Alpha Go人工智能系统与世界围棋冠军李世石的“世纪对决”第一幕结束，李世石输了第一局。在这场比赛开始之前，我就在朋友圈说，机器胜出，毫无悬念。我坚信，Alpha Go将会胜出余下四局。 为什么我对Alpha Go如此乐观？ 一个简单却错误的逻辑是，如果Google对于这场比赛没有胜算，就不会煞费苦心来运作这个事情。如果机器输了，这个“世纪大战”就没有什么标志性意义。相反，如果机器赢了，不禁会奠定Google在人工智能领域老大的地位，还有望掀起新一轮人工智能投资研发热潮——用AI来赢得棋局并不是目的，
李世石与AlphaGo人机大战虽然已经过了将近2个月的时间，但由此引发的人工智能热潮却丝毫不减。中国作为围棋的发源地，柯洁作为目前人类棋手的第一人，AlphaGo作为人工智能的第一高手，为了围棋的发展
人工智能（Artificial Intelligence，AI）是指计算机系统能够模拟人类的思维和行为，实现类似于人类智慧的能力。它是一种复杂的技术，通过机器学习、自然语言处理、计算机视觉等技术，使计算机能够自主地进行学习、分析、识别和决策等任务，从而实现人与计算机之间的智能交互。
---- 新智元报道 编辑：好困 昕朋 【新智元导读】时隔7年，人类围棋选手首次「大胜」顶尖AI棋手！是什么策略，让李世石都甘拜下风的人工智能铩羽而归呢？ 2016年，是人工智能的崛起之年。 自从AlphaGo完胜围棋世界冠军李世石之后，代表围棋顶尖水平的玩家再也不是人类。 然而，今天金融时报的一篇文章让围棋重回人们的视野：人类找到了战胜AI的方法！ 蛰伏7年，人类棋手要卷土重来了吗？ 围棋逆风翻盘，人类战胜AI？ FT报道称，来自美国的业余四段棋手Kellin Pelrine，一举击败了顶级的
最近，AlphaGo“人肉臂”黄士杰回到台北参加了Google举办的一次人工智能论坛。并且发表了《AlphaGo与AI的黄金时代》演讲。
新浪科技讯 2月3日下午消息，谷歌发布旗下深度学习研究成果——围棋程序AlphaGo后，引起热议。关于3月份与韩国围棋国手李世石的较量也让业界纷纷展开预测。同样是搜索起家的国内互联网公司搜狗创始人王小川，近日发表看法称，在人机围棋大战中，他坚信AlphaGo会完胜李世石。 王小川表示，从初中开始就着迷于用算法来解决游戏中的博弈问题。在前几年深度学习出现后，曾联合清华大学联合实验室做过探索，但由于气场和能力方面的欠缺，未能取得突破。不过，坚信算法参与到围棋游戏中，大方向可行。 王小川在看了谷歌发布的消息后，从
中青在线讯（中国青年报·中青在线记者 梁璇）刚拿下个人第五个世界冠军的柯洁九段，12月27日上午在首届“吴清源杯”世界女子围棋赛暨2018世界人工智能围棋公开赛新闻发布会上表示，他将再战人工智能。此前，败于AlphaGo之后，柯洁曾表示再不会跟人工智能下棋，“包括中国的、日本的AI，我未来都不会下了。”但柯洁今天坦言：“我要食言了。” 2018年4月下旬，首届“吴清源杯”世界女子围棋赛将在福州举办，而2018世界人工智能围棋大赛也将同时举行。据主办方介绍，届时将邀请绝艺、天壤、CGI、Deepzengo等来
前几天，最具传统和权威的“UEC杯”计算机围棋大赛在日本东京落幕，腾讯AI Lab研发的人工智能围棋程序“绝艺”从30个参赛程序中脱颖而出，以11战全胜的战绩夺得冠军。在接下来的“电圣战”人机围棋大战中，绝艺又执黑中盘战胜日本围棋新秀一力辽七段。 截至3月9日，绝艺的对局数量达到534盘，战绩是406胜128负，胜率76%，与柯洁、古力、常昊、范蕴若、范廷钰、朴廷桓等超过100位顶尖棋手有过交锋。凭借无与伦比的出色战绩，绝艺成为野狐平台上第一个晋级“十段”的棋手。 这本没什么值得夸耀的。早在去年3月，在一场
人工智能（AI）领域在过去几年取得了巨大的进展，其中神经网络和强化学习技术的发展尤为引人注目。这两者结合在一起，正在为AI赋予一种超能力，使其能够在各种领域实现卓越的表现。本文将深入探讨神经网络和强化学习的关键概念，以及它们如何相互结合，为AI赋予超能力。
