搜索
当前位置: 主页 > 综合 >

2019世界智能围棋公开赛星阵围棋能否问鼎四冠

admin 发表于 2022-08-12 02:52 | 查看: | 回复:

智能围棋赛资料图

智能围棋赛资料图

  2019“中信建投证券杯”世界智能围棋公开赛

  看星阵围棋能否问鼎四冠“不退不让”

  随着2019中国围棋大会开幕临近,我们亦将迎来2019“中信建投证券杯”世界智能围棋公开赛。而此次世界智能围棋公开赛或将是历届规模和水平最高的一届围棋AI比赛,比赛场地定于山东省日照市科技文化中心,时间定在“8月21-8月24”,这四天将有来自多个国家和地区的14支围棋AI队伍展开紧张角逐,届时相信“神仙”打架定会“弈”彩纷呈!

  赛前采访阶段,素以“不退让围棋”而闻名的“三冠王”——”星阵围棋”,其主创人金涬博士详尽地回答了我们的8个问题,期间金博士虽未提及自己的目标是夺冠,但”星阵围棋”始终以算法最强为努力目标打造业界标杆,这份希冀与决心更代表着中国在人工智能领域的精耕细作与开拓创新,着实令人钦佩。同样在本届绝大多数参赛队伍所给出的赛前预测中,”星阵围棋”均位列夺冠热门,有望登顶。甚至有人预测说——本届世界智能围棋公开赛的最大看点或将是“星阵围棋”“绝艺”代表的中国AI对抗日韩AI的激烈争霸场面。最后,也由衷祝愿“星阵围棋”能够在本届比赛中不负众望,卫冕成功!

  1、可以简单的介绍一下自己(的参赛队)吗?

  主创人金涬博士毕业于清华大学计算机系,长期从事大数据、深度学习、人工智能领域的研发,金涬在”星阵围棋”中负责总体算法方案,架构设计,多任务学习,以及对弈引擎的实现。

  骆刚,本科、硕士分别毕业于清华大学计算机系,中科院计算技术研究所,在”星阵围棋”中负责强化学习。赵志恒,本科硕士毕业于清华大学软件学院,在”星阵围棋”中主要负责深度学习模型训练及数据处理。赵鑫,本科、博士毕业于清华大学软件学院,在”星阵围棋”中主要负责深度学习模型训练及优化。

  2、可以介绍一下你们在参赛围棋AI上的技术原理和自身优势吗?

  “星阵围棋”在AlphaGo的基础上做了一些技术创新。星阵的主要贡献涉及到机器学习的两个重要领域,多任务学习和迁移学习。

  与AlphaGo只使用策略网络(Policy Network)和价值网络(Value Network)不同,星阵同时学习了四个主任务,另外两个是领地网络(Area Network)和子差网络(Score Network)。领地网络基于任意给定盘面,分别估算棋盘上每个交叉点最终归属黑棋或白棋的概率。子差网络基于任意给定盘面,估算最终黑方子数与白方子数的差值。在领地网络和子差网络的帮助下,星阵对局面的判断更加全面、立体,这也让星阵学会了像人一样“点目”,而不仅仅是依靠胜率来下棋。在胜率接近的情况下,星阵会选择子差更优的下法,将领先的优势继续扩大,或者试图缩小落后的目数,咬住局面寻找机会。这一技术特点也形成了星阵“不退让围棋”的棋风。

  另外,目前围棋AI大多使用19路棋盘,中国规则黑贴3.75子,此规则下的训练样本相对充足。星阵通过引入迁移学习技术,将中国规则黑贴3.75子的模型,用较小的代价,迁移到其他规则下。迁移学习为星阵带来了极大的算法灵活性,于是星阵可以进行任意路数的对局,也可以进行任意贴目的对局,可以进行让子棋的对弈,完美适应中国规则数子法和韩日规则数目法。可以说,迁移学习使得星阵在围棋上实现了“举一反三”的智能。

  3、你们在开发自己的围棋AI过程中用了多长时间?期间遇到过的挑战有哪些?

  深客科技是一家小创业团队,刚刚成立一年多。与谷歌、腾讯等资金和计算资源充足的大团队不同,我们的研发经费和服务器都是自筹资金。众所周知,围棋AI是需要大量计算资源投入的项目,我们的主要挑战是利用十分有限的计算资源,来达到甚至超过其他团队使用数倍甚至数十倍资源达到的水平。

  我们采用多任务学习来解决这个问题,通过多任务学习,充分利用每一个训练样本所包含的信息,这样能大大减少对训练样本的需求量,进而减少对计算资源的需求量。

  4、据悉本届世界智能围棋公开赛的参赛队实力都很强,是历届比赛中最强的一届,你是如何评价这次的对手的?他们的实力如何?

  各个围棋AI的水平一直都在快速提升。此次参赛的队伍无论是从实力还是数量都是历史之最,其中“绝艺”时隔一年多再次参赛应该是最受关注的,我们也很期待跟他们在比赛中再次交手。另外还有顾彼思问鼎围棋(GLOBIS-AQZ),从他们赛前发布会的情况来看,应该也会是实力强劲的对手。其他的参赛队有一些是老对手,如里拉零(Leela Zero),但也有很多新面孔,相信他们都具有不俗的实力。

  5、你们的围棋AI在技术风格上有哪些特色?

  “星阵围棋”使用少量硬件资源完成训练,实现更具通用性、更人性化的高水平围棋智能软件。对局进程中,星阵会像人类一样用点目的方式进行形势判断,无论优势劣势,始终追求最优下法,以“不退让围棋”闻名。星阵还可以进行任意路数和任意贴目的对局,完美适应各种围棋规则。

  6、谈一谈你们的AI对贴目合理性的判断?

  合理的贴目是围棋公平性的保证,在围棋AI出现以前,人类一直在探索合理的贴目。围棋AI出现以后,成为了人类更强大的工具,帮助人类研究更合理的贴目。星阵认为目前中国规则黑贴3.75子,白棋的优势很大。星阵认为如果使用中国规则数子法,贴2.75子黑棋稍稍有利,但或许比贴3.75子更加平衡。另外,日本规则数目法贴6.5时,星阵仍然认为白棋有利。

  7、你对未来围棋AI水平上限的预期是怎样的?

  AlphaGo Zero算法可以自我学习,不断迭代提升水平,被证明是一种优秀的强化学习算法。但使用单一算法,水平提升终有上限。AlphaGo论文中棋力曲线图显示,前72小时的棋力是快速上升的,之后的提升速度逐渐变缓,40天左右遇到瓶颈后停止了训练。但是事实上围棋的问题足够复杂,留给研究者的空间足够广阔,围棋AI仍然有很大的上升空间。我相信要突破水平上升的瓶颈,唯有通过不断的算法创新。目前星阵的水平仍然在较快的提升,我们也在不断通过各种尝试,进一步提升水平,但距离真正的围棋上帝还非常遥远。也正因为如此,围棋AI在未来很长时间,仍然是非常理想的算法试验田。

  8、你们是否在探索尝试AI在非围棋领域的应用?是否有明确的方向和新的突破?都有哪些?

随机推荐

联系我们 | 关于我们 | 网友投稿 | 版权声明 | 广告服务 | 站点统计 | 网站地图

版权声明:本站资源均来自互联网,如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

Copyright © 2013-2020 鍤檫科讯网 版权所有
[ 我也要建站 ]

回顶部