电子产品世界

　　职业女子棋手和评论员徐莹在今天比赛的评述中说到：“自从 AlphaGo 出现之后，突然围棋变得五彩斑澜了，我们感觉思路一下子打开了，AlphaGo 这种自由自在的行棋风格，恰恰是我们一直所追求的围棋本质。”

　　Michael Redmond九段点评说，AlphaGo的棋风如何激发人类棋手挑战创新的边界，并赋予一些传统套路新的生命。“柯洁在开局阶段就使用了他从早前Master连胜系列中学习到的下法，并和自己的风格融合到了一起。”

　　正如哈萨比斯所说，“再过一万年，我们也不能穷尽所有的打法。”但是，围棋的探索从未停止。

AlphaGo有哪些蜕变，2.0之后何去何从?

哈萨比斯今日透露，目前的AlphaGo是在云端由单TPU运行，这与Goolge上周在I/O大会上刚公布的芯片版本一致。TPU是专门为机器学习而设计的处理器。与去年3月与李世石的比赛时相比，当前的版本在处理计算时所消耗的能量仅为过去的十分之一。

　　360研究院院长颜水成点评说，过去一年多，AlphaGo在学习方式和模型上有很大的变化和提升，实时比赛计算已经用一个TPU就足够。对于算法上的贡献，三角兽科技首席科学家王宝勋说，毫无疑问的AlphaGo基于深度学习的搜索算法得到了进一步的优化，走棋的效率更高，强化学习势必比之前发挥的作用更大。但是Deepmind对于硬件和模型细节的把握同样是不可忽视的因素。

　　对于AlphaGo 2.0的技术进步，地平线机器人技术CEO余凯称，这次AlphaGo 2.0的重要进展是，系统完全从零状态开始通过自我博弈来学习和提升棋力的。而以前的1.0版本是有学习人类棋手历史数据的。这种完全不需要外界数据的自我学习，是人工智能很激动人心的一个进展。

　　搜狗CEO王小川进一步解释说，AlphaGo 1.0是巧妙地混合了蒙特卡洛树搜索+监督学习+增强学习三种算法。而此次AlphaGo2.0的技术原理与之前有着巨大不同，它放弃了放弃了监督学习;放弃了蒙特卡洛树搜索，不再进行暴力计算;极大地强化了增强学习的作用，之前敲边鼓的算法，正式成为扛把子主力。

　　第四范式资深机器学习架构师涂威威点评到，在底层架构上，AlphaGo这一版性能相比去年有了一个量级的提升，不仅是训练速度提升，而且实际对弈的机器也从去年的多台机器的集群变成了现在的单机，这点对实际应用意义巨大，降低了使用门槛，同样也使得在相同计算资源的情况下，可以支持更多的训练数据和维度更高的模型;Google在此之前也宣布了新版的TPU，打破了深度学习训练硬件上GPU的垄断(更早公开的TPU只是被应用在深度学习预估系统中)，新版的AlphaGo可能也会受益于TPU技术的进步。算法细节上尚未公布，这一版可能对搜索策略和强化学习一些细节上进行调整，比如蒙特卡洛树搜索和策略网络结合来提升性能，以及上一版的AlphaGo自我博弈的启发式策略(与前几轮的自己进行对弈)并不收敛，我们猜测新版可能在这些方面会有所改进。

　　涂威威重点提到，DeepMind已经在尝试让AlphaGo有“举一反三”的能力，这种触类旁通的能力才是人类更为擅长的，这里就要用到迁移学习领域的技术。

　　对于AlphaGo在比赛之后的发展，创始人哈萨比斯表示，我们在本周内会告诉大家，并披露更多的技术细节。

　人工智能能给人类带来什么?

　　虽然哈萨比斯没有透露AlphaGo的去向，但是他在现场曾表示，我们利用人工智能可以解决目前的很多难题，比如医疗。我们希望AlphaGo与人类的合作可以找到更多的方式，我们希望AlphaGo在其他领域也能取得瞩目的成就。

　　达闼科技CEO黄晓庆说，AlphaGo赢柯洁是完全在意料之中，赢很小的优势也是意料之中，因为那是AlphaGo的设计方法，只需要保证赢就行。“这是对强人工智能技术的可能性的最强大的证明!”黄晓庆强调说。

　　也许就是因为这种进步，DeepMind将开始探索人工智能在医疗等各个行业领域的应用。

　　海知智能(ruyi.ai)创始人兼CEO谢殿侠评点说，以AlphaGo为代表的人工智能应用，在这场认知革命里只是一个小小里程碑。工业革命实现了体力工作自动化解放了体力劳动者，认知革命将知识工作自动化解放脑力劳动者。

　　最后，智能菌相对大家说，比赛尚未结束，精彩还在继续，虽然变化打法仍没有找到AlphaGo的弱点，但柯洁仍表示会尽全力去拼每一盘棋，作为观众我们何尝不需要这种认真的精神呢?

关键词： AlphaGo AI

加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码