 出品 | 公众号 QbitAI AlphaGo退隐，留下身后一众你追我赶的围棋AI。 比如说前些天在野狐上连斩多名职业选手的新版绝艺“符合预期”，又比如说多年研究国际象棋和
阿尔法元（AlphaZero）诞生一周年之际，《科学（Science）》杂志今天以封面文发布了阿尔法元（AlphaZero）经过同行审议的完整论文，Deepmind创始人兼CEO哈萨比斯亲自执笔了这一论文。
机器学习国际象棋引擎Lc0上周末赢得了Chess.com计算机国际象棋锦标赛，成为历史上第一个获得此头衔的神经网络项目。
大数据文摘出品 作者：Caleb 在比赛中让对手受伤，听上去好像是什么下三滥的规则擦边球。 但如果这真的是一次事故呢？ 或者说，如果这是机器人引起的呢？ 上周，在莫斯科举行的莫斯科国际象棋公开赛上，一名7岁的国际象棋棋手就被机器人折断了手指。 可以看到，这位小棋手在棋盘上移动了一个棋子，随后机械手臂抓住了选手的食指，用力捏住手指。 尽管周围的人迅速围上来帮忙，但据了解，这位选手的手指已经被诊断为骨折，现在已经打上了石膏继续比赛。他的父母正在正在联系当地检察官办公室准备提出指控。 莫斯科国际象棋联合会主席
AlphaZero 表明神经网络可以学到人类可理解的表征。 作者 | 李梅 编辑 | 陈彩娴 国际象棋一直是 AI 的试验场。70 年前，艾伦·图灵猜想可以制造一台能够自我学习并不断从自身经验中获得改进的下棋机器。上世纪出现的“深蓝”第一次击败人类，但它依赖专家编码人类的国际象棋知识，而诞生于 2017 年的 AlphaZero 作为一种神经网络驱动的强化学习机器实现了图灵的猜想。 AlphaZero 的无需使用任何人工设计的启发式算法，也不需要观看人类下棋，而是完全通过自我对弈进行训练。 那么，它真的学习
【导读】从AlphoGo Zero 到AlphaZero只是少了一个词“围棋”(Go), 但是背后却代表着Hassabis将和他的DeepMind继续朝着“创造解决世界上一切问题的通用人工智能”这一目标道路上迈出了巨大的一步。今天DeepMind在arXiv发表论文表示其开发的通用强化学习程序AlphaZero,使用蒙特卡洛树搜索（MCTS）和深度神经网络，和强大的算力，同时在国际象棋，日本将棋和围棋中战胜各自领域的最强代表。而且这一切都是通过自我对弈完成的，在训练中除了游戏规则，不提供任何额外的领域知识。
来源：新浪科技 作者：DeepTech 现代文明和科技已经使得我们的直觉不断退化。绝大多数人都没有意识到直觉的价值甚至没有意识到它的存在。作为复杂计算的基础，直觉是一种很容易被忽视的非常规方法。这种非常规性使得许多研究人员忽视它的潜力。 本文引用地址：http://www.eepw.com.cn/article/201712/373152.htm 我在人工智能领域所做的工作围绕“先进的认知机器将使用直觉作为其智力基础”这一想法。我们人类的思想为一般化的智力提供了充足的证据。人类本质上是直觉机器，而我们
机器学习系统通常被认为是不透明的、不可预测的，和人类所接受的训练几乎没有任何共通之处。
2月24日消息，据外媒报道， 国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)也许是历史上最伟大的棋手。在1985年成为世界冠军后的近20年里，他经常采取大胆弃子、疾进反击的策略赢得比赛，几乎成为这项棋牌运动的主宰者。
GitHub作为程序员们的开源宝库，有着很多非常好的项目。对于初学者来说，游戏有着一种特殊的魅力。今天统计了GitHub上比较有趣的10个开源小游戏，其中有许多可以称之为经典。笔者是一名90后，《贪吃蛇》、《坦克大战》、《超级马里奥》和《太空侵略者》作为儿时的玩伴，陪伴笔者度过了很多时光，给笔者带来了非常多的回忆。
现在机器学习已经变得越来越主流，一些设计模式渐渐浮现。作为CrowdFlowe的CEO，我与许多构建机器学习算法的公司合作过。我发现了在几乎任何一个成功将机器学习应用于复杂商业问题的案例中，都有“人在环中”的运算。它是这样的： 首先，一个机器学习模型先对数据，或者每一个需要标记的视频、图片和文件，做处理。这个模型也给出了一个置信分数（confidencescore），表示这个算法有多大可能做出了正确的判断。 如果置信分数低于了某个值，它会把数据发送给人类，让人类做判断。人类做出的这个新判断既会被应用于处理过
