圍棋變化多 AI「學直覺」最難
[2016.01.29] 發表
專家指出，圍棋變化多端，需運用直覺判斷等人類獨特思考方式下棋，電腦較難靠窮盡所有可能性的「暴力搜尋法」運算取勝。因此，AlphaGo的研究可望「令人工智能更接近人類」，有助現實應用。
美國費城圍棋會主席本斯頓(Matthew Bengston)指出，圍棋策略變化較大，不像國際象棋等棋類較易出現類同「路數」。人工智能要學會下圍棋，便需掌握圖像辨識等能力，而要模仿高手單靠觀察棋盤得到的直覺判斷來下子尤其困難，以窮盡所有可能性的「暴力搜尋法」運算根本難以做到。
「執生」估棋局 多想幾步致勝
AlphaGo透過深度學習技術(deep learning)模仿人類下棋。專家以多部電腦組成類似人腦神經系統網絡，輸入足夠棋局資料，便能辨識及掌握棋局空間規律，了解何謂致勝好棋。到己方下子時，AlphaGo會找出最佳下子位置，再以「樹狀搜索」技術推演棋局演變，作出相應戰術部署，較人類「多想幾步」致勝。facebook等科網公司開發的圍棋人工智能程式亦以類似方式運作。
DeepMind行政總裁哈薩比斯說，目前AlphaGo只會下圍棋，希望最終能將其智能「通用化」，應用於解決現實問題，例如醫療、建構氣候模型等，亦可望改進Google產品，包括開發為用戶度身訂做的輔助軟件。深度學習技術已可用於辨識人臉，翻譯等用途。
專家指出，人工智能大多建基於規律配對，懂得學習代表能將已有規律與眼前情况連結，更進一步。
(綜合報道)
更多國際要聞
【明報專訊】據中新社援引外媒報道，當地時間28日，俄羅斯衛生部部長斯克沃爾佐娃在莫斯科表示，截至27日，俄羅斯已有超過100人死於甲型H1N...
詳情
【明報專訊】近年來，眾多富豪把金錢從傳統離岸避稅天堂瑞士撤離出來再轉移至美國境內，這已經成為一門火爆的新生意。美國曾致力於打擊那些幫助美國富...
詳情
相關新聞
