婷婷色婷婷开心五月,男人久久久,精品少妇久久久

在韓國李世石與谷哥阿爾法狗（alphago）對戰(zhàn)三連敗后，終于在第四局中扳回一城，那知他們究竟是個什么樣的棋局呢？東坡小編帶來了李世石alphago人機(jī)大戰(zhàn)第四局棋譜完整版下載，想看李世石是怎樣贏alphago的趕緊看看吧！

李世石alphago人機(jī)大戰(zhàn)第四局賽況

第四局比賽中，AlphaGo執(zhí)黑先手，李世石執(zhí)白。開局階段雙方就形成星小目對星小目的局面，但之后李世石會并未走出模仿棋，而是打出了自己的風(fēng)格。

和前幾局對決相比，李世石今天更多次陷入“長考”，導(dǎo)致耗時太多，在比賽進(jìn)行到2個半小時后，李世石僅剩下17分鐘，比AlphGo剩余時間足足少了1個小時。

隨后，李世石白78挖，下出一招妙手，成為本場比賽的轉(zhuǎn)折點。AlphaGo黑93立，下出一步常理上的廢棋，令所有人大惑不解。現(xiàn)場英文解說員麥克雷蒙九段表示，AlphaGo后面跟的這步一下子把局面弄復(fù)雜了。

李世石alphago人機(jī)大戰(zhàn)第四局結(jié)局

雖然AlphaGo出現(xiàn)了一次“bug”，但李世石仍然不敢松懈，在打吃右側(cè)黑子時還是非常謹(jǐn)慎。在比賽進(jìn)行到3小時20分鐘時。李世石計時全部用完，進(jìn)入讀秒落子階段。

此后Alpha由于判斷局面對自己不利，每步耗時明顯增長，都超出了3分鐘。到3小時40分鐘時，比賽大局已定，AlphaGo（白）投子認(rèn)輸只剩時間問題，李世石只需要冷靜收官即可獲得勝利。

收官階段，左下角AlphaGo黑159扳再次出現(xiàn)漏洞，黑子沒有繼續(xù)在此處落子，而是到左邊立，導(dǎo)致上一步棋成為“無用功”。

最終，李世石在收官階段發(fā)揮穩(wěn)定，沒有讓AlphaGo占到便宜。李世石獲得對AlphaGo的第一場勝利，雙方總比分變?yōu)?：1。

李世石第四局賽后說：

在賽后的記者招待會上，李世石談到了AlphaGo的兩個弱點：一個是AlphaGo執(zhí)黑棋時似乎掙扎比較多，相較執(zhí)白棋時更難贏。另一個是，當(dāng)它遇到出其不意的招數(shù)時，有可能會導(dǎo)致失誤，未必是失誤，就是bug。

谷歌阿爾法狗(alphago)為什么會贏

舉世矚目的“阿爾法狗”和李世石對戰(zhàn)，并不是歷史上第一次人機(jī)對戰(zhàn)的棋類運動。1997年，IBM的“深藍(lán)”戰(zhàn)勝了俄羅斯國際象棋大師卡斯帕羅夫。當(dāng)時，“深藍(lán)”2勝1負(fù)3平的戰(zhàn)績讓卡斯帕羅夫深受打擊。后來，IBM還拒絕了卡斯帕羅夫的再戰(zhàn)請求，拆卸了“深藍(lán)”，讓給他至今無法找“深藍(lán)”復(fù)仇。

卡斯帕羅夫的遺憾并不無理由——今天，“深藍(lán)”的確算不上“聰明”的電腦。“深藍(lán)”主要依靠強(qiáng)大的計算能力窮舉所有路數(shù)來選擇最佳策略。依靠硬算，“深藍(lán)”可以預(yù)判12步棋，而卡斯帕羅夫可以預(yù)判10步，二者勢均力敵。

