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
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
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
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!
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。
今天凌晨,OpenAI通过官方博客宣布了其在Dota对抗上的新进展——由五个神经网络组成的团战AI团队,在5v5中击败了业余人类玩家,并表示,将有望挑战顶级专业团队。
Syncthing 是一个持续文件同步程序,它在两台或多台计算机之间同步文件。该项目的主要功能和核心优势包括:
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。
传统意义上,游戏功能是Linux的弱项之一。近年来,由于Steam,GOG和其他将商业游戏平台的努力,这种情况有所改变,但是这些游戏通常不是开源的。当然,你可以在开源操作系统上玩游戏,但这对于开源纯粹主义者而言还不够。
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。
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。
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
绘制网格的关键是使用 Python PIL ImageDraw.Draw.line() 方法。
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。
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
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在围棋、国际象棋和将棋三个棋类上实现超人智能的AlphaZero程序,该程序在一天内自学成才,并在8小时内击败了之前最强的围棋程序AlphaGo Zero。AlphaZero使用了80个TPU和12个CPU,训练了70万步,并在30分钟内完成了对围棋、国际象棋和将棋的自学。AlphaZero通过蒙特卡洛树搜索和强化学习来评估游戏状态,并尝试不同的策略以找到最佳动作。尽管AlphaZero在三种游戏中表现出色,但它仅关注棋类游戏,而不涉及其他领域,并且目前还无法像人类那样在多种领域灵活运用。AlphaZero在人工智能领域取得了重要突破,但仍需进一步研究以解决其局限性。"
国际象棋是世界上最古老的博弈游戏之一,和中国的围棋、象棋以及日本的将棋同享盛名。据说国际象棋起源于易经的思想,棋盘是一个8×8大小的黑白相间的方阵,对应八八六十四卦,黑白对应阴阳。
可以说,AI的发展进化史就是AI在游戏领域的升级史。 SciShow是Youtube上热门的科普向脱口秀节目。它的内容包罗万象,无论什么问题在这里都会得到风趣又详尽的解答。在本次节目中,介绍了AI 是
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
colors[0],colors[1]=colors[1],colors[0]
为了庆祝 5 月 23 日 AlphaGo 中国赛,UAI 推荐一篇有趣且有深度的思考文章。本文译自 Michael Nielsen《why alphago is really such a big deal?》。 围棋程序刻画了人类直觉的元素,这是能够产生深远影响的进步。 1997 年,IBM 的 Deep Blue 系统击败了国际象棋世界冠军,Garry Kasparov。当时,这场胜利被广泛当做是人工智能发展中的里程碑。但是 Deep Blue 的技术仅仅对棋类有用,不可推广。计算机科学并没因此产生革
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
【新智元导读】柯洁誓死战胜 AlphaGo 的豪言壮语言犹在耳, 20 年前第一个被计算机击败的人类冠军、国际象棋大师卡斯帕罗夫却表示,当年和深蓝相遇,既是他的幸运,也是他的诅咒。而20年后的今天,他丝毫不怀疑,每个职业都终将感受到 AI 带来的压力,否则就意味着人类停止发展,而人类劳动逐渐被人类的发明取代,这本身就是文明的历史。 “我会抱必胜心态、必死信念。我一定要击败阿尔法狗!”对于5月23日至27日在中国乌镇与围棋人工智能程序 AlphaGo (阿尔法狗)的对弈,目前世界排名第一的中国职业九段柯洁放
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
