从"深蓝"到 AlphaGo丨AI 在游戏领域的升级打怪之路
可以说,AI的发展进化史就是AI在游戏领域的升级史。
SciShow是Youtube上热门的科普向脱口秀节目。它的内容包罗万象,无论什么问题在这里都会得到风趣又详尽的解答。在本次节目中,介绍了AI 是如何在游戏领域通过不断的升级发展,一步步碾压人类的。
CDA字幕组对该视频进行了汉化,附有中文字幕的视频如下:
AI 在游戏领域的发展进化史
针对不方便打开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:
机器赢了。机器如今几乎能够打败人类发明的所有游戏。这都归功于一些我们通过AI实现的技术。
人工智能丨AI
AI最简单定义是: 为解决问题而设计的计算机程序。
大多数程序,包括你此刻看视频用到的,都是不能解决问题的。相反,这些程序执行程序员编写的指令。它们不会自己得出完成任务的方案。而AI会尝试自己得出解决方案。AI越聪明,越能解决更复杂的问题。
自从计算机编程出现以来,我们就开始教AI玩游戏。比如跳棋和国际象棋,还有中国的棋盘游戏——围棋。原因是游戏能很好地衡量AI到底有多聪明。玩游戏并取胜,需要解决问题的能力。解决问题的能力正是衡量智能的标准。因为无论对观众还是计算机程序而言,当中对问题的定义都很明确,没有模棱两可的结果。AI要么能够玩跳棋,要么不能。
游戏是开发新型AI的绝佳实验室环境,这就是为什么AI的发展历史也是AI玩游戏的历史。
跳棋丨Checkers
AI在游戏第一次打败人类对手是一个跳棋程序。
于1950年代,由美国计算机科学家Arthur Samuel开发,在IBM 704计算机上运行。
这台机器通过录入磁盘进行编程。跳棋游戏很简单,但IBM 704是个很简单的机器。它不能通过试错法得出所有可能的棋步,从而得出最佳的移动方式,至少无法在合理的时间内完成。除非采用暴力算法,当中需要大量的数字计算。
计算机算出一个棋步后可能出现的各种棋局,然后选择取胜概率最好的棋步。这个方法尽管不够创新,但切实可行。之后我们再回到这个话题。
问题是,暴力算法需要大量的计算资源,从而对数字进行计算,然而在1950年代没有那些资源。因此,最初AI玩游戏主要靠的是启发法(heuristics)。从此之后所有的AI用到了启发法。
启发法是经验法则(rule of thumb),尽管不是一直都正确,但是大多时候是正确的。在计算机科学中,启发法是一种算法。通过选择并不是最好,但足够解决问题的方案,以此来限制蛮力搜索。
一旦跳棋算法发现能够吃掉对手棋子的棋步,然后就停止了,就按这个棋步走。这种简单的启发法足以攻克跳棋。
扑克牌丨Poker
接下来,AI面对的是扑克牌游戏。
1970年代,计算机科学家Donald Waterman编写能够玩抽牌扑克游戏的程序。该游戏给玩家5张牌,可以最多换3张牌。
当中他开发了所谓的"生产系统"(production system)。如今AI当中都包含这一技术。
生产系统使用预先编好的规则来对符号进行分类,比如扑克牌的符号。Watermen开发的系统根据手上已有的牌,对牌的价值大小进行分类。比如一张梅花4,就其本身而言无足挂齿,但如果你手上还有一张方片4和一张黑桃4,那么这张梅花4的价值就会大幅提升。系统将评估这手牌的好坏,以及选择出手还是弃牌。通过把这手牌的价值,与预先编程的所谓好牌和坏牌进行比较。
启发法与生产系统。
前者要依靠经验法则;后者则根据复杂的规则比较系统。这两者的结合,让AI玩简单的棋类游戏变得轻而易举。
但是国际象棋不是简单的棋类游戏,而是更复杂的棋类游戏,要想取胜则需要运用一些成熟技术。
沉思 丨Deep Thought
1980年代,第一批国际象棋机在卡内基梅隆大学诞生。
这些早期的机器中,最成功的是"沉思"(Deep Thought)。每秒能计算70万个棋步。
1988年,Deep Thought试图击败一名国际象棋高手。但那并不是一般的象棋高手,这位棋圣在八 九十年代甚至如今,一直是世界上最顶尖的国际象棋高手。他就是加里·卡斯帕罗夫。
开始Deep Thought根本不是卡斯帕罗夫的对手,打败卡斯帕罗夫需要更快更强大的机器。对Deep Thought进行升级,包括以下改进:
第一、需要更多的内存和多处理器,即计算能力。Deep Thought的后代产品"深蓝"(Deep Blue)应运而生,它是更强大的机器。
