翻译Deep Learning and the Game of Go（2）第1章：面向深度学习

最新推荐文章于 2020-05-12 11:14:51 发布

idol_watch

最新推荐文章于 2020-05-12 11:14:51 发布

阅读量1.1k

点赞数 4

分类专栏：围棋与深度学习文章标签：机器学习围棋AI 深度学习翻译 deep learning and the game of

本文链接：https://blog.youkuaiyun.com/qq_41957257/article/details/103926324

版权

本文介绍了机器学习，特别是深度学习在AlphaGo战胜围棋世界冠军中的作用。深度学习允许算法从原始数据中学习抽象层，不仅限于游戏，也广泛应用于图像识别、语音理解和机器人控制等领域。通过学习，读者将了解机器学习的基本概念，包括监督学习、无监督学习和强化学习，并探索深度学习在构建围棋AI中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第1章：面向深度学习

本章内容包括：

机器学习及其与传统编程的区别
机器学习无法解决的问题
机器学习与人工智能的关系
机器学习系统的结构
机器学习学科

只要存在计算机，程序员就对人工智能（AI）感兴趣：在计算机上实现类似人的行为。长期以来，游戏一直是AI研究人员的热门话题。在个人计算机时代，人工智能在跳棋，西洋双陆棋，国际象棋以及几乎所有经典棋盘游戏方面都已经超过了人类。但是，数十年来，古老的战略游戏围棋仍然无法被攻克。然后到了2016年，Google DeepMind的AlphaGo 向14届世界围棋冠军李世石挑战，并在五场比赛中赢得四场。AlphaGo的下一个修订版完全是人类玩家无法企及的：它赢得了60连胜，战胜了此过程中所有著名的围棋玩家。

AlphaGo的突破在于通过机器学习增强了经典的AI算法。更具体地说，AlphaGo使用了称为深度学习的现代技术，这些算法可以将原始数据组织到有用的抽象层中。这些技术不限于游戏，您还将在用于识别图像，理解语音，翻译自然语言和引导机器人的应用程序中找到深度学习。掌握深度学习的基础将使您了解所有这些应用程序的工作方式。

为什么要写一整本有关计算机围棋的书？您可能会怀疑作者是疯了。但是，与国际象棋或西洋双陆棋相反，学习围棋的真正原因是强大的围棋AI需要深度学习。诸如Stockfish之类的顶级国际象棋引擎充满了国际象棋特定的逻辑。您需要一定程度的游戏知识才能编写类似的内容。通过深度学习，即使您不了解他们在做什么，您也可以教他们一台计算机来模仿强大的围棋选手。这是一项强大的技术，可在游戏和现实世界中应用到各种应用程序。

国际象棋和跳棋的AI的设计旨在比人类更长远和更准确地搜索盘面。将此技术应用于围棋有两个问题。首先，您无法搜索得太远，因为围棋中有太多落子位置需要考虑。其次，即使您可以搜索完全，您也不知道如何评估结果是否良好。事实证明，深度学习是解决这两个问题的关键。

本书通过介绍AlphaGo的使用技术，为深度学习提供了实用的介绍。您无需深入研究围棋游戏就可以做到这一点。相反，您将学习到机器学习方式的一般原理。本章将介绍了机器学习以及它可以解决与不能解决的各种问题。同时您将通过示例来学习到机器学习的主要分支，并了解深度学习如何将机器学习带入新的领域。

1.1. 什么是机器学习？

考虑一个识别朋友照片的任务。对于大多数人来说，即使照片的光线很暗，或者您的朋友理发或穿着新衬衫，这也毫不费力。但是假设您要通过编程让计算机执行相同的操作，你会从哪里开始？这是一种机器学习可以解决的问题。

传统上，计算机编程是将清晰的规则应用于结构化的数据。开发人员对计算机进行编程是对数据执行一组指令，然后得出所需的结果，如图1.1所示。试想一种税收形式：每个方框都有明确的定义，详细的规则可以指示如何进行各种计算。但是由于这些规则取决于您居住的地方，因此可能会极度复杂。人们在这个地方很容易犯错，但这恰恰是计算机程序擅长的任务。