“完全体”AlphaGo Zero完虐旧版-电子工程世界

分享到: 微博; QQ; 微信; LinkedIn

“亚古兽进化，暴龙兽、暴龙兽超进化，机械暴龙兽、亚古兽究极进化，战斗暴龙兽！”...这是80后小伙伴们儿时看过的动画片——《数码宝贝》。

在动画片中，所谓的“数码宝贝”，其实就是“人工智能的虚构生命体”，它们分为各种各样的属性和等级，模拟存在现实世界的动植物、机械、人型和突然变异等，呈现出多种多样的种族。在经过不断的进化后，其战斗力变得越来越强大。

近几年，随着科技的不断进步，动画片中的“人工智能”逐渐走进人们的生活，并开始在各行各业呈现蓄势待发之势。

这里就不得不再提及去年人工智能AlphaGo与韩国顶尖棋手李世石的巅峰大战了。在取得胜利后，它的升级版master又在今年5月的“人机大战第二季”中战胜了柯洁。

不过据消息称，这个完胜人类的“阿尔法狗”近日再次进化了...

据悉，这款“完全体”的AlphaGo Zero利用了一种名为强化学习的技术，可以进行自我对弈进行学习。并在不断训练的过程中，学会围棋中的一些高级概念。

而且通过实测，在经过3天的训练后，面对击李世石“幼年期”的阿尔法狗，胜率达到百战百胜。而在训练的40天后AlphaGo Zero与AlphaGo Master，也就是对战柯杰的升级版阿尔法狗，在100场对战中以89：11的比分再次获胜。

此外，AlphaGo Zero在战斗力爆表的同时还非常“环保”。与前两代不同的是，AlphaGo Zero只需要一台配有4个TPU机器即可。

关键字：完全体 AlphaGo Zero 引用地址：“完全体”AlphaGo Zero完虐旧版

上一篇：物流界将展开智能机器人分货大战
下一篇：AI鼻祖迈克尔·乔丹为正在风口上的“人工智能”泼冷水

推荐阅读最新更新时间：2024-05-03 01:54

人工智能盯上彩电市场能顺利颠覆吗？

　　2016年，谷歌围棋人工智能程序 AlphaGo 战胜世界顶级围棋旗手李世石，人工智能 (以下简称“AI”)概念迅速蹿红。近日谷歌中国与中国棋院宣布，围棋“人机大战”将于2017年5月下旬再次打响， AlphaGo 将挑战目前世界排名第一的中国九段棋手柯洁。下面就随给予电子小编一起来了解一下相关内容吧。　　目前，AI在制造业、金融、教育、医疗等各个领域的推进步伐加速。惯常喜欢搭车新概念的彩电企业更是不遗余力。近日，彩电企业前赴后继，纷纷将AI作为2017彩电产品的主要卖点。《中国经营报》记者调查发现，目前AI电视仅限于语音搜索阶段，也就是AI电视摸索的最初级阶段。人工智能技术在电视等细分垂直领域的应用效果，一方面

[家用电子]

ALphaGo再进化，新一代ALphaGo Zero诞生

据外媒报道，英国DeepMind团队的人工智能研究取得了新进展：他们开发出了新一代的围棋AI-ALphaGo Zero。使用了强化学习技术的ALphaGo Zero，棋力大幅度增长，可轻松击败曾经战胜柯洁、李世石的ALphaGo。战胜柯洁之后，ALphaGo可以说在围棋界里已是“独孤求败”的境界了，几乎没有人类是它的对手。但是这并不代表ALphaGo就已经对围棋领域的认知达到了顶峰。因此，ALphaGo想要再上一层楼追求围棋知识的上限，显然只有它自己能成为自己的老师。而在过去，AlphaGo都是使用业余和专业人类棋手的对局数据来进行训练。虽然使用人类棋手的数据可以让ALphaGo学习到人类的围棋技巧，但是人类专家的数据通常难以

[机器人]

