其实人工智能与围棋 深蓝的问题并不复杂，但是又很多的朋友都不太了解人工智能与围棋大战，因此呢，今天小编就来为大家分享人工智能与围棋 深蓝的一些知识，希望可以帮助到大家，下面我们一起来看看这个问题的分析吧！
本文目录
打败围棋高手，却败于高中数学，人工智能是否过渡炒作？
完全没有过渡炒作，人工智能在围棋方面的胜利堪称是一件人工智能发展史上里程碑式的事件。
我们知道人脑在进行棋类游戏的决策时一般都是在不同策略可能的结果之中挑选我们认为最有利的结果。而以前的人工智能只是利用计算机储存量大，搜索较快的特点，人为设定一个搜索原则，在所有策略里进行搜索。这种办法必须要求人类对选择策略的损益有明确的函数表达。电脑依靠记忆及搜索深度广度方面优于人类就能打败人类棋手。深蓝就是依靠这种方法在国象上打败了人类选手。
但在围棋上这种算法就完全行不通了，因为对围棋局面的判断非常复杂，并不是一个损益函数就能描述。电脑也远远不能穷尽所有变化的搜索。即使是人类选手，对围棋各种局面的理解也需要进行长时间的训练，才能理解围棋的厚薄，均衡，好型等非常抽象的概念。而且这些概念在多变的围棋局面中是很难定义的，更谈不上量化的来描述这些概念。这也是为什么电脑在国象上战胜人类后，又过了将近二十年，面对围棋却束手无策的原因。它除了按照人类给它一个机械的好坏标准来执行程序外不会有更多的自主探测意识。只能算是一个初等的记忆搜索工具。
随着机器学习方法以及大规模矩阵计算芯片的发展，人类在围棋上战胜人类的可能性在不停增大，但由于面对围棋巨大的策略空间人类对其的认识本身就很粗浅。完全不知道需要多大规模的计算量及硬件水平才能够达到人类对围棋理解认识的水平。所以当Deepmind训练出一个战胜樊辉的阿尔法狗程序时。他们也是不确定是否能战胜人类顶尖围棋棋手的。而一般职业棋手对电脑围棋程序的认知还是停留在老的方法开发出的那种程度上，也就是业余四五级的初级水平上。
所以当阿尔法狗这个围棋程序凭借巨量对抗训练出的概率方法来学习人类对围棋的理解并应用到对李世石的实战当中时，我们看到这台机器恰到好处的诠释了人类对围棋的理解。需要说的是这种理解不是某个人类给它规定的函数就能算出来的，而是它自己通过无数次的对抗训练产生出来的，其中包含了对围棋局面中厚薄，轻重，攻守均衡等概念充分的理解，以每个落点对整个局面胜率的影响来表达出来。我们可以看到这些理解是与人类的决策大致相似但又更加深刻，目前人类还无法解释机器学习决策的具体思路，这是因为这种机器学习方法对于对弈局面大量统计而产生的分类原则过于复杂，有可能目前人类的语言还无法描述这些原则而造成的。
可以说这完全是机器在分析大量局面后自动对各种局面进行分类，并通过实战统计胜率而自动产生的策略。是人类造出的第一台在策略上高于人类理解的智能机器。与之前的人为规定策略损益函数，机器只需搜索所有策略并按照各种规定好的函数进行计算后来做决定的初级人工智能有了根本的不同。
至于让人工智能做高中数学卷子，当然涉及到的不仅仅是卷子中的每个计算。还需要对整个题目进行字符识别，语义分析，机器才能弄清楚这道题要求什么样的答案。在分析题目过程中还需要人工智能程序将人类思考过程中用到的所有概念及定理进行组合，模拟人类的推导过程。这是个很有创造性的庞大的决策过程，这种策略并不是那种围棋程序中那种对抗性的策略训练就能完全解决问题的，因为我们其实也没有一个量化所谓如何完整解答一道题目的步骤标准。只能无目的的让机器去产生推理过程，我们不断增加对错标准去修正它的结果。简单说就是解题的过程不仅是分析题目，并按照我们所知定理、公理去推导结果，而且还需要按照人类所能理解语言方式完整表达推导过程。这几乎是一台完全拟人的机器。比仅仅量化围棋局面并用围棋语言也就是落子坐标以及落子后显示双方胜负概率这种简单的表达方式复杂了成百上千倍。
语言是思维的表达方式，使用并记录语言是人类特有思维方式。人工智能发展到现在可以说已经在思维的深度上超过了人类，缺乏的是思维的广度，也就是对现实世界中各种事物概念的理解体验以及互相之间关系的理解。仅靠人类喂给它们的数据是远远不够的。同时人工智能对自我意识的理解也不会很明确，当然这种意识是自然赋予每个生命的生存技能，人类恐怕不会那么轻易的人工智能得到。
人类围棋界将怎样面对再努力都难以逾越人工智能的事实？
二次人机大战，AlphaGo以及之前的Master，以令人信服的表现，基本上终结了人类棋手能否战胜它这个悬念。柯洁是对此认识最深的，他赛前就说，这是与AI的最后三盘棋，无论胜负都不下了。因为之后差距会越来越大，与机器对局从胜负上没有意义了。