给你一个坐标 coordinates ,它是一个字符串,表示国际象棋棋盘中一个格子的坐标。下图是国际象棋棋盘示意图。
「八皇后问题」是一个以国际象棋为背景的问题:如何能够在8×8的国际象棋棋盘上放置八个皇后,使得任何一个皇后都无法直接吃掉其他的皇后。
我们利用计算机视觉技术和卷积神经网络(CNN)为这个项目创建分类算法,并确定棋子在棋盘上的位置。最终的应用程序会保存整个图像并可视化的表现出来,同时输出棋盘的2D图像以查看结果。
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。
今天,中国围棋峰会进行到了第四天,AlphaGo挑战两种未曾体验过的比赛:人机配对赛和1v5的团体赛。 对于全新的比赛形式,棋圣聂卫平与AlphaGo之父哈萨比斯谈了这样的问题:如果让柯洁与AlphaGo搭档,对阵另外一台AlphaGo,究竟哪一方更厉害?参与人机配对赛的古力九段,则在赛前表示:要努力配合好AlphaGo才能有希望。 不幸的是,配对赛战到中局,跟古力合作的AlphaGo不愿再配合他,径直就要投降……但古力被逆转得实在不甘,断然拒绝投降。于是,赢棋无望AlphaGo开始乱走,不到8手棋,古
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)。
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
在本节中,我们将研究一个经典的AI问题:游戏。为了清晰起见,我们将重点关注的最简单的场景是双人游戏,如井字棋和国际象棋等完全信息游戏。
题目:要求输出国际象棋棋盘 1、程序分析,国际象棋是8*8的,如下图所示: i(0~7)代表行,j(0~7)代表列。当i+j为奇数的时候,是黑色格子,反之,白色格子。 2、
【导读】12月11日晚,大家期待已有的 AlphaGo教学工具正式上线了,DeepMind资深研究员黄士杰和DeepMind围棋大使樊麾在Facebook和其新浪微博差不多同一时间发布一条重要消息,谷
创业公司吹嘘技术骗取信任和融资的例子屡见不鲜,但近日,一家西班牙技术公司被曝惊天造假,不仅技术和产品demo视频被怀疑是造假合成,连团队里的工程师,都是GAN合成的“AI造人”。
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。
之前自己编写过一点关于棋类游戏的代码,所以对于这类游戏的大致构成也算是有一些肤浅的认识,前一阵子突然想到应该将这些个零散知识好好总结一番,以算作为自己学习的一点交代。可恨这不总结还好,一总结才发现自己以前自认为通晓的知识原来还是一知半解,更是发现了一堆自己先前遗漏的知识,唉,真可谓学海无涯啊......不过本着学习“八成”原则(这是我前阵子看过的一本书中的观点,感觉还是颇为心有戚戚的,意思大抵是学习过程中不要太过求全求通,慢慢学下去自会变全变通,书名曰《超级学习法》,是本老书了,作者是一名日本的教授,具体姓氏已经不记得了,有兴趣的朋友可以Google看看),自己还是就着多有纰漏的知识储备总结了起来,并且还煞有其事的编写了一些代码,本想借着这篇博文写一写自己总结来的看法,但后来想想与其自己肤浅的在这搬运知识,还不如将自己在学习过程中参考的一些文献介绍给大家,毕竟这原版终归要胜过盗版啊 :)
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。
本文为joshua317原创文章,转载请注明:转载自joshua317博客 https://www.joshua317.com/article/170
谷歌AI研究员、Keras之父François Chollet近日发表一篇长达64页的论文,深入分析、阐述“智能的定义和测量”,引起AI研究社区大量关注。
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
舍罕王赏麦问题是古印度非常著名的一个级数求和问题.舍罕王赏麦问题的大意如下: 传说国际象棋的发明者是古印度的西萨 • 班 • 达依尔,当时的国王是舍罕,世人称之为舍罕王。 当时舍罕王比较贪玩,位居宰相的西萨 • 班 • 达依尔便发明了国际象棋献给舍罕王。舍罕王非常喜欢,为了奖励西萨 • 班 • 达依尔,便许诺可以满足他提出的任何要求。 西萨 • 班 • 达依尔灵机一动,指着 8x8=64 的棋盘说:“陛下,请您按棋盘的格子赏赐我一点 麦子吧,第 1 个小格赏我一粒麦子,第 2 个小格赏我两粒,第 3 个小格赏四粒,以后每一小格都比 前一个小格赏的麦粒数增加一倍,只要把棋盘上全部 64 个小格按这样的方法得到的麦粒都赏赐给我,我就心满意足了。” 舍罕王觉得这是一个很小的要求,便满口答应了,命人按要求给西萨 • 班 • 达依尔准备麦子。但是,不久大臣计算的结果令舍罕王大惊失色。问题是:舍罕王需要赏赐出多少粒麦子呢?
领取专属 10元无门槛券
手把手带您无忧上云