这两天看了<AlphaGo世纪对决>纪录片与南大周志华老师的<机器学习>,想谈谈对人工智能的感想. 首先概述一下视频的内容吧,AlphaGo与李世石对战的过程大家都有基本的了解,而AlphaGo的技术架构是大家陌生的内容.AlphaGo由三部分网络组成,走棋网络.估值网络和树搜索,走棋网络使用数以万计的高阶棋局训练使其模仿棋手的招式,估值网络用来衡量棋局的形式判断当前形势下获胜的几率,树搜索分析各种可能变化的情形推演未来的演变,所以本质上就是个十分深层的神经网络.而后AlphaGo

参考:4分钟了解围棋规则 看懂柯洁和AlphaGo的对决并不难 围棋规则: 1. 19X19的棋盘上有361个落子点: 2. 黑白棋子依次落子: 3. 比赛结束时,占地多者胜: 4. 上下左右相邻的棋子可以看作一个整体: 5. 棋子的上下左右为气: 6. 失去所有气的棋子会被移除棋盘: 进阶: 有些布局会让一群棋子成为活棋,也就是无论如何都无法被对方吃掉. 由于每局都是黑棋先走,所以执黑棋方需要多出3.75子才算是赢.

有趣的数学规律 椭圆 双曲线 抛物线都叫圆锥曲线 它们跟圆锥有着怎样的关系? 他们都是圆锥与平面在不同姿势下交配的产物. 参考 椭圆 抛物线 小结 e: 离线率 P: 任意一点 F: 焦点 准线: 一条直线 离心率 完美的圆轨离心率为0,椭圆的离线率在0到1之间,也就是说这个范围内,离心率越大,轨道就椭圆的越厉害(长短半轴差距越大.) 这里有很多天体的知识点 圆轨道:e=0\,\!, 椭圆轨道:{\displaystyle 0<e<1\,\!}, 抛物线轨道:e=1\,\!, 双曲线轨道:e&

感觉在哔哩哔哩(bilibili)上看比赛直播比较好,一直可以看到比赛的直播画面,还能听到英文解说和中文主持人的解说.YouTube上是不错,但是一方面爬梯子比较卡,另一方面只能听到英文解说. 韩国著名围棋九段棋手李世石与谷歌人工智能“阿尔法围棋”(AlphaGo)的5盘对决,将于3月9日.10日.12日.13日和15日在首尔举行.比赛将采用贴7.5目的中国规则(比赛结束时,先走棋的棋手贴目).每位棋手各有两个小时保留时间,一分钟读秒3次,每场比赛预计需要大约4-5个小时. 这场对决的胜者将获得

Match 1 - Google DeepMind Challenge Match: Lee Sedol vs AlphaGo 很多网站对世界围棋大战进行了现场直播,比如YouTube.新浪.乐视.腾讯体育等. Watch DeepMind's program AlphaGo take on the legendary Lee Sedol (9-dan pro), the top Go player of the past decade, in a $1M 5-game challenge ma

来源:http://headlines.yahoo.co.jp/hl?a=20160317-00000049-cnippou-krhttp://headlines.yahoo.co.jp/hl?a=20160317-00000050-cnippou-kr 作者:首尔大学计算机系教授 文炳魯 这场世纪的对决以人工智能的胜利而落幕.然而笔者仍然认为如果李世石九段能够发挥出全盛时期的实力与创意的话,是不会输给AlphaGO的.虽然李世石输掉了比赛,但仍然展现出了作为过去10年世界围棋第一人的那份宽容和

/* 版权声明:可以随意转载,转载时请标明文章原始出处和作者信息 .*/ author: 张俊林 谷歌DeepMind开发的人工智能围棋程序AlphaGo以5:0的压倒性优势击败了欧洲围棋冠军.专业二段棋手Fan Hui.这是近期一周来最火爆的新闻了.16年3月份AlphaGo会和近期10年平均成绩表现最棒的韩国九段.世界冠军李世石进行对弈,这无疑也是最吸引眼球的一场人机世纪大战,假设此役AlphaGo获胜.这意味着人工智能真正里程碑式的胜利.从此起码在智力博弈类游戏范围内,碳基体人类将无法抵挡

Facebook人工智能组研究员田渊栋博士在知乎专栏上更新了一篇文章,详细分析了AlphaGo在<自然>杂志上发表的论文,他认为AlphaGo整个系统即使在单机上也已具有了职业水平,与李世石的比赛会相当精彩. 以下是田渊栋博士的知乎专栏原文: 最近我仔细看了下AlphaGo在<自然>杂志上发表的文章,写一些分析给大家分享. AlphaGo这个系统主要由几个部分组成: 1. 走棋网络(Policy Network),给定当前局面,预测/采样下一步的走棋. 2. 快速走子(Fast r

首先,我们要祝贺小李下出第78手的“神之一手”,这一手堪称前无古人后无来者,尤其是结合了阿尔法狗自暴自弃的表现.小李说过他的失败并不是人类的失败,同样,小李的胜利也只是属于他一人的胜利. 然而人类在围棋领域会不会最终被机器所击败这一问题,在旧摩尔定律失效的情况下还不应急着下定论,看完这篇文章后有助于形成你自己的观点. 首先我们看到这张图.有人一定会觉得奇怪了:为什么左边的是英国国旗呢?Google难道不是美国的公司吗? 原因很简单,alphago是英国的deepmind公司研发的.2014年1月

1月4日晚,随着古力认输,Master对人类顶尖高手的战绩停留在60胜0负1和,而令人尴尬的是这唯一一场和棋还是因为棋手掉线系统自动判和,并不是棋盘上的局势真的势均力敌了.包括聂卫平.柯洁.朴廷桓.井山裕太在内的数十位中日韩围棋高手,在30秒一手的快棋对决中落败.Master(最新版AlphaGo)网测以60战全胜的战绩收场! 阅读全文:http://click.aliyun.com/m/9135/