但这是不是说围棋届就会惨遭打击呢？其实有一个很好的参照物：国际象棋。
国际象棋早就有这样的事了。早在十年前国际象棋高手连手机版本都战胜不了，但是国际象棋运动近20年来发展得很好。在AI的帮助下，人类国际象棋水平迅速提升，大师的数量翻了好几倍，正式比赛数量翻了十倍，棋界非常活跃。高等级的比赛很多，人类高手对局时，棋迷们在线观看AI的评棋。AI会实时给出各个选择的后续变化，棋迷们就象监考老师一样盯着双方高手，看他们是下出了好棋还是下出败招，对手是不是找到了惩罚的办法。
相信围棋也会发展成这样，至少从棋迷的角度，观赏比赛不再象以前那样一头雾水。如果真有象人类高手柯洁第二局前50手表现那样，下得和AlphaGo推荐的招数一样，也会得到棋迷与棋手们真心的喝彩。而棋手也会追求这种荣誉，为之兴奋，为之落泪，这种感情是冷冰冰的AlphaGo是永远无法体会到的。
近一段时间，棋迷们显得对人类棋手之间对局兴趣下降，对绝艺、AlphaGo与人类高手的对局更有兴趣。我相信这是暂时的，主要原因还是人类棋手水平低犯错太多。如果人类棋手在向AI学棋之后，水平取得巨大进步，有艺术美感的高水平棋局一定会比以前更多，而棋迷们会更有兴趣看人类棋手之间有血性与情感的对局。国际象棋顶级AI之间，动则大战100回合，虽然水平很高，但棋迷们其实看不过来，关注度比卡尔森的世界冠军赛要低得多。
现在顶级的围棋AI只有AlphaGo一个。腾讯绝艺团队的开发似乎进入瓶颈，正如AlphaGo去年的版本，总是会被时间充足的人类对手以一定概率找到Bug。但是这次Deepmind团队已经透漏的Master的技术秘密，我上篇文章已经简单介绍了。Deepmind将在6月以论文形式公布更多细节，并将在几个月以后象2016年《自然》那篇文章一样公布非常完整的技术细节。这将对绝艺、DeepZenGo等高水平AI帮助极大，其它开发者也可能迅速追上。
接下来6月，梦百合杯64强战就将开打，日本的DeepZenGo特约参赛。如果DeepZenGo连胜两局进入16强，会到9月再续战。这几个月时间，得到Deepmind公布信息的帮助，DeepZenGo的实力很大可能将突飞猛进。即使只是接近Master的水平，DeepZenGo获得最终冠军的可能性也不小。如果柯洁在过程中或者决赛中碰上它，再不与AI对局的宣告也只能放弃了。
柯洁的意见是，人类的围棋比赛就应该人来下，让AI来是不正确的。国际象棋比赛确实如此，正式比赛不仅AI不能来，还要严查棋手不准AI支招。只有人机结合趣味赛之类的比赛，才让AI来比赛。
当然AI之间互相比赛也是很有意思的，围棋AI肯定也会有很多比赛继续举办。如果其它AI取得实力突破，例如对人类高手也是100%胜率，也可能AlphaGo也会参与“机机大战”。
不管如何，围棋AI的出现对围棋是很好的事，能够促进人类围棋艺术的极大发展。而对“围棋艺术”的理解，又需要职业棋手们的阐释。这从一个侧面，说明了人类与人工智能的辩证关系。
围棋复杂还是中国象棋复杂？
本人围棋水平业余初段，象棋水平9-1，所以对这个问题最有发言权，谁也别和我抢。
单纯的论复杂程度，围棋肯定要比象棋复杂。其实关于围棋和象棋两者孰优孰劣的争论古已有之，大体上是一个“贵弈贱象”的格局，其中一个重要的依据就是围棋较象棋更复杂多变。
比如下围棋的“棋圣”聂卫平就认为，“围棋的子越下越多，象棋越下越少，围棋越下会越复杂，象棋越来越简明。”
而且，围棋棋子分黑白两色，两人对弈，仙气飘飘，显得颇有高人风范。象棋则大多在街头巷尾，三五成群，或蹲或站，贩夫走卒，皆可下场，总给人一种档次不高的感觉。现在的小孩，学围棋的多，学象棋的少，不知道是否有这方面的原因。
书归正传，根据计算机计算，象棋的总变化数为10的150次方，围棋的总变化数是10的360次方。象棋高手在上个世纪末就已经被电脑击败，而围棋直到几年前才击败了围棋高手李世石，前后相差了二十年。
这样看来，围棋的确要比象棋复杂，然而事实并没有如此简单。
因为对人脑来说，无论象棋还是围棋，其变化数之多，都不是人脑可以计算清楚的，所以所有的棋手在下棋时，并不纯粹是依靠计算，而是依靠感觉。
而这种感觉被称之为“棋感”，是每一个优秀棋手所必须具备的天赋之一。事实上，当他们在下棋时，99%的着法在第一时间被他的棋感否定掉了，棋手只需要考虑自己“第一感”的棋是否合理，并计算对手可能的反击手段。