當(dāng)然，“深藍(lán)”必須具有相當(dāng)?shù)挠嬎闼俣取?jù)認(rèn)為，“深藍(lán)”實際上是一臺超算機(jī)，有480顆特別制造的象棋芯片，下棋程序以C語言寫成，運行AIX操作系統(tǒng)，其計算能力在世界超級電腦中排名第259位。

然而，圍棋在復(fù)雜程度和組成數(shù)量上遠(yuǎn)超國際象棋，是目前最復(fù)雜的博弈類封閉游戲。2015年1月28日，Nature雜志在封面論文中稱，圍棋是人工智能領(lǐng)域一個具有標(biāo)志性的“大挑戰(zhàn)”，源于圍棋“巨大的搜索空間、很難估計局面和下子”。圍棋棋盤上每一點，都有黑、白、空三種情況，棋盤上共有361個點（19乘19），理論上可能產(chǎn)生的局?jǐn)?shù)為3的361次方種。這個數(shù)字大概是10的170次方，比已觀測到的宇宙中原子數(shù)量還多。國際象棋只有10的46次方。

除了棋盤大，圍棋在下棋過程中還會出現(xiàn)“吃子”的情況，更加劇了其復(fù)雜性。曾任職谷歌公司的李開復(fù)說，當(dāng)年“深藍(lán)”與卡斯帕羅夫的對局，實際上使用的是人工調(diào)整的評估函數(shù)，并用特殊設(shè)計的硬件和“暴力”（brute-force）的搜索征服了國際象棋級別的復(fù)雜度。

圍棋則不行。“因為它的搜索太廣，每步的選擇有幾百而非幾十。也太深，一盤棋有幾百步而非幾十步。”李開復(fù)在知乎上回答稱。

所以，只靠算，計算機(jī)恐怕無法學(xué)會下圍棋。在“阿爾法狗”問世前，最成功的圍棋計算機(jī)程序能達(dá)到業(yè)余人類選手的程度，但還不能和專業(yè)選手在不讓子的情況下平局。2014年初，圍棋程序“瘋狂的石頭（Crazy stone）”在一次比賽中戰(zhàn)勝九段棋手依田紀(jì)基。但是當(dāng)時是在人類棋手讓出4子的情況下贏得比賽。

開發(fā)這款程序的法國程序員Rémi Coulom在得知李世石將在不用讓子的情況下對戰(zhàn)谷歌公司的“阿爾法狗”時，感到既興奮，又有些難以置信。他表示，這是人工智能巨大的進(jìn)步，而他原本以為這一天將在十年后到來。

在“瘋狂的石頭”的設(shè)計中，Coulom使用了被稱為“蒙特卡洛樹”的搜索技術(shù)。這種算法對大量隨機(jī)過程進(jìn)行統(tǒng)計評估，得出一個最優(yōu)的解法。也就是說，蒙特卡羅算法對計算進(jìn)行了篩選，數(shù)據(jù)庫中的低勝率選擇直接拋棄，放棄了窮舉法中那些大量消耗計算資源，但卻沒有意義的計算，使其對具有高勝率的選擇有更加精確的計算和分析。

加拿大艾伯塔大學(xué)計算機(jī)科學(xué)家喬納森·謝弗曾設(shè)計程序提高計算機(jī)的國際跳棋水平，試圖遇到了瓶頸。他發(fā)現(xiàn)，就算使用了蒙特卡洛樹算法簡化了運算，計算機(jī)依然無法獲得人類高手擁有的“棋感”。

作為一名圍棋愛好者，Deep Mind公司的CEO哈薩比斯也表示，人類頂級大師中，走法很多時候依靠直覺。在他的理解中，“棋感”是指棋手能夠根據(jù)形勢分析攻防線路，還需要對棋形進(jìn)行審美，這也是圍棋幾千年來讓人著迷的原因。所以，從2014年開始，包括臉書（Facebook）、谷歌的Deep Mind等人工智能研究團(tuán)隊都將使程序模仿人類的直覺作為圍棋人工智能的突破方向。