(原标题:从马文·明斯基到AlphaGo,人工智能走过了怎样的70年?) [编者按]从19世纪中叶人工智能的萌芽时期,到现今人工智能的重生,从马文·明斯基到AlphaGo,历史上发生了哪些激动人心的故事?本文以此铺展人工智能发展近70年来背后发生的故事.作者@沐阳浸月,中科院自动化所复杂系统国家重点实验室研究生,主攻机器人与人工智能. 前不久,在人工智能领域发生了两件大事,一个就是是伟大的人工智能先驱马文·明斯基教授逝世,一个是谷歌AlphaGo击败欧洲围棋冠军,职业围棋二段樊麾. 马文·明斯基

http://blog.csdn.net/songrotek/article/details/51065143 http://blog.csdn.net/dinosoft/article/details/50893291 https://www.zhihu.com/question/39905662 https://yq.aliyun.com/articles/53737 https://wenku.baidu.com/view/3cbb606f49649b6648d747fb.html 深度解

DeepMind已将AlphaGo引入多领域 Al泡沫严重 在稳操胜券的前提下,谷歌旗下的AlphaGo还是向柯洁下了战书.4月10日,由中国围棋协会.浙江省体育局.谷歌三方联合宣布,将于5月23日至27日举办“中国乌镇·围棋峰会”.此次峰会上最引人关注的就是AlphaGo将与世界排名第一的柯洁进行三番对弈. 不久前,AlphaGo的升级版Master以60胜0负1和的战绩横扫了众多围棋高手,其中就包括赢了柯洁3盘,这似乎让AlphaGo和柯洁的对决失去了悬念.创新工场CEO李开复对此表示,Al

蒙特卡罗树搜索+深度学习 -- AlphaGo原版论文阅读笔记     目录(?)[+]   原版论文是<Mastering the game of Go with deep neural networks and tree search>,有时间的还是建议读一读,没时间的可以看看我这篇笔记凑活一下.网上有一些分析AlphaGo的文章,但最经典的肯定还是原文,还是踏踏实实搞懂AlphaGo的基本原理我们再来吹牛逼吧. 需要的一些背景 对围棋不了解的,其实也不怎么影响,因为只有feature e

[摘要]李开复赛前说,AlphaGo和李世石的人机大战是第一次,可能还有悬念,那今天的AlphaGo已经在围棋的世界中彻底甩开了人类,不再拥有任何其他的可能.并指出,AlphaGo和柯洁的比赛并非没有意义,而是在科学价值层面已经失去看点.他呼吁既然AlphaGo和冷扑大师,已经在游戏领域的“不可战胜”不再有悬念,那不如把更多的精力投入到人工智能的商业应用层面. 人工智能与人类智慧的再一次对决,谷歌AlphaGO给围棋世界冠军柯洁递上战书.对于这场人机大战,从对战前就被各种关注各种刷屏.记忆中这已

前言 SharePoint中为了提供了很多开箱即用的应用程序,比如调查列表就是其中之一,同样,在O365版本里(国际版和世纪互联版本均可),也有这样的调查列表可以供我们使用,而使用起来非常方便和快速,就可以创建一个基本的调查. 下面,我们举一个简单的例子,就用凌晨结束的欧洲杯作为Demo吧.好吧,Let’s go! 1.在O365中打开SharePoint站点,在右上角网站设置的小齿轮菜单里,点击添加应用程序,如下图: 2.选择调查列表,如下图: 注:如果没有该列表模板,去网站设置 – 网站功能

距离AlphaGo击败李世石已经过去数月了,心中的震撼至今犹在,全刊报道此项比赛的<围棋天地>杂志我已经看了不下十遍.总也想说点自己的意见,却也不知道从哪里说起,更不知道想表达些什么. 作为一个评论者我的身份较特殊,人工智能相关的技术领域我涉足了5年,下围棋的时间则有18年.前者的水平我不敢妄自评估,但领域内的最新技术,包括AlphaGo使用的蒙特卡洛搜索树和深度学习之类,基本也在我了解范围之内:后者的水平,大约相当于业余弱5段的样子,高中的时候在县里打打比赛拿个名次也是家常便饭.而我那些比我

AlphaGo的硬件配置 最近AlphaGo与李世石的比赛如火如荼,关于第四盘李世石神之一手不在我们的讨论范围之内.我们重点讨论下AlphaGo的硬件配置: AlphaGo有多个版本,其中最强的是分布式版本的AlphaGo.根据DeepMind员工发表在2016年1月Nature期刊的论文,分布式版本(AlphaGo Distributed)使用了1202个CPU和176个GPU,同时可以有40个搜素线程. 维基百科上有各种版本的AlphaGo硬件配置 : 最后一列是等级分,代表了论文送审时(2

对决 时间限制:1000 ms  |  内存限制:65535 KB 难度:0   描述 Topcoder要招进来了 n 个新同学,Yougth计划把这个n个同学分成两组,要求每组中每个人必须跟另一组中每个同学进行一次算法对决,问存不存在一种分组方式在k场完成对决.(两组中每一组中人数都要大于0)   输入 有多组测试数据,每组测试数据两个数 n 和 k ,n和k都为0时表示输入结束.(0<n<10000,0<k<1000000) 输出 输出一行,如果可以,输出YES,不行的话输出N

The AlphaGo Replication Wiki 摘自:https://github.com/Rochester-NRT/RocAlphaGo/wiki/01.-Home Contents :  Home 01. Home 02. Code 03. Data 04. Neural Networks and Training 05. Supervised Policy Network (Phase I) 06. Reinforcement Policy Network (Phase II)