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,
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
绘制网格的关键是使用 Python PIL ImageDraw.Draw.line() 方法。
colors[0],colors[1]=colors[1],colors[0]
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:
2017 年 1 月到 12 月,我们比较了近 2 万篇关于创建机器学习应用程序的文章,并挑选了排名较前的前 50 篇供大家学习参考。 我们相信,跟着这个领域有实践经验的老司机学习,是提升你职业生
「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。
如果你使用的是Python 2.7,应调用方法__unicode__(),而不是__str__(),但其中的代 码相同。
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 抛给ChatGPT一个需求,它只能给你一堆运行效果未知的代码? 现在,只需一个小改动,ChatGPT不仅能直接把你的文字需求变成代码,还能帮你跑一遍,把输出结果返还给你! 这个秘诀就是代码解释器插件。 作家Andrew Mayne(现已加入OpenAI)拿到了内测资格,并上手试了试,效果让他直呼“魔法”—— 让ChatGPT写个AI人脸检测程序,Andrew Mayne上传自己的照片后,很快就被检测了出来: 再试试让它写个迷宫生成算法,并把通路做成
今天,Jack Cui 教大家两个算法,帮你搞定不清晰的、褶皱的老照片,黑白照片变彩照。
【导读】深度学习平台aetros.com的联合创始人Max Pumperla博士撰写的深度学习与围棋实战《Deep Learning and the Game of Go》深入检出地讲解了各个深度学习和强化学习的应用,教您如何打造自己的围棋机器。 在在2016年初,大部分围棋(Go)的玩家都会告诉你,一台机器永远不会打败围棋世界冠军。 然后,Google的AlphaGo AI以3-0击败了全球最强的选手柯洁。 六个月后,Alpha Go Zero以89-11击败了AlphaGo. AlphaGo对深度学习系
本文为雷锋字幕组编译的推荐系列,原标题 Learn to Build a Machine Learning Application from Top Articles of 2017,作者为 Mybridge。 翻译 | 宥佑 杨丽 整理 | 凡江 2017 年 1 月到 12 月,我们比较了近 2 万篇关于创建机器学习应用程序的文章,并挑选了排名较前的前 50 篇供大家学习参考。 我们相信,跟着这个领域有实践经验的老司机学习,是提升你职业生涯的一条捷径。 下面的介绍可以使你更方便了解,因为它包含
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。
YOLO 是我最喜欢的计算机视觉算法之一,在很长一段时间里,我计划着专为它写一篇博文。然而,我不希望它成为另一篇详细解释 YOLO 背后工作原理的文章,网上有很多文章都很好地涵盖了它理论方面的知识。除此之外,如果你想加深对这个架构的理解,直接从源代码获取信息并阅读源文件(https://arxiv.org/abs/1506.02640)也是一个好主意。
本文来自一位Jetson开发者供稿。文章里,他从项目发起,到项目中遇到的挑战和瓶颈的点点滴滴,都非常详细。这个项目Lady我也一直关注着,当他第一时间把运行的DEMO看的时候,我也是由衷地感到高兴,迫不及待让他写下来分享给大家!
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!
梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 有一个棋力很好的朋友,总是下不赢怎么办? 英国程序员小哥詹姆斯想出奇招:把电脑连在鞋垫上。 比赛现场,詹姆斯(左)看起来像是聚精会神地在思考下一步动作,他的对手也没发现哪里不对劲。 但在桌面之下,他正努力用脚底板和树莓派电脑沟通。 在没有显示器也不能发出声音的情况下,输入要靠鞋里安装的压力传感器,输出则靠振动马达。 成功赢下一盘后,詹姆斯坦白自己其实是「用脚」赢的。 他的朋友欧文一开始还不信,直到他把身上的设备都掏出来,欧文才露出一副见了鬼的表情。
金磊 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 郭晶晶家的象棋家教——没错,就是商汤AI象棋机器人“元萝卜”(SenseRobot),近日正式现货发售。 从近2个月前开始预售的那刻起,各种讨论就萦绕在它周围: AI象棋机器人水平怎么样?作为实体机器人,和网络下棋AI有什么差别?具体实用性,会让它买后不久就搁置吃灰,还是真的能与它长期对弈,畅快厮杀? 以及,真的会有人买它吗? 得到答案是肯定的。数据体现,预售阶段元萝卜就售罄;发货首日,官方旗舰店已经有头一批吃“萝卜”的人,写下或长或短的用户体验
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
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。
国际象棋可以说是最棒的棋盘游戏之一,它是战略战术和纯技术的完美融合。每位玩家开局时各有 16 枚棋子:一王、一后、两车、两马、两象和八兵,各具不同功能与走法。真人对弈可以凭借玩家的经验,步步为营。那么,对于一个机器——计算机,你该如何教会它下棋?近日,有人在 medium 上发表了一篇文章,详细解释了如何教计算机玩国际象棋。
【导读】Google DeepMind AlphaGo团队在Nature上发表两篇论文《Mastering the game of Go without Human Knowledge》 和《Mastering the game of Go with deep neural networks and tree search》,这两篇划时代的论文,将成为永恒经典,在第一篇文章中,其介绍了迄今最强最新的版本AlphaGo Zero,不使用人类先验知识,使用纯强化学习,将价值网络和策略网络整合为一个架构,3天训练
2016年1月27日,《自然》刊文报道,谷歌公司开发人工智能程序alpha go(阿尔法围棋)以5:0的战绩完胜欧洲冠军,围棋职业二段樊麾。这是围棋人工智能首次战胜人类职业棋手。这在围棋界掀起了一个不大不小的波澜。之所以不大,是因为樊麾并不能代表人类最高水平。另外当时人们对ALPHA GO知之甚少,仅从棋谱上看,仍有不小的瑕疵。 2016年3月9日至3月15日,ALPHA GO在韩国首尔以4:1的战绩战胜人类顶尖棋手,韩国围棋职业棋手李世石九段。如果说战胜樊麾只是ALPHA GO的小试牛刀,人们对ALPHA
用Python开发图形界面有两种方式 一种是用Django或Flash等框架开发网页 另一种是开发桌面应用程序,比如下面这个国际象棋游戏 📷 本文主要讨论图形界面库GUI,最后会告诉你如何选择。 6个最常用的Python图形库 Python有非常多的图形界面库: 📷 这里我们只讨论最常用的6个: PyQt5 经常排在第一位Python图形界面库,基于著名的Qt跨平台图形界面库。自带大量空间,有QtGUI和QtDesigner,可以帮你方便的设计界面。 不过这个是要License的,适合企业级用户或者土豪。
五子棋是常见的一款小游戏,五子棋问题是人工智能中的一个经典问题。这篇文章主要介绍了python版本五子棋的实现代码,大家可以做个参考,与我的傻儿子对弈一下。
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。
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。
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。
强化学习(Reinforcement learning,RL),又称再励学习、评价学习或增强学习,是机器学习的范式和方法论之一,用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。
根据历史传说记载,国际象棋起源于古印度,相传国王要奖赏国际象棋的发明者,问他想要什么,发明者说:请您在棋盘的第一个格子里放1粒麦子,第二个格子里放2粒,第三个格子里放4粒,第四个格子里放8粒,以此类推,直到最后一个格子,第64格放满为止。