人工智能（AI）的快速发展和深度学习技术的进步，为游戏领域带来了许多创新和改变。强化学习作为一种重要的AI技术，在游戏AI中得到了广泛应用。本文将探讨强化学习在游戏领域中的应用，以及在应用过程中面临的挑战和解决方法。
【新智元导读】AlphaGo之父杰米斯·哈萨比斯（Demis Hassabis）近日在母校英国剑桥大学做了一场题为“超越人类认知的极限”的演讲，解答了世人对于人工智能，对于阿尔法狗的诸多疑问——过去3
转自澎湃新闻 “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出豪言。然而，AlphaGo（阿尔法狗）之父却说，“我们发明阿尔法狗，并不是为了赢取围棋比赛。” AlphaGo之父杰米斯·哈萨比斯（Demis Hassabis）近日在母校英国剑桥大学做了一场题为“超越人类认知的极限”的演讲，解答了世人对于人工智能，对于阿尔法狗的诸多疑问——过去3000年里人类低估了棋局哪个区域的重要性？阿尔
【新智元导读】AlphaGo 系统基于树搜索，由神经网络驱动。然而，所有这些技术都不是新的，也被其他围棋 AI 的开发者使用。那么，是什么让 AlphaGo 如此特别？来自德国和俄罗斯的几位研究人员在《Lessons Learned From AlphaGo》一文中探讨了这一问题。他们指出，AlphaGo 实施的每一个细节都是多年研究的结果，而它们的融合才是 AlphaGo 成功的关键。 论文地址：http://ceur-ws.org/Vol-1837/paper14.pdf 围棋对 AI 的挑战难点在于棋
文章主要探讨了深度学习在模式识别上的进展，以及如何在神经网络中加入稀疏发放和横向连接，以解决传统人工智能在语义理解上的不足。同时，也提及了贝叶斯方法在深度学习中的应用，以及发展新型网络模型和结合脑机制的研究。
安妮 编译整理 量子位 出品 | 公众号 QbitAI 近日，深度学习领军人物、卷积神经网络的创作者之一Yann LeCun接受了外媒采访。作为Facebook人工智能研究院（FAIR）的院长，LeC
在棋牌界，用科技手段作弊的情况屡见不鲜。最近，在一场中国业余围棋公开赛上，出现了疑似用AI作弊的一幕，再次令人工智能“威胁论”重回舆论中心。然而，事实的真相到底是什么？
《吴军·硅谷来信》20171019《特别来信丨千字解析人工智能阿尔法元》 10 月 19 日，《自然》（Nature）杂志官网上刊登了 Google DeepMind 团队（也就是下围棋的 AlphaGo 背后的技术团队）的大卫·席瓦尔（David Silver）博士的一篇文章，介绍了他们最新的研究成果：不使用人类对弈棋谱，直接采用机器学习（增强学习）的方法，反而能够训练出更厉害的围棋对弈程序，该团队把这个程序称为 AlphaGo Zero（一些媒体将它翻译成“阿尔法元”）。 我们不妨从下面五个方面看
Root 编译整理 量子位 出品 | 公众号 QbitAI 昨天，DeepMind团队又在arXiv上扔了个重磅炸弹，新一代AlphaZero在用了强劲的计算资源（5000个一代TPU和64个二代TPU）之后，用不到24小时的时间自我对弈（tabula rasa，也叫白板）强化学习，接连击败了三个世界冠军级的程序 (国际象棋、将棋、围棋)。 △ AlphaZero和国际象棋冠军程序对弈 其中包括上一代冠军围棋程序AlphaGo Zero，这个程序发布还不到两个月，DeepMind就又把自己颠覆了（所以谷歌团
编译是将您编写的源代码翻译成较低级语言(任一汇编语言)的过程(就像Go一样)，或者其他中间语言(就像Java和c#一样)。
解读柯洁大战AlphaGo，当然离不开围棋界最懂机器学习的高手。 本次，我们很荣幸邀请到围棋队的电脑专家——余平大师，来为我们讲解第一盘人机大战。 首先，当然从围棋的角度出发，余平大师认为，柯洁选AlphaGo的“点”三三是非常非常错误的。 “点”完三三，然后一“爬”的时候，以前胡耀宇写过一个“扳”，然后“扳”了“退”，所以说不好；事实上今天AlphaGo一“飞”，其实几十年就已证明过“飞”比“扳”要便宜一点点。 其次，他还认为柯洁没有抓住第37手的机会，非常可惜。 柯洁在36手AlphaGo“挤”他
