丹尼斯·里奇(1941年9月9日-2011年10月12日)，C语言之父，UNIX之父。曾担任朗讯科技公司贝尔实验室下属的计算机科学研究中心系统软件研究部的主任一职。1978年与布莱恩·科尔尼干（Brian W. Kernighan）一起出版了名著《C程序设计语言（The C Programming Language）》。此书已翻译成多种语言，被誉为c语言的圣经。2011年10月12日（北京时间为10月13日），丹尼斯·里奇去世，享年70岁。
关注我们 题目描述 相传国际象棋是古印度舍罕王的宰相达依尔发明的.舍罕王十分喜爱象棋,决定让宰相自己选择何种赏赐.这位聪明的宰相指着8*8共64格的象棋说:陛下,请您赏给我一些麦子吧.就在棋盘的第1格
UNIX 之父、图灵奖得主、C 语言的前身 B 语言的开发者、操作系统 Plan 9 的主要作者、Belle（一个国际象棋程序）作者之一，这些成就都出自一人之手，编程史上从来不缺大人物，但是肯·汤普逊(一般称之为 Ken Thompson，肯·汤普森）绝对是一个传奇。
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？为了达到此目的，任两个皇后都不能处于同一条横行、纵行或斜线上。八皇后问题可以推广为更一般的n皇后摆放问题：这时棋盘的大小变为n×n，而皇后个数也变成n。当且仅当n = 1或n ≥ 4时问题有解[1]。
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。
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
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）。
（a）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。
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！
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
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。
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！
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
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
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
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
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
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。
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。
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。
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
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。
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。
【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。
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。
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
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。
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。
在上期，我们提到，实现支持完备QoS的运营级别GPU虚拟化的关键在于，实现GPU任务的上下文切换。这实际上涉及到一个问题：
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。
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。
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。
△ 1996年2月卡斯帕罗夫与深蓝的首场对决 量子位 | 若朴 编译整理 二十一年前的2月，国际象棋人机大战上演。 IBM的超级电脑深蓝，因与国际象棋世界冠军卡斯帕罗夫的对阵而名声大噪。虽然深蓝最终没有赢下比赛，但在这个过程中仍然赢下的两局比赛。这也被认为是此后人工智能(AI)与人类的一系列博弈游戏中，一长串胜利的开端。 然而，深蓝其实并不是在博弈游戏中击败人类的第一个人工智能。这不重要。重要的是从第一次获胜迄今，AI已经在众多人机大战中击败人类，例如围棋和扑克。 人机大战似乎不像一个测试AI的正经方式
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？
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.
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。
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
梦晨 发自 凹非寺 量子位 报道 | 公众号 QbitAI 坐着打游戏也能减肥，你敢信？ 50名玩家在实验中用智能穿戴设备测量玩游戏时的卡路里消耗，结果让人不可思议： 在2小时游戏中，男性玩家平均消耗420千卡热量，女性玩家还要更多一些，平均472千卡。 相当于玩2小时游戏消耗掉一杯600ml奶茶（正常糖）或1升可乐的热量了。 要知道，他们测试的可不是健身环这种需要身体动起来的，而是坐在电脑前玩《FIFA》（足球游戏）和《使命召唤：战区》（吃鸡游戏）。 脑力活动耗能超乎你想象 这项研究来自Stakeste
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。
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
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、
【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
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，
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
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