如果我们想利用科技，就必须直面恐惧。 ——加里·卡斯帕罗夫 卡斯帕罗夫 生于1963年 前苏联、俄罗斯国际象棋棋手 22岁成为世界上最年轻的国际象棋冠军 接下来的职业生涯里 他获得了一连串冠军头衔 直到2005年退役 但是 幸运也是不幸 让他真正“家喻户晓”的 是历史课本里 1997年5月11日 他作为人类的代表 与IBM计算机“深蓝”的一次对弈 那一次 人类输了 此后的20年 人类好像一直在输 到了2017年 IBM已经有了能赢取智力竞赛节目的Watson 而距离谷歌用AlphaGo震惊世界 也已
哈萨比斯天天见。这位DeepMind创始人、AlphaGo之父，一直是全球赞颂的当世天才，但每天要到凌晨4点，才能睡下。
大数据文摘字幕组作品 如果我们想利用科技，就必须直面恐惧。 ——加里·卡斯帕罗夫 卡斯帕罗夫 生于1963年 前苏联、俄罗斯国际象棋棋手 22岁成为世界上最年轻的国际象棋冠军 接下来的职业生涯里 他获得了一连串冠军头衔 直到2005年退役(ﾟ▽ﾟ)/ 但是 幸运也是不幸 让他真正“家喻户晓”的 是历史课本里 1997年5月11日 他作为人类的代表 与IBM计算机“深蓝”的一次对弈 那一次 人类输了 和文摘菌用过同一版历史教材的请举手 此后的20年 人类好像一直在输 到了2017年 IBM已经有了能赢取智力
本文介绍了 AlphaZero 是如何利用深度强化学习解决围棋问题的。首先，AlphaZero 在无任何人类指导的情况下，通过自我对弈的方式学会下围棋。然后，它利用蒙特卡洛树搜索和深度神经网络来评估局面和选择策略。最后，通过与人类世界冠军和之前的围棋 AI 进行比较，AlphaZero 证明了其强大的围棋下棋能力。
AI 科技评论报道：今天 DeepMind 悄悄放出了一篇新论文，介绍了一个「AlphaZero」。一开始我们差点以为 DeepMind 也学会炒冷饭了，毕竟「从零开始学习」的 AlphaGo Zero 论文 10 月就发出来、大家已经讨论了许多遍了。 可定睛一看，这次的 AlphaZero 不是以前那个只会下围棋的人工智能了，它是通用的，国际象棋、日本象棋也会下，所以去掉了名字里表示围棋的「Go」；不仅如此，围棋还下得比上次的 AlphaGo Zero 还要好——柯洁在得知 AlphaGo Zero 之后
Alex 发自 凹非寺 量子位 | 公众号 QbitAI 这是一只看起来人畜无害的小猫咪，瞧它大大的眼睛和无辜的眼神。 但此喵最近在国际象棋圈引起了轰动。 国际大师（International Master）Levy Rozman还半开玩笑半认真地说： 国际象棋世界必须联合起来反对米坦斯（Mittens，这只猫的名字）。 △Levy Rozman在小蓝鸟上ID名为GothamChess 事情是这样的，今年1月1日，在线国际象棋网站Chess.com推出了五种国际象棋机器人，小猫米坦斯就是其中之一。 想撸
在以往的比赛中，我们最常听到的一句话就是友谊第一，比赛第二，要有竞技精神，但也要避免受伤。
大数据文摘作品 作者：姜范波、Aileen、Yawei Xia、龙牧雪、魏子敏 距离阿尔法狗元版本刷屏一个多月时间，阿尔法狗又进化了，这次不光可以玩围棋，不再是“狗”了。我一点也不惊讶。 在用阿尔法狗（AlphaGo）和阿尔法狗元（AlphaGo Zero）称霸围棋世界后，当地时间周二晚，DeepMind的研究组宣布已经开发出一个更为广泛的阿尔法元（AlphaZero）系统，它可以训练自己在棋盘，将棋和其他规则化游戏中实现“超人”技能，所有这些都在一天之内完成，并且无需其他干预，战绩斐然： 4个小时成为了世
本文介绍了DeepMind在AI领域的最新成果——AlphaZero，它可以在一天内自主学会下国际象棋、将棋和围棋，且超越了所有旧版AI。AlphaZero通过蒙特卡洛树搜索和强化学习，在每种游戏中挖掘数千万种走法，迅速成为专家。尽管AlphaZero在3种游戏中表现卓越，但离真正的人类智能还有很长的路要走。
现如今，阿兰·图灵、马文·明斯基、约翰·麦卡锡这些来自西方国家的计算机科学和人工智能之父的姓名即便还不是家喻户晓，但至少在相关领域内人尽皆知。但是，很少有人知道苏联的铁幕之下也曾有过人工智能开发活动，尽管有时在这一领域中两种体制之间竞争的激烈程度要低于太空竞赛。本文通过主角 Andrey Leman 及其同事的人生故事，带你回首被世人遗忘的苏联 AI 往事。
用GPT-2来下象棋，最开始大概只是一个娱乐项目。作者肖恩·普莱斯（Shawn Presser）只用了一周的时间就完成了Demo。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