如果只允许你写一行代码,你能够实现什么样的功能?今天我们来看看这 16 行丧(gan)心(de)病(piao)狂(liang)代码。
王新民 编译 量子位 报道 | 公众号 QbitAI 在编程之前,我们先了解一些基本的概念,来帮助我们创建一个简单的象棋AI机器人:移动生成、棋局评估、最大最小搜索和α-β剪枝搜索过程这四个概念。 在每个步骤中,我们将会在已有的程序上加入上述经典的象棋编程优化技术,来进行改进我们的象棋机器人。同时我会向大家演示各种优化参数是怎么影响算法的下棋风格和计算速度的。 作者Lauri Hartikka提到:“我已经无法战胜我创造出来的象棋机器人。我觉得导致这个结果的原因不是因为我下棋技术太烂,就是算法已经足够优秀。
作者David Foster。 翻译 | 黄伟聪 董星 校对 | 凡江 在这篇文章,我会试着阐明三件事: AlphaZero之所以是人工智能前进一大步的两个答案 怎样生成一个 Alpha
五子棋是常见的一款小游戏,五子棋问题是人工智能中的一个经典问题。这篇文章主要介绍了Python版本五子棋的实现代码,大家可以做个参考,与我的傻儿子对弈一下。
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
上次写的第一篇《零基础学编程》的文章,没想到还挺火,给了我继续写下去的动力。 编程之路从来都不轻松,一路上你要学习各种知识点,会遇到无数的阻碍,所以你要找到编程的内心驱动力,让学会编程成为你的刚需,才能让你在编程道路上不断前行。 编程虽难,但仍有办法。想起我当时想学编程的动机竟然是缘于游戏,记得有一天的周末,我在Apple II微机教室里看到一位同学在玩游戏,他正在与电脑下中国象棋,只见他走了一步之后,计算机经过几十秒的“思考”之后,缓慢地挪动了一枚棋子,当时(80年代末)也没注意计算机的象棋水平有多高,但
1.题目分析 首先需要一个实体类来代表一枚象棋的基本信息,包含象棋的名字/当前坐标 其次需要一个备忘录类来保存象棋的信息,这个类应当含有象棋类的要保存的字段,并且该类对外封闭 由于备忘录类是对外封闭的,所以应当由一个备忘录管理者类,来负责创建和恢复象棋的备忘录 客户端不与备忘录类耦合,而是借用备忘录管理类来管理备忘录 2.UML图
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。
2016年,阿尔法狗与李世石的人机大战,引爆人们对AI的关注。无数棋艺爱好者,在目睹了阿尔法狗战胜李世石之后,无不想与之对弈,亲自感受来自人工智能的神秘力量。
金磊 发自 凹非寺 量子位 | 公众号 QbitAI “跳水皇后”郭晶晶,教孩子们下象棋也是不一般。 你以为是花重金聘请象棋大师,手把手、一对一地进行辅导? No,No,No~ 就在刚刚,郭晶晶亲自爆料了令人意想不到的“独家秘方”——用AI机器人。 从曝光的画面来看,这个AI机器人大致由三个部分组成: 小小的脑袋,长长的手,棋盘之上稳步走。 而且郭晶晶还在现场介绍说,象棋运动其实很早就是家庭生活中的一部分,但这个AI机器人却带来了不一样的体验: 它是一个全能棋手,可以和家里任何一个人下棋。 它和我们家孩子
翻译 | AI科技大本营 编辑 | Donna Medium上的机器学习深度爱好者必关注的账号Mybridge照例对11月发表的学术论文进行了排名,整理出了10篇必读论文,建议收藏深读。 1. Alpha Zero:用强化学习算法对中国象棋和国际象棋进行自我修炼(本论文作者包括DeepMind创始人Demis Hassabis) https://arxiv.org/pdf/1712.01815.pdf 2. 高分辨率图像合成和有条件的GANs的语义处理(该论文由UC Berkeley的Ming-Yu Liu
翻译 | AI科技大本营 编辑 | Donna Medium上的机器学习深度爱好者必关注的账号Mybridge照例对11月发表的学术论文进行了排名,整理出了10篇必读论文。营长已将论文资源整理好,建议收藏深读。 1. Alpha Zero:用强化学习算法对中国象棋和国际象棋进行自我修炼(本论文作者包括DeepMind创始人Demis Hassabis) 论文地址:https://arxiv.org/pdf/1712.01815.pdf 2. 高分辨率图像合成和有条件的GANs的语义处理(该论文由UC
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
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
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 :)
领取专属 10元无门槛券
手把手带您无忧上云