AlphaGo来袭、谷歌TPU芯片发力，英特尔和英伟达该如何应对

日前，去年击败世界围棋第一人李世石，由DeepMind（已被谷歌收购）开发的围棋AI—AlphaGo，已移师中国，再战目前等级分排名世界第一的中国棋手柯洁九段，且率先拿下一局暂时领先的消息再次引发了业内的高度关注。那么问题来了，AlphaGo缘何如此“聪明”和超乎人类的思考和反应能力？就在AlphaGo与柯洁“人机大战”不久前，Google I/O 2017 大会上，谷歌“移动为先”向“AI优先”再次升级，其中最典型的表现之一就是更新升级了去年公布的TPU（Tensor Processing Unit），一款谷歌自己高度定制化的AI（针对AI算法，例如其自己开发的Tensor Flow深度学习架构）芯片。这款芯片

[嵌入式]

<font color='red'>AlphaGo</font>来袭、谷歌TPU芯片发力，英特尔和英伟达该如何应对

李世石输了，人类向人工智能低头的时代到了？

“人机世纪大战”第一局落下帷幕，李世石认输，这是让很多人没有想到的。原本被寄以厚望的李世石，到底为什么会输于“业余六七段”的Alphago？ Alphago深度学习发挥作用 “国际象棋每步大约会出现35种左右的走位可能，而围棋的走位可能则高达250种，每一步250种相乘就意味着整局比赛会出现多到几乎无穷尽的走位方案。”谷歌DeepMind实验室主管德米斯-哈撒比斯(Demis Hassabis)说道。Alphago在击败欧洲围棋冠军樊麾时学习了3000万盘棋，而经过将近半年的学习，这个数量已经增长到1亿以上。 AlphaGo 的核心是两种不同的深度神经网络。“策略网络”（policy net

[嵌入式]

局外人眼中的AlphaGo与李世石世纪之战

不管结果如何，围棋的确是实实在在地火了一把。　　源起中国、作为棋类鼻祖的围棋，自隋朝开始流传到东亚各国，直至今日中、日、韩的围棋高手在世界围棋界都有着不可撼动的地位。从难度来说，和通俗易懂的象棋（国象）、军棋乃至五子棋相比，复杂程度完全不在同一等级。一个19X19 路的棋盘，横竖交叉361个点可能出现的落子方式约有2.08x10^170种（一个171位数），以常人之力根本无法穷尽。所以谈起围棋，不光笔者，在座的各位想必都是小学生。围棋和国象蒙特卡洛树复杂程度对比（左：国象，右：围棋）　　虽然围棋深奥难懂，但毕竟有不少热爱它的人前赴后继地学习，其中还不乏高手。至于AlphaGo以及它所代表的人工智能（Art

[手机便携]

医学影像创新赶超“AlphaGo”

漏诊率、误诊率，是所有医生难以自医的顽疾，在这其中，由医疗影像诊断所带来的误诊情况似乎占据了很大一部分。医疗影像长期以来一直依靠专家的目测和经验来判断，但是限于人脑的处理能力和肉眼识别的精确性，并不能将这个过程高度精准化，自动化。而不具备多年经验积累的医生，就更难以实现专家水平。　　那么，在这个科技和技术飞速发展的时代，有没有能帮助医生提高诊断效率，降低客观风险的方法呢？或许机器的加入是可行的，毕竟机器的精细度比人类高出很多。在医疗影像诊断过程中，如果利用机器来辅助医生，它是否会“看”图、看懂图，并且辅助医生做更精准的诊断呢？为了寻找这些问题的答案，更是为了医疗行业的发展，北京雅森科技发展有限公司（以下简称：雅森科技）C

[医疗电子]

热门资源推荐
热门放大器推荐

小广播

热门活动

换一批

■免费申请 | 上百份MPS MIE模块，免费试用还有礼！

■PI 电源小课堂|无 DC-DC 变换实现多路高精度输出反激电源

■有奖直播报名:大联大世平集团&恩智浦 | AI 无所不在，单板电脑也可以

■2024 瑞萨电子MCU/MPU工业技术研讨会——深圳、上海站，火热报名中