如果他计算的结果是对方所有的反击手段都不能阻止自己取得优势，或者缩小劣势，那么他就会走这一步棋。任何一个棋手都不可能将所有的变化都计算清楚，甚至连百分之一、万分之一的变化总数都无法计算清楚。
优秀的棋手，第一感觉是非常优秀，且非常准确的。而更加优秀的顶尖棋手，则是能跳出第一感限制的范围，别出心裁地走出新的着法，进而打得对手措手不及，进而取得优势。比如，象棋棋手胡荣华、围棋棋手李世石等，都是顶尖棋手的代表。
就好像当你面对一座大山时，你可以根据高度来判断哪座山更高一些。但如果有两座山高到你无法想象的地步，你目力所及之处，只是一片云雾缭绕，根本看不到头，你怎么能判断哪座山更高呢？
又比如你去工地搬砖，三十块砖当然要比二十块砖重一些，你上手搬一下自然就能分得出来。但如果是一万块砖，和十万块砖呢，对你来说是一样的，因为你都搬不动。
象棋和围棋的复杂程度比较，也是这个道理。理论上来说，围棋比象棋的变化要多得多，但实际上对人脑来说，都是一样的，因为人脑不可能将它们的变化算清楚，即便再过几百上千年，还是不可能算清楚，那么在下棋时又有什么区别呢？
在棋类项目上，电脑击败人类其实并不是一件好事，因为当你用电脑来分析这步棋的时候，电脑会非常明确地告诉你答案，对了，错了，或者不够好。然而，这正是掐死了下棋的乐趣，以前不用电脑的时候，我经常和棋友们在一起讨论，某一步棋究竟是好还是不好，几个人常常争得面红耳赤，很长时间相持不下。
然而，现在已有了争论，马上拿出电脑，点开软件，输入着法，电脑啪啪啪给你一顿分析，结果很明确，无须继续争论了，乐趣也就减少了很多。
而且当你下棋遇到难题时，也不会深入地思考了，直接让电脑来帮忙分析，就好像考试的时候，答案就放在考卷旁边，哪里有人能忍得住不去看呢？
综上所述，我的结论是，就棋而言围棋比象棋复杂，但对人而言围棋和象棋一样复杂！
现在国内的中国象棋顶级选手和人工智能（AI）差距有多大？
一般地，可以根据游戏的暴露程度将其分为完美信息游戏（Perfect-InformationGames）和不完美信息游戏（Imperfect-InformationGames。其中，游戏状态及可能延续信息可见的为完美信息游戏，否则为不完美信息游戏。围棋、象棋等棋类游戏，对局双方可以看到局面的所有信息，属于完美信息游戏；而扑克、桥牌、麻将等游戏，对局者所掌握的信息是不对称的，因此属于不完美信息游戏。
对于完美信息游戏，通常游戏的复杂度就决定了难度，可用状态空间复杂度（State-SpaceComplexity）和游戏树复杂度（Game-TreeComplexity）对其难度进行衡量。
近年来，人工智能陆续击败了完美信息游戏（双陆棋、国际跳棋、国际象棋、围棋等棋类游戏）及不完美信息游戏（扑克、桥牌、麻将等游戏）中的顶尖选手。
1997年5月11日，IBM公司开发的“深蓝”（超级国际象棋计算机）击败了国际象棋世界冠军加里·卡斯帕罗夫，这是人工智能第一次击败了世界冠军。
2016年12月29日至2017年1月4日，DeepMind开发的AlphaGo以ID名「Master」在网络围棋平台弈城和野狐上60:0战胜数十名中韩日职业围棋手。2017年5月，AlphaGoMaster3:0战胜世界围棋排名第一的柯洁。
2019年7月12日，Facebook和卡内基梅隆大学(CarnegieMellonUniversity)开发的“Pluribus”首次在德州扑克多人比赛中获胜，先后击败了德州世界冠军达伦·伊莱亚斯和克里斯·弗格森。
至此，大部分完美信息游戏均被人工智能所攻克。对于中国象棋，由于其状态空间复杂度及游戏数复杂度均小于围棋，因此，中国象棋中的顶尖选手应该会被人工智能击败。
人工智能与围棋 深蓝的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于人工智能与围棋大战、人工智能与围棋 深蓝的信息别忘了在本站进行查找哦。
推荐阅读人工智能领域提升 人工智能三个研究领域
人工智能医疗领域哪个学校 人工智能什么学校比较好
人工智能医学领域实验？医学实验设计
人工智能专业领域认知论文？人工智能导论论文3000字
人工智能最先进领域，当前人工智能重点聚焦()大领域
人工智能最有前途的领域(人工智能在哪个领域应用最多)
人工智能医学领域ppt(人工智能ppt课件免费)
人工智能相关领域知识图(人工智能的发展)