2017年5月，柯潔以0：3不敵AlphaGo的對決還歷歷在目，今年4月27日，柯潔將在福州再次對陣人工智能，此次對弈將是“國產(chǎn)”人工智能 —— “星陣圍棋”(Golaxy)。近日，由網(wǎng)信集團與星陣圍棋聯(lián)合舉辦的“AI戰(zhàn)略合作發(fā)布會”作出了此項預告，這場比賽也將成為“貝瑞基因杯”2018世界人工智能圍棋大賽中的重點賽事。
在此次發(fā)布會上，中國圍棋協(xié)會主席林建超引用100多年前恩格斯在《反杜林論》中所述，“一旦技術上的進步用于軍事，它就會立刻強制性的，而且往往是違法指揮官的意志的來改變作戰(zhàn)方式。”林建超主席認為，圍棋因人工智能而不斷變革，在初期，人們還忐忑于其神秘的競技能力，而如今，競技圍棋領域人工智能圍棋和人類的計算能力已不再是懸念。越多越多的圍棋國家隊引入人工智能系統(tǒng)提升人類圍棋的訓練水平，隨著技術精進，人工智能圍棋可大規(guī)模應用在培訓和級別認證中。
AlphaGO在2016年和2017年分別在《自然》雜志上發(fā)表的兩篇論文，第一篇論文主要圍繞：策略網(wǎng)絡(給定一個盤面，用深度學習確定下一步的位置);價值網(wǎng)絡(利用深度學習確定這個盤面的形勢判斷，是黑棋還是白棋好);以隨時扔棋子的方式判斷形勢，以勝率的高低判斷誰好;最后則把前三部分連接，形成完整的系統(tǒng)，達到人類頂尖水平。此篇論文的關鍵技術在2016年4：1戰(zhàn)勝李世石的盤面中使用。第二篇論文的產(chǎn)物則是AlphaGo Zero,即用100：1的比分打敗了前一個版本。此處的關鍵技術為“強化學習”，通過大量的自我對弈，把自我對弈的棋譜作為模型的訓練數(shù)據(jù)，通過這種方式不斷的迭代優(yōu)化。
2017年5月，柯潔以0：3不敵AlphaGo的對決還歷歷在目，今年4月27日，柯潔將在福州再次對陣人工智能，此次對弈將是“國產(chǎn)”人工智能 —— “星陣圍棋”(Golaxy)。近日，由網(wǎng)信集團與星陣圍棋聯(lián)合舉辦的“AI戰(zhàn)略合作發(fā)布會”作出了此項預告，這場比賽也將成為“貝瑞基因杯”2018世界人工智能圍棋大賽中的重點賽事。
在此次發(fā)布會上，中國圍棋協(xié)會主席林建超引用100多年前恩格斯在《反杜林論》中所述，“一旦技術上的進步用于軍事，它就會立刻強制性的，而且往往是違法指揮官的意志的來改變作戰(zhàn)方式。”林建超主席認為，圍棋因人工智能而不斷變革，在初期，人們還忐忑于其神秘的競技能力，而如今，競技圍棋領域人工智能圍棋和人類的計算能力已不再是懸念。越多越多的圍棋國家隊引入人工智能系統(tǒng)提升人類圍棋的訓練水平，隨著技術精進，人工智能圍棋可大規(guī)模應用在培訓和級別認證中。
AlphaGO在2016年和2017年分別在《自然》雜志上發(fā)表的兩篇論文，第一篇論文主要圍繞：策略網(wǎng)絡(給定一個盤面，用深度學習確定下一步的位置);價值網(wǎng)絡(利用深度學習確定這個盤面的形勢判斷，是黑棋還是白棋好);以隨時扔棋子的方式判斷形勢，以勝率的高低判斷誰好;最后則把前三部分連接，形成完整的系統(tǒng)，達到人類頂尖水平。此篇論文的關鍵技術在2016年4：1戰(zhàn)勝李世石的盤面中使用。第二篇論文的產(chǎn)物則是AlphaGo Zero,即用100：1的比分打敗了前一個版本。此處的關鍵技術為“強化學習”，通過大量的自我對弈，把自我對弈的棋譜作為模型的訓練數(shù)據(jù)，通過這種方式不斷的迭代優(yōu)化。
2017年5月，柯潔以0：3不敵AlphaGo的對決還歷歷在目，今年4月27日，柯潔將在福州再次對陣人工智能，此次對弈將是“國產(chǎn)”人工智能 —— “星陣圍棋”(Golaxy)。近日，由網(wǎng)信集團與星陣圍棋聯(lián)合舉辦的“AI戰(zhàn)略合作發(fā)布會”作出了此項預告，這場比賽也將成為“貝瑞基因杯”2018世界人工智能圍棋大賽中的重點賽事。
在此次發(fā)布會上，中國圍棋協(xié)會主席林建超引用100多年前恩格斯在《反杜林論》中所述，“一旦技術上的進步用于軍事，它就會立刻強制性的，而且往往是違法指揮官的意志的來改變作戰(zhàn)方式。”林建超主席認為，圍棋因人工智能而不斷變革，在初期，人們還忐忑于其神秘的競技能力，而如今，競技圍棋領域人工智能圍棋和人類的計算能力已不再是懸念。越多越多的圍棋國家隊引入人工智能系統(tǒng)提升人類圍棋的訓練水平，隨著技術精進，人工智能圍棋可大規(guī)模應用在培訓和級別認證中。
AlphaGO在2016年和2017年分別在《自然》雜志上發(fā)表的兩篇論文，第一篇論文主要圍繞：策略網(wǎng)絡(給定一個盤面，用深度學習確定下一步的位置);價值網(wǎng)絡(利用深度學習確定這個盤面的形勢判斷，是黑棋還是白棋好);以隨時扔棋子的方式判斷形勢，以勝率的高低判斷誰好;最后則把前三部分連接，形成完整的系統(tǒng)，達到人類頂尖水平。此篇論文的關鍵技術在2016年4：1戰(zhàn)勝李世石的盤面中使用。第二篇論文的產(chǎn)物則是AlphaGo Zero,即用100：1的比分打敗了前一個版本。此處的關鍵技術為“強化學習”，通過大量的自我對弈，把自我對弈的棋譜作為模型的訓練數(shù)據(jù)，通過這種方式不斷的迭代優(yōu)化。
