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.
本文在腾讯云+社区人工智能专栏首发, 为原创翻译文章. 文章正文部分以引用格式给出原文 导读 英文原文发布于2015年9月, 当时 Google 旗下 DeepMind公司 的 AlphaGo(即 阿尔法围棋)尚未战胜人类的职业围棋选手. 今天, 我们已经知道旧版战胜李世石和柯洁的 AlphaGo(包括后来的 AlphaGoMaster)都以深度学习作为技术基础, 而新版的 AlphaGoZero是在没有人类知识的条件下以神经网络为技术基础自学成才的机器. 本文介绍的下棋机器原理与Alpha Go相似
认证是任何应用中最突出的功能之一,无论它是本机移动软件还是网站,并且自从保护数据的需求以及与机密有关的隐私需求开始以来,认证一直是一个活跃的领域。 在互联网上共享的数据。 在本章中,我们将从基于 Firebase 的简单登录到应用开始,然后逐步改进以包括基于人工智能(AI)的认证置信度指标和 Google 的 ReCaptcha。 所有这些认证方法均以深度学习为核心,并提供了一种在移动应用中实现安全性的最新方法。
作者 | 万佳、核子可乐 近日,国际知名开源象棋引擎 Stockfish 一纸诉讼将商业国际象棋软件 ChessBase 告上法庭,指控其多次违反 GPL 许可证。 1Stockfish 是谁? 据维基百科介绍,Stockfish 是一款免费且开源的国际象棋引擎,可用于各种桌面和移动平台,于 2004 年发布。 它是世界上最强大的 CPU 国际象棋引擎,并且在大多数国际象棋引擎评级列表中一直排名第一或位于前列。在多届 Top Chess Engine Championship 中,Stockfish 成
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
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。
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。
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
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。
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。
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!
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。
【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。
DeepMind的使命是证明AI不仅可以精通游戏,甚至可以在不知道规则的情况下做到这一点,最新的MuZero就实现了这一目标。
MuZero 算法在国际象棋、日本将棋、围棋和雅达利(Atari)游戏训练中的评估结果。横坐标表示训练步骤数量,纵坐标表示 Elo评分。黄色线代表 AlphaZero(在雅达利游戏中代表人类表现),蓝色线代表 MuZero。
在上一篇文章中,我们讨论了在 AI 游戏(主要是五子棋)中,应用 Minimax 算法。在本文中,我们将对该算法进行些改造。虽然它并不适用所有的游戏,但是它可能适用于一般的零和游戏,比如国际象棋,四子棋,跳棋等等...请注意,这些改进中的大部分都是针对特定的游戏。
最近,一则消息在程序员圈引起热议:Unix 之父 Ken Thompson 的旧密码被破解了!
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
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。
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。
有人认为 AI 已经穷途末路,但一些绝顶聪明的人还在继续求索。 整理|黄楠、王玥 编辑|陈彩娴 近日,DeepMind 的创始人 Demis Hassabis 作客 Lex Fridman 的播客节目,谈了许多有趣的观点。 在访谈的一开头,Hassabis 就直言图灵测试已经过时,因为这是数十年提出来的一个基准,且图灵测试是根据人的行动与反应来作判断,这就容易出现类似前段时间谷歌一工程师称 AI 系统已有意识的“闹剧”:研究者与一个语言模型对话,将自己的感知映射在对模型的判断上,有失客观。 从2015年成立
计算机科学家们一直对游戏 AI 乐此不疲,原因并非为了精进棋艺,而是希望在此过程中不断提升人工智能的算法和处理复杂问题的能力。实际上,游戏 AI 的历史几乎和人工智能的历史一样长,很多关于人工智能的研究,都起源于研究如何构建能够完成游戏的智能体(agent)。游戏 AI 的进化,始终与 AI 研究进展相生相伴。
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。
本文来自微软研究院AI头条(MSRAsia),AI 科技评论获授权转载,如需转载请联系微软研究院AI头条。
近日,DeepMind一篇关于MuZero的论文“Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model”在Nature发表。与AlphaZero相比,MuZero多了玩Atari的功能,这一突破进展引起科研人员的广泛关注。
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。
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)。
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。"
这两天,DeepMind及谷歌大脑一篇文章被《美国国家科学院院刊》(PNAS)收录,其内容正是以5年前发布的AlphaZero为例,研究神经网络如何获取并理解国际象棋知识。
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。
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
感觉才过一个月多,AlphaGo又进一步,推出了AlphaZero。这次除了会下围棋、还会国际象棋和将棋。做到了道德经里说的“一生多”。 据了解,AlphaZero算法可以再8个小时训练击败李世石版本
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
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
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。
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。
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
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
本文介绍了AlphaZero和AlphaGo Zero的算法实现和进步,指出AlphaZero通过蒙特卡洛树搜索和神经网络实现棋牌游戏的超越,并分析了AlphaGo Zero在围棋、国际象棋和将棋上的表现。同时,文章还探讨了AlphaZero和AlphaGo Zero在落子选择策略上的不同,并预测了AlphaZero在未来可能的发展方向。
本文将简单介绍这些算法的演进历程。未来,DeepMind 能否创造出这一系列的终极算法 OmegaZero 呢?
只用了不到4小时。 AlphaZero在去年底通过自我对弈,就完爆上一代围棋冠军程序AlphaGo,且没有采用任何的人类经验作训练数据(至少DeepMind坚持这么认为,嗯)。 昨天,GitHub有位大神@Zeta36用Keras造出来了国际象棋版本的AlphaZero,具体操作指南如下。 项目介绍 该项目用到的资源主要有: 去年10月19号DeepMind发表的论文《不靠人类经验知识,也能学会围棋游戏》 基于DeepMind的想法,GitHub用户@mokemokechicken所做的Reversi开发,
【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
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
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 :)
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
在20世纪的大部分时间里,国际象棋的博弈都是以人工智能为基准的。 约翰·麦卡锡(John McCarthy)在20世纪50年代早期创造了“人工智能”一词,曾经把国际象棋称为“ 人工智能的果蝇 ”。 在20世纪90年代后期,IBM的Deep Blue开始了对世界冠军Garry Kasparov的一系列国际象棋比赛。 1997年,深蓝最终击败卡斯帕罗夫,标志着一台机器首次在比赛中击败世界冠军。 到了二十一世纪初,技术已经提高到几乎所有的游戏环境中机器都在不停地击败国际象棋大师。 📷 自然,AI开发人员转向其他更
领取专属 10元无门槛券
手把手带您无忧上云