GAIR 今年夏天，雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”（简称GAIR）。大会现场，谷歌，DeepMind，Uber，微软等巨头的人工智能实验室负责人将莅临深圳，向我们零距离展示国外人工智能震撼人心、撬动地球的核心所在。在此之前雷锋网将网罗全国顶尖的人工智能和机器人专家和各大公司的首席科学家，同这些国际大拿同台交流。如果你不想错过这个机会，请用邮件直戳我心，lizongren@leiphone.com 今天，在浙江余姚举办的中国第三届机器人峰会上，中国工程院李德毅院士分享了他在无
选自arXiv 机器之心编译 参与：李泽南、吴攀 在五月底与柯洁等人的系列对局之后，人工智能围棋大师 AlphaGo 已经功成名就，金盆洗手了，参阅《现场报道 | AlphaGo 被授职业九段，DeepMind 将公开其所有版本细节》；但这并不意味着计算机围棋研究已经走到了尽头。近日，北京大学的一组研究团队宣称在计算机围棋研究上取得了另一个方向的研究成果。 和 AlphaGo 等目前领先的围棋程序不同，北京大学 Wang Jinzhuo、王文敏、王荣刚、高文等人提出的新方法没有使用蒙特卡洛树搜索，而是使用了
作者：Denny Britz，前谷歌大脑团队成员 问耕 编译整理 量子位 出品 | 公众号 QbitAI △ 工作人员手里举着一个U盘，装在里面的就是击败了人类DotA 2顶级玩家的人工智能程序 当我
前言 总有人会对新技术持反对态度，人们的理由有时看起来有些道理，但更多的时候人们其实容易陷入事物的表象不能自拔，一项技术到底对我们到底是好是坏？答案可能并没有那么容易得到。我们相信，技术对我们的意义，取决于它的诞生背景和其运行的本质。这项技术的出现是历史的必然，还是为人为制造的需求而生？其出现在历史中的必要性到底有多少？它们在本质上是一种用于做什么的和如何做那些事的东西？很多时候，只有当我们深入去追究一件事的本质，隐藏在它们背后的含义才会慢慢浮现出来。 对于AI来说，我们认为，AI的出现是因为几种基本、朴素
机器之心原创 参与：李泽南、李亚洲、吴攀 4 月 10 日下午，谷歌在北京的中国棋院召开新闻发布会，正式宣布 AlphaGo 将于今年 5 月 23 日在浙江乌镇对决以柯洁为代表的中国顶尖棋手。 据机
近几年，自我博弈中的强化学习已经在围棋、国际象棋等一系列游戏中取得了超人的表现。此外，自我博弈的理想化版本还收敛于纳什均衡。纳什均衡在博弈论中非常著名，该理论是由博弈论创始人，诺贝尔奖获得者约翰 · 纳什提出，即在一个博弈过程中，无论对方的策略选择如何，当事人一方都会选择某个确定的策略，则该策略被称作支配性策略。如果任意一位参与者在其他所有参与者的策略确定的情况下，其选择的策略是最优的，那么这个组合就被定义为纳什均衡。
【新智元导读】DeepMind首席研究员、AlphaGo项目负责人David Silver和Julian Schrittwieser（AlphaGo Zero论文的第一作者之一）在Reddit回答网友提问，新智元第一时间为你送上。同时，我们再回顾2007年，Silver等人催生了AlphaGo的研究。 Reddit在前天发布了预告，DeepMind的David Silver和Julian Schrittwieser（见头图）会举行一场AMA——“Ask Me Anything”，回答网友提问。 David
唐旭 舒石 发自 乌镇 量子位 报道 | 公众号 QbitAI 5月27日，人机大战第三场，天气晴朗。 经过209手的博弈，主动要求执白的柯洁再次负于AlphaGo。在这场人机大战中，世界围棋第一人0
原作 Gary Marcus Root 编译 量子位 报道 | 公众号 QbitAI DeepMind最新出的论文Machine Theory of Mind还不错(fascinating)。 但又犯了哲学上的错误。这已经不是第一次了。 这是马库斯昨天在Medium上对DeepMind新文章给出的评价。 一个月以前，马库斯还写过篇长文谈到这个问题。 虽然DeepMind（以下缩写为DM）官方表明在造围棋算法的过程中，并没有用到人类的知识。 但马库斯指出，DM围棋算法里所用到的蒙特卡洛树搜索就是基于以往在围棋
