AlphaGo代碼開源了，很快你也可以挑戰它了
如果你對 AlphaGo 感興趣，也想自己動手試試，那么下面是個好消息：根據 Engadget 的報道，Google 宣布將 DeepMind 源代碼開源，上傳到 Github 上。Google 希望以此增加 AI 能力的開放性，讓更多開發者參與 AI 研究，觀察其他開發者是否能夠挑戰并打破 DeepMind 現在的紀錄。
（圖片來自 DeepMind 官網）
實際上，AlphaGo 如今的水平已經幾乎打遍天下無敵手了。
昨天，2016 年三星杯世界圍棋大賽決賽中，中國棋手柯潔總比分 2:1 逆轉衛冕。賽后，據新華社采訪，柯潔坦言自己“現在的狀態還不能打敗‘AlphaGo’，今后需要更加努力。”
AlphaGo 的戰績確實足夠耀眼，讓這位史上最年輕的三星杯冠軍不想直纓其鋒芒：
- 2015 年 10 月，它成為第一個無需讓子，即可在 19 路棋盤上擊敗圍棋職業棋士的電腦圍棋程序；
- 2016 年 3 月，它以 4:1 的比分擊敗頂尖職業棋手李世乭，成為第一個不借助讓子即可擊敗圍棋職業九段棋士的電腦圍棋程序；
- 2016 年 7 月 18 日，根據積分，Go Ratings 網站將 AlphaGo 列為世界圍棋排名第一，至此，人工狹窄智能又攻下了一片領地。
近 20 年的發展，圍棋人工智能從傳統人工智能方法，如使用暴力搜索法（窮舉法）、Alpha-beta 剪枝（評估后一個策略是否比前一個策略差，差則停止計算該策略后續發展）等，進化到使用蒙地卡羅樹狀搜索。蒙地卡羅樹狀搜索分為三部分：
- 走棋網絡：給定當前局面，預測/采樣下一步的走棋
- 快速走子：適當犧牲走棋質量的條件下，速度提升 1000 倍
- 估值網絡：給定當前局面，估計是白勝還是黑勝
這樣，既可以結合樹狀圖的長遠推斷，又可以像人類大腦自發學習進行訓練。
通過學習超過 1 億盤機器棋局和 80 萬人類棋局，單機版 AlphaGo 已經能將已有的圍棋人工智能甩在身后，而分布式版本的 AlphaGo 則更是在對戰其他圍棋人工智能的 500 場比賽中獲得全勝。
除了實力驚人的 AlphaGo，Elon Musk 的 OpenAI 旗下電腦訓練場 “Universe” 也開放成為開源資源。
當然，雖然談及開源，兩家公司都表示希望一直保持 AI 代碼的開放性，但實際上，這也是一個略帶無奈的舉措。正如 Engadget 對此的評價，兩家公司發展至今，最稀缺的加速推進人工智能開發的東西就是海量數據，這也是為什么兩個公司會選擇開源了這部分的代碼。
來自: ifanr 愛范兒