3月：AlphaGo大胜人类棋手，深度学习加速

您当前位置：首页 > 行业分析 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-08-05 14:02:42】【打印】【关闭】

相关报告

AlphaGo大胜人类棋手，深度学习算法进步神速。2016年3月9日至15日间，由“谷歌深度学习”开发的人工智能AI“AlphaGo”，与世界著名围棋选手李世石进行对决；除了13日李世石以白78“神之一手”取胜外，其余各局均以AlphaGo战胜李世石告终，使得比赛最终以4:1划上句号。

AlphaGo=模拟人脑的卷积神经系统+普适性的深度强化学习模型。（1）卷积神经网络(ConvolutionalNeuralNetwork,CNN)，是AlphaGo的基础架构，由谷歌旗下人工智能公司DeepMind开发，曾在大型图像处理上表现优异。与早期“深蓝”系统不同，AlphaGo是一个由许多个数据中心作为节点相连、每个节点内有着多台超级计算机的神经网络系统，能够与由50-100亿个神经元所组成的人脑相类比。（2）深度强化学习模型(DeepQ-Learning,DQN)，是AlphaGo的运行机制。深度学习是指，在持续外生刺激下，逐步形成对未来刺激的预期，以产生能获得最大利益的习惯性行为。在AlphaGo中，效用函数(valuefunction)用以判断，策略函数(policyfunction)用以决策下一步行为，是一个具有普适性的算法模型。

AlphaGo的架构

AlphaGo：不是终点，而是起点。AlphaGo进步神速，表明深度学习算法的固化速度或将超预期。期待“一般性学习算法”，运用于无人驾驶、智能识别等多领域。从2011年到2014年，人工智能在图像识别中的错误率，从近25%快速下降至不足5%；应用人工智能抓取数据的准确率，也稳步升高至近1%。此次对战来看，上年10月AlphaGo的棋力评估仍显著低于李世石，3月的对战中却能全面压制，表明AI技术成熟速度超预期，带动无人驾驶产业化全面加速。

人工智能在图像识别中的错误率