小型的外包项目, 给客户A做一个产品展示网站, 客户A的朋友感觉效果很不错, 也需要做这样的产品网站, 但是要求都有些不同
在 DeepMind 首席研究科学家、伦敦大学学院计算机科学教授David Silver 看来，游戏是激发创造力的关键，尤其是对AI而言。
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。
2019年中国人工智能大会（Chinese Congress on Artificial Intelligence 2019，简称“CCAI 2019”）将于在9月21日-22日在青岛胶州召开。
大数据文摘作品，转载要求见文末 编译 | 姜范波 Aileen 这个周末的科技圈再次被“AI恐惧”刷屏，这次打败人类的AI来自Elon Musk的OpenAI。昨天凌晨的DOTA2人机大战中，顶级人类玩家Danylo "Dendi" Ishutin被AI完败。 到底这次人机大战意义何在？这次在一对一DOTA2中打败Dendi到底比AlphaGo更难还是更容易？众说纷纭中，我们认为前谷歌大脑和斯坦福研究员Denny Britz的这篇评论文章相对中肯和理性，也得到了不少学者的力挺："这个问题实际上比击败人类围棋
两天前谷歌宣布发布新一代神经网路机器翻译系统(Google Neural Machine Translation)，简称GNMT，因为使用当前最先进的训练技术，能够实现到迄今为止机器翻译质量的最大提升。 “人们对这个翻译系统的评价显示，与之前那个基于短语的翻译系统相比，在翻译多种语言时，神经学习翻译系统的错误率已经降低了60%左右，其中包括英法互译，英西互译以及英汉互译。附加实验的结果显示，翻译系统的质量将和笔译人员平均水准更加接近。” 但是好奇心爆棚的AI科技评论君，突然想知道这个错误率降低60%是怎么推
如果你的朋友圈有一位人工智能行业的创业者，你可能会有些焦虑，因为他可能会隔三差五地转个文章告诉你哪些行业要灭绝了。礼拜二，阿尔法狗「胜天半子」的时候大家也都很慌，网上流出很多文章说这狗已经聪明到让人了
【AI世代编者按】据外媒报道，通过部分基于人脑模型的算法，麻省理工学院的研究员让计算机可以通过分析照片去预测下一时刻的未来。 麻省理工学院计算机科学和人工智能实验室(CSAIL)的一个项目学习了200万小时的在线视频，分析了不同画面之间的承接关系：行人穿过高尔夫球场，海浪冲刷海岸，诸如此类。目前，在观察一幅静态画面时，这一系统能生成约1.5秒钟长的短视频，对瞬时的未来做出预测。 CSAIL研究生、论文第一作者卡尔·冯德里克(Carl Vondrick)表示：“这一系统试图学习，什么样的视频是可信的，你可能会
2016年12月29日，弈城围棋网出现一位名为“Master"的神秘棋手，并在2017年1月1日晚转战至腾讯的野狐围棋。Master以每天十盘的速度快棋挑战中韩日的顶尖高手，接连战胜柯洁、朴廷桓、井山裕太等世界顶级棋手，引起巨大的轰动和对于屏幕背后其真实身份的各种猜测。
作者｜Will Knight 译者｜严子怡 编辑｜Emily 12 月，在巴塞罗那举行的今年最大的人工智能会议上，我目睹了这场模拟驾驶的全过程。最让我惊讶的是，控制这些车的软件根本不是用常规的方式编写的。它仅仅通过不断的练习，学会了如何顺利又安全地并道。在训练的过程中，控制软件不停地进行演习，每一次演习都会对操作步骤进行一些修改。在大多数的演习中，并道都进行得太过缓慢，并且经常干扰到其他车辆。但是，一旦并道的过程进行的非常顺利，这个系统就会学习并偏向导致该结果的行为。 这种被称为强化学习的方法，很大程度
