人机大战风云再起,人工智能领域再获突破性进展!( 四 )

从计算机时代的早期开始 , 游戏就被认为是人工智能研究的重要载体 。 早在1997年 , IBM的计算机“深蓝”击败了俄籍世界国际象棋冠军成为全球焦点 。 近20年后 , AlphaGo在难度超高的围棋比赛中 , 历史性地击败了人类职业围棋手 。 此后 , AlphaGo的发展进入了快车道 。 2017年 , AlphaGo 的升级版AlphaGo Zero  通过与自己对战 , 超越了世界上最强的旗手与程序 。 升级版的AlphaGo Zero不仅自学了围棋 , 还学会了国际象棋和日本将棋 , 成为掌握三种世界上最难棋类游戏的人工智能 。

AlphaGo的诞生 , 意味着人们对人工智能的探索已经到达了一个新的阶段 。 而AlphaGoStar的行为是由一个深度神经网络产生 。 网络的输入来自游戏原始的接口数据 , 包括单位以及它们的属性 , 输出则是一组指令 , 这些指令构成了游戏的可行动作 。

造就AlphaGo的学习模式 , 在游戏领域诞生并初步试水 , 而日渐成熟的技术后续被推广到各个领域为人类服务 , 譬如面部识别 , 语音识别等等 。

推荐阅读