领略前世今生

前世今生，带你了解AlphaGo的发展历程 01

围棋(AlphaGo)是一个围棋人工智能程序，由谷歌在英国伦敦的子公司DeepMind公司的David middot开发。白银、爱家 middot还有黄Demis middotHabis和他们的团队使用 价值 要计算情况，请使用 策略 去选择下一步。

阿尔法的主要设计师:

大卫 middotDavid Silver，计算机科学学士，剑桥大学计算机科学硕士，加拿大阿尔伯塔大学计算机科学博士。
他目前是伦敦大学学院的讲师，也是谷歌DeepMind的研究员。

黄士杰，台湾交通大学计算机科学学士，台湾省师范大学计算机科学硕士和博士，加拿大阿尔伯塔大学计算机科学博士后。
现在是谷歌DeepMind的研究员。

围棋(AlphaGo)是通过两个不同的神经网络 大脑 合作提高棋艺。
这些大脑是多层神经网络，在结构上类似于谷歌图片搜索引擎识别的那些图片。
他们从一个多层启发式二维过滤器开始处理围棋棋盘的定位，就像图片分类器网络处理图片一样。
经过过滤，13个全连接的神经网络层对看到的东西产生判断。
这些层可以做分类和逻辑推理。

这些网络通过反复训练来检查结果，然后校对调整参数，让接下来的执行更好。
这个处理器有很多随机元素，所以人们不可能确切知道网络 思考 是的，但是更多的训练可以使它变得更好。

第一个大脑:移动选择器

AlphaGo的第一个神经网络大脑是 监管政策网络 观察棋盘的布局，试图找到最好的下一步。
其实它预测了每一个合法的下一步的最佳概率，所以第一个猜测就是概率最高的那个。
这可以理解为 子选择器 。

第二个大脑:位置评估者

AlphaGo (AlphaGo)的第二大脑回答的是另一个相对于下拉选择器的问题。
它不是猜测具体的下一步，而是在给定棋子位置的情况下，预测每个棋手赢棋的可能性。
这 情况评估员 那就是 价值网) ，通过判断大局来辅助后面的选人。
这个判断只是大概，但对提高阅读速度很有帮助。
通过对潜在的未来情况进行分类 好 用 不好 AlphaGo可以通过特殊变体来决定是否深度阅读。
如果情况评估员说这个特定的变体不好，那么AI将跳过阅读这一行中的任何更多移动。

2015年10月，阿尔法围棋以5: 0击败欧洲围棋冠军、职业二段棋手魏凡。
2016年3月，挑战世界围棋冠军、职业九段棋手李世石。
根据赛程安排，3月9日、10日、12日、13日、15日分别进行5场棋赛。即使一方先赢三局，也要补五局。
最后以4:1 ；。战争 。

2016年3月27日，AlphaGo确认挑战《星际争霸2》。
2016年12月29日晚起，一个注册为 主人 ，标注为韩国的九段 在线棋手 连续 踢馆 城市网和野狐网。
2016年12月29日晚至2017年1月4日晚，师父与人类顶尖高手的交手战绩为60胜0负。
最后一盘之前，大师透露， 他 是AlphaGo。

2017年5月23日-27日，柯洁与围棋AI AlphaGo在 中国乌镇 middotGo summit 扩展游戏。
5月23日、25日、27日分别打了三场。

未来，Alpha Go将与医疗、机器人相结合，更好地服务于人类。