作者 | 波波 上周，由强化学习加持的AlphaZero，把DeepMind在围棋上的突破成功泛化到其他棋类游戏：8小时打败李世石版AlphaGo，4小时击败国际象棋最强AI——Stockfish，2小时干掉日本象棋最强AI——Elmo，34小时胜过训练3天的AlphaGo Zero。 对于这个不再需要训练数据的AlphaZero，有人将其突破归功于DeepMind在实验中所用的5064个TPU的强大计算能力，更有甚者则将整个深度学习的突破都归功于算力，瞬间激起千层浪。 很快，南大周志华教授就在微
早些年，我特别喜欢下围棋，每天都会下几盘。那时候日本围棋不仅高手林立，而且风格迥异，比如：小林光一的地铁流，武宫正树的宇宙流等等，不过我最喜欢的棋手当属大竹英雄，他下棋时追求美感，如果棋形不漂亮，那么他宁可认输也绝不玷污棋盘。后来，我成为了一名程序员，每天都要写不少代码，可惜写了不少丑陋的代码，本文筛选了几个例子，希望大家看过之后都能写出更具美感的代码来。
2016年3月，在韩国首尔四季酒店举行的谷歌 DeepMind围棋挑战赛，人工智能围棋软件AlphaGo以4∶1战胜了韩国棋手李世乭九段。本次比赛后，关于人工智能和机器学习的话题迅速升温，引起社会各界的关心。然而，除了在本领域工作的一线科研人员，其他人士对人工智能和机器学习的发展现状和前景了解的却不多，甚至存在不少误解。在此，本文希望能跟读者探讨一下人工智能和机器学习，谈谈其发展现状与未来趋势。 1 什么是机器学习？ 机器学习是人工智能的一个分支学科，主要研究的是让机器从过去的经历中学习经验，对数
作为一名围棋渣渣，时不时会上对弈平台下下棋。围棋太博大精深，非常惭愧，虽然在下棋上花的时间很多，但一直处在菜鸟阶段，长期在1级和1段之间徘徊(腾讯野狐围棋上的排位)。要提升水平，需要下功夫去记定式、做死活题，但那太枯燥了，相较而言，我更喜欢上网厮杀，屠龙或被屠，爽一把再说。我等初级选手，经常会碰到那种不按套路的对手，有时明明觉得对方下了无理手，但就是不知道如何反击。再就是棋盘太空旷，不知如何选点。这些虽然在书上可以学到一些基本技巧，但一到实战，往往不知如何下手。
如我预料，Google AlphaGo又赢了一局，并且我坚信它会赢得余下三局——人机大战的本质是一场计算比赛，计算机早已胜出，Google AlphaGo将这一点显性化了。正是因为此，将AlphaGo推上神坛是没有任何道理的。事实上，理论上来说，能够研发出AlphaGo的科技公司绝不止Google一家，AlphaGo的胜出亦不能全归功于Google。 如果真正理解人工智能，了解各大科技公司在这一领域的作为，就不会对AlphaGo的胜出大惊小怪。说这是人工智能领域的“登月事件”，抑或说机器从公元2016年3
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。
MuZero成为DeepMind最先进的AI算法。（图片来源：DeepMind公司网站）
DeepMind（Google 子公司 ）的人工智能 AlphaGo 成功以 4 比 1 的战绩击败冠军级围棋选手李世石，并借此向世人宣告人工智能技术已经攻克围棋项目。那么值得 DeepMind 攻坚的下一项任务又会是什么呢？ 伦敦大学学院（University College London）的两位研究员撰写了一篇论文，并在论文中提出了一个值得人工智能技术攻坚的项目：扑克牌。和围棋项目不同，人工智能技术若能在扑克项目上取得胜利，研究人员可以将所赢取的资金作为后续科研经费使用。至少在人类醒悟并决定不再在扑克
谷歌旗下人工智能研究部门DeepMind联合创始人兼CEO德米斯·哈萨比斯（Demis Hassabis）近日在英国《金融时报》上撰文，全面阐述了人工智能如何帮助人类在理解未知世界方面取得当前难以想象
德国马克斯·普朗克光学研究所所长弗洛里安·马夸特（Florian Marquardt）及其团队在物理期刊physical review X上发表论文《增强学习神经网络在量子反馈中的应用》，提出了一种基于人工智能算法的量子误差校正系统。
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
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
对象存储
即时通信 IM
实时音视频
