Tag: AlphaGo

AlphaGo 改良測試版本已戰勝地球上幾十位最強人類圍棋高手。人類憑科學、邏輯、數學，創造出能夠在現有棋類中最複雜的圍棋戰勝世界冠軍的人工智能。 人工智能與一般電腦程式不同之處，在於其並非簡單依循人類工程師定下的規則去執行指令。人工智能使用分析大數據的演算法，稱之為機械學習（machine learning）。機械學習是一個統稱，其分成眾多不同演算法，應用於各種不同問題，詳細分別在此不述。無論何種機械學習演算法，其共通點是電腦會從過往經驗中學習，自動分析出最佳執行策略。 以棋類為例，為什麼必須使用機械學習？原因在於其可能步法數量非常多。我們可見的宇宙中，大約有 10^80 個粒子，即 1 後面跟 80 個零。我們可以問，圍棋最多可能有多少個不同棋局？ 圍棋的棋盤是個 19 x 19 的正方形，即有 19 x 19 = 361 格。每格可以有三種狀態：黑子、白子、空位。因此，每一步最多可以有 3^361 種擺法，即大約 1.7 x 10^172 種擺法，亦即 17 後面跟 171 個零。這已經比宇宙中的粒子總數 10^80 更多。然而根據圍棋規則，並非每一格都能任意放黑子或白子，因此實際上最多可能擺法應比 1.7 x 10^172 少一些。電腦科學家 John Tromp 與其他人曾計算出實際可能擺法約為 2 x 10^170。 接下來，我們需要知道一局最長能有多少步。這很簡單，因為明顯地一局最長只能把所有可能擺法全部走完，即 1.7 x 10^172 步。Tromp 曾證明要在一局內把 1.7 x 10^172 步全部走一次是不可能的，但真正最長能有多少步仍未有人能計算出來。所以，1.7 x 10^172 步是數學上的絕對最大值。 因此，我們就知道，圍棋最多可能有 361^(2…… Continue reading AlphaGo連勝人類：從圍棋複雜程度淺談人工智能重要性