第二、更好的软件。当处理数以百万计互相对比的搜索结果时,速度慢是个大问题。为此,深蓝被设计为适合并行处理。另外,系统还要考虑衡量一些更微妙的棋位。换句话说,采用了更优的启发法。
深蓝丨 Deep Blue
第一代深蓝的搜索速度约为每秒5千万到1亿个棋位。与Garry 卡斯帕罗夫对战时,它以2:4惨败给对手。每秒计算1亿个棋位,仍不足以击败人类的国际围棋冠军。
为此,深蓝团队在系统中增加了一倍的芯片,同时改进了软件,使每个芯片效率提升了25%。1997年与卡斯帕罗夫再次对战时,其运算速度达到了每秒3亿棋位,从而大获全胜。
深蓝的胜利是计算机程序中的伟大壮举。当深蓝击败卡斯帕罗夫时,它是当时世界上最复杂的AI。但总体还是靠暴力算法来实现的。对己方或对方的每个可能的棋步进行暴力搜索,然后选出获胜概率最大的棋步。如果无法战胜对方,程序员升级程序从而计算更多的数字,但这种方法对围棋就不适用了。
围棋丨Go
我们之前的节目说过,谷歌的AlphaGo在2016年3月,击败了世界围棋冠军李世石。但是让我们探究一下,为什么AI攻克围棋是艰巨的任务。
如果你生活在西方国家,你可能对围棋不熟悉。围棋是一个中国的棋类游戏,数千年来其规则从未改变。有时被描述为"东方版国际象棋”,但是围棋要比国际象棋复杂得多,尤其对计算机而言。
首先,围棋棋盘比国际象棋要大。
围棋棋盘为19×19的网格,国际象棋棋盘为8×8。但这实际低估了围棋的复杂性,因为围棋的棋子不是放在网格中,而是放在四个角上。也就是说每个网格代表四种可能的位置,即与周围网格的交叉点。总而言之,围棋中的棋步组合比宇宙中原子数量还多。
其次,围棋中每个棋子都同等重要。
这与国际象棋不同,比如国际象棋中,后就比兵要重要。这种关系是可以通过编程让AI理解的,比如输入生产系统。但是围棋棋子的价值取决于,各个棋子在棋盘位置的相互关系。
围棋的目标是用在对弈过程中,以双方棋子所围"地"的大小决定胜负,所以每次棋步都是很主观的。甚至高水平的棋手有时也很难解释,他们是如何判断每个棋步和好坏。
计算机不擅长的领域就是主观性,以及计算万亿次的位置。因此深蓝的暴力算法对于围棋是完全不可取的。
阿尔法狗丨AlphaGo
AlphaGo并不是采用暴力算法的系统,而是使用深度神经网络。面部识别也是利用的该技术。并不是对一个个棋子的位置进行计算,而是通过寻找棋盘中的模式。
如同面部识别系统会搜寻眼睛、鼻子、嘴等图像。AlphaGo寻找提供强大或薄弱战术的棋子模式。但它要如何明确什么会带来有力或不利的局面呢? 我们提过每个特定位置的价值是主观的,不是么?
那么你需要了解深度神经网络的运行原理。
深度神经网络由不同机器系统的层构成,这称为神经元。这些神经元全都堆叠在一起、并行运行。从而神经网络能够对同一个问题,从多个不同角度、同时进行分析。
每个层根据不同标准评判同一图像,其中一层将看到围棋棋盘的图像,选出当中所有合理的棋步;下一层将找到棋盘中还未被控制的区域;再下面一层会追踪,自从一位棋手在任何区域落子,已经过了多久时间。从而告诉系统,哪片区域目前处于争夺状态,哪片区域暂时安全、可以先忽视。接下来的一层,会把白字黑字的模式与内部数据库进行比较,看目前棋局是否类似之前看到过的。诸如此类。
AlphaGo的神经元共用48层,每一层都用不同的方式分析棋局,并且这些层相互传递信息。因此如果某层发现很有利的棋步,那么其他层就会关注棋局的这个部分。一旦所有层都认同,某个棋步符合它们判断好棋的标准,AlphaGo就会落子。通过这种方式使用深度神经网络,系统就能模仿人类的直觉和创造力。
最终,AlphaGo以4:1击败李世石,李世石相当于围棋领域的卡斯帕罗夫。但AlphaGo只会变得越来越聪明。
AI的下一个挑战丨 What’s next
在游戏领域 AI几乎没有尚未攻克的挑战了,围棋是人类设计的最复杂的棋类游戏。但我还想看AI挑战魔镇惊魂(Arkham Horror:一款难度颇高的桌游)。
总之,我们设计了AlphaGo和深蓝。这些程序都是人类智力和好奇心的表现。
如果我们开发的AI能够在最复杂的游戏中击败该领域的人类顶尖高手,那么谁知道我们还能做出什么呢?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17