海盗网,食疗,中国象棋,近视,酒吧
当前位置:主页 > 文章 > 正文

排局绝妙象棋巧妙排局,用穷举法的象棋AI和深度学习的象棋AI,哪个更强?

时间:

首先我们要搞清楚穷举法的象棋人工智能和深度学习的象棋人工智能有什么区别,穷举法简单说来就是一个一个地试,是最常见的一个应用方法,我们的生活中遇到的各种问题,都可以用穷举法,比如密码问题,三位数的密码,可以从000到999来一个一个试,总会有试对的时候,这个就比较费体力,如果运用到象棋人工智能中,就需要有一个高级计算机芯片,因为这个需要运行速度,来快速试答案。我们在电视上看到的阿尔法狗其实就是穷举法,阿尔法狗把每一步的步骤演绎到50的深度,甚至100的深度,就是下到100手以后,人脑根本无法与之相比,所以取胜机会极低。

而深度学习是人工神经网络的体现,是高度的智能化,相当于千千万万个人脑共同学习,相对来说,深度学习比较主观能动性,而穷举法相对比较客观。带到象棋人工智能方面,目前深度学习人工智能还没有穷举法人工智能成熟。在我看来,各有优缺点,穷举法比较死板,但只要芯片够强大,基本无敌。深度学习比较灵活,但需要复杂的编程整合,相比较穷举法的编程复杂的多,目前还没开发出来,如果将来能够实现,我想深度学习的人工智能必将比穷举法的人工智能强,那时候我们人类所要担心的问题就是里面人类与机器的矛盾了。

提出这个问题,当然是对阿尔法系列对人类围棋的压倒性优势印象深刻。

可是,象棋AI并不需要深度学习啊,穷举法就可以和高手对决。

为什么这么说呢?

先看看围棋为什么要DEEPMIND,围棋的可能性是361的阶乘,也就是361*360*359*358......,所以古往今来无一重复。对穷举计算的运算要求就极高。人类高手都有盲棋和以一敌百的能力,这就是记忆和计算能力的体现,而AI更快更强,战胜对手,在于预测和选择相应的最优应手。

什么是阿尔法元的深度学习呢?

GOOGLE开发了生成式对抗网络(Generative adversarial networks , GAN)。网络是成对出现的:两个网络一起工作。生成式对抗网络可以由任何两个网络构成(尽管通常情况下是前馈神经网络和卷积神经网络配对),其中一个网络负责生成内容,另外一个负责对内容进行判别。判别网络同时接收训练数据和生成网络生成的数据。判别网络能够正确地预测数据源,然后被用作生成网络的误差部分。这形成了一种对抗:判别器在辨识真实数据和生成数据方面做得越来越好,而生成器努力地生成判别器难以辨识的数据。这种网络取得了比较好的效果,部分原因是:即使是很复杂的模式最终也是可以预测的。生成式对抗网络很难训练,因为你不仅仅要训练两个网络,它们中的任意一个都有自己的问题,而且还要考虑两个网络的动态平衡。如果预测或者生成部分变得比另一个好,那么网络最终不会收敛。也就是当机。

阿尔法元的预测输入采用了人类高手的数万局棋谱来开始生成对抗。这是是天文数字。所以又需要采用卷积神经网络算法来扫描几手后乃至百手后的变化。

这就是学习的过程。在这种超越人类思维的训练下,大定势被改写,天外飞仙的无理妙手层出不穷。等人类高手解析透了,整个围棋的水准又上升很多。

再说象棋,除了车炮纵横可以数格,每个子就几种移动。而且走到50手的已经是少见了。这样,对计算机而言,穷举算法已经足够计算。对于AI学习优化,也就是开局的近十种变化和残局定法,写入就行,目前为此,还没有深度学习之说。

版权保护: 本文原创,转载请保留链接: 用穷举法的象棋AI和深度学习的象棋AI,哪个更强?