研学· 强化学习 | 围观乌镇比赛，学习AlphaGo核心技术

文章预览

机器之心原创 人工智能研学社 在 2015 年 10 月，AlphaGo 以 5:0 的比分全胜欧洲围棋大赛冠军，就此成为战胜人类职业围棋选手的第一个计算机程序。不久，在 2016 年 3 月，AlphaGo 又以 4:1 的比分打败了拿过 18 次世界冠军的李世石，一时震惊世界。这是人工智能发展史上的里程碑。解决围棋问题，不仅难在其高达 250,150 的巨型搜索空间，也难在位置评估上，尽管这一技术已经成功应用在解决其它战略游戏上，如双陆棋和国际象棋。 AlphaGo 的内部技术包括了深度 CNN，监督式学习，强化学习，以及蒙特卡洛搜索树 (MCTS) 等。AlphaGo 由两个阶段组成：神经网络训练通道，以及蒙特卡洛搜索。前者包括一个用专家棋谱进行训练的监督学习策略网络、一个快速走 ………………………………