[github]AlphaGo 代码开源了，很快你也可以挑战它了

源码资源网

如果你对 AlphaGo 感兴趣，也想自己动手试试，那么下面是个好消息：根据 Engadget 的报道，Google 宣布将 DeepMind 源代码开源，上传到 Github 上。Google 希望以此增加 AI 能力的开放性，让更多开发者参与 AI 研究，观察其他开发者是否能够挑战并打破 DeepMind 现在的纪录。

[github]AlphaGo 代码开源了，很快你也可以挑战它了

（图片来自 DeepMind 官网）

实际上，AlphaGo 如今的水平已经几乎打遍天下无敌手了。

昨天，2016 年三星杯世界围棋大赛决赛中，中国棋手柯洁总比分 2:1 逆转卫冕。赛后，据新华社采访，柯洁坦言自己“现在的状态还不能打败‘AlphaGo’，今后需要更加努力。”

[github]AlphaGo 代码开源了，很快你也可以挑战它了

AlphaGo 的战绩确实足够耀眼，让这位史上最年轻的三星杯冠军不想直缨其锋芒：

• 2015 年 10 月，它成为第一个无需让子，即可在 19 路棋盘上击败围棋职业棋士的电脑围棋程序；
• 2016 年 3 月，它以 4:1 的比分击败顶尖职业棋手李世乭，成为第一个不借助让子即可击败围棋职业九段棋士的电脑围棋程序；
• 2016 年 7 月 18 日，根据积分，Go Ratings 网站将 AlphaGo 列为世界围棋排名第一，至此，人工狭窄智能又攻下了一片领地。
  
  

近 20 年的发展，围棋人工智能从传统人工智能方法，如使用暴力搜索法（穷举法）、Alpha-beta 剪枝（评估后一个策略是否比前一个策略差，差则停止计算该策略后续发展）等，进化到使用蒙地卡罗树状搜索。蒙地卡罗树状搜索分为三部分：

• 走棋网络：给定当前局面，预测/采样下一步的走棋
• 快速走子：适当牺牲走棋质量的条件下，速度提升 1000 倍
• 估值网络：给定当前局面，估计是白胜还是黑胜
  
  

这样，既可以结合树状图的长远推断，又可以像人类大脑自发学习进行训练。

[github]AlphaGo 代码开源了，很快你也可以挑战它了

通过学习超过 1 亿盘机器棋局和 80 万人类棋局，单机版 AlphaGo 已经能将已有的围棋人工智能甩在身后，而分布式版本的 AlphaGo 则更是在对战其他围棋人工智能的 500 场比赛中获得全胜。

除了实力惊人的 AlphaGo，Elon Musk 的 OpenAI 旗下电脑训练场 “Universe” 也开放成为开源资源。

[github]AlphaGo 代码开源了，很快你也可以挑战它了

当然，虽然谈及开源，两家公司都表示希望一直保持 AI 代码的开放性，但实际上，这也是一个略带无奈的举措。正如 Engadget 对此的评价，两家公司发展至今，最稀缺的加速推进人工智能开发的东西就是海量数据，这也是为什么两个公司会选择开源了这部分的代码。

链接：https://pan.baidu.com/s/1ctQwsYvrxL2VHRmX5_3oHA

附件下载（由于源码文件太大，本地下载在百度网盘下载）：

文件名称:提取码下载.txt 
下载次数:6  文件大小:16 Bytes  售价:5金钱 [记录]
下载权限: 不限 [购买VIP]   [充值]   [在线充值]   【VIP会员5折；永久VIP免费】

安全检测，请放心下载