武陵观察网 问答 关于人工智能话题(关于人工智能的总结100字)

关于人工智能话题(关于人工智能的总结100字)

计算机游戏一直是人工智能的一个重要研究领域。人工智能早期的研究实践是从计算机象棋开始的。以下文章是边肖整理分享的人工智能小论文的相关文章。欢迎阅读!

一篇关于人工智能的小论文

电脑游戏和人工智能

计算机游戏一直是人工智能的一个重要研究领域。人工智能早期的研究实践是从计算机象棋开始的。因为人类开发下棋软件,目的就是让计算机模仿人脑思考。如果能掌握象棋的精髓,就可能掌握了人类智能行为的核心。那些可以存在于下棋活动中的重要原则,可能存在于任何其他需要人类智慧的活动中。所以下棋软件在某种意义上可以代表人工智能的发展程度。

从20世纪60年代的“跳棋”到1997年的“深蓝”,计算机国际象棋程序在人机博弈中取得了一个又一个胜利。然而,这些程序虽然属于人工智能的范畴,但实际上并没有太多的“智能”成分,大多是在可行范围内进行搜索。各种研究大多是关于如何让搜索更快更有效。他们缺乏“智慧”的根本原因是我们自己不知道人类是怎么思考的。比如你写一个名字,问一个老师这个人是不是他班上的学生。老师可以马上回答是或不是。如果你问计算机,计算机可以马上回答是或不是。但计算机的方式是将这个名字与学生名单中的所有名字进行对比,得出答案。电脑搜索的速度非常快,几乎可以在一瞬间完成。但是我们知道,一个老师是不可能在短时间内把班上所有学生的名单看完的。同样,当我们看到一个人的照片时,我们会立即知道我们以前是否见过这个人。我们不可能在短时间内查遍之前见过的所有人,那么如何得出结论呢?我们还不完全了解它。

下棋时,棋盘上有很多地方可以走,但棋手不会考虑每一步棋。那么哪些位置需要考虑,哪些不需要考虑,这就是“模式识别”的问题。人脑有“模式识别”的功能,可以很快得出一个大概的结论。电脑没有这个功能,所以我们要考虑所有岗位。在人机博弈中,计算机人工智能的基本思维方法是穷举法,即通过比较所有可能笔画的进化结果,最终选出最优的一个。举个例子,在象棋的某个“情境”中,如果有38个符合规则的棋子,无论你选择哪一个,都会产生一个新的情境。如果把这些变化都列出来,就会形成一个“博弈树”。计算机要做的就是对比最后一层的结果,选择其中最好的一层,然后反推,找到这种情况下的最佳走法。电脑的这种思维能力在游戏中期格斗阶段尤为明显。另外,在人机博弈中,面对每一步棋时,计算机都会模仿人的思维方式尽可能简化搜索范围,然后横向比较,选择最佳方式。但是象棋的总变化次数达到10的123次方,而中国象棋的变化次数比这多得多,达到10的144次方以上,围棋的变化更多,达到10的172次方以上。计算机不可能计算出棋盘上所有的变化。所以所谓“用穷举法选择最佳走法”指的是棋局的一部分,而且是在有限的几步中,而不是穷举法,不能对整个棋局做出正确的判断。这就是它中端计算超级强,整体视野差的原因。半个世纪前,人们开始研究象棋程序。然而,由于计算机性能问题,计算机在人机游戏中总是表现不佳。因为大空间搜索不可行,所以只能用人们设计的判别模式进行选择性搜索(模仿人的思维)。选择不一定对,搜索不彻底,结果肯定好不了多少。幸运的是,计算机的性能发展迅速。1997年,IBM的深蓝以“苦搜”击败了人类国际象棋世界冠军卡斯帕罗夫。当然深蓝也请了一些棋类专家指点评判程序,但主要还是靠硬搜。

目前国际象棋、中国象棋三大棋局中,计算机水平已经可以和顶级职业棋手一较高下,但围棋中的计算机水平却始终上不去。目前在围棋计算机大赛中获得冠军的软件也只是勉强达到业余水平,和顶尖的职业棋手相比,很可能会输给七段棋手。

为什么电脑围棋水平比象棋差那么多?除了资金等投资上的差距,大致有以下原因:

(1)一盘棋有60个方格,中国象棋有90个交叉点,围棋有361个交叉点。一盘棋一般要走三四十轮七八十步,而一盘围棋一般要走100多步,最多走300多步。这使得围棋的运算量远远超过象棋,因此对计算机的性能提出了更高的要求。但是按照传统的解题思路,目前计算机还不能满足这个要求。

(2)中国象棋和国际象棋的目的比较明确,就是保存实力,保卫老将(王)。而围棋所占的地盘大小,决定了胜负,如厚势与薄味,重要子与无用子,阵势与领域。这些都是判断的问题,很难在程序中定义。

(3)在象棋中,计算占了很大比重,每个棋子的价值都是可以量化的。比如象棋,前后相当于三匹马或者九个兵,在比赛的不同阶段或者实力占优的时候加不同的权重。因此,计算机可以用精确的计算来弥补其判断的不足。但围棋的计算只是围棋的一部分,尤其是在序列阶段,对全局的分析判断才是重点。因为在下棋的过程中,原棋子的价值是随着周围棋子的不同排列而不断变化的,如何判断选择与否,一方面是

计算机围棋的难点之一是缺乏良好的评价函数,使得计算机围棋无法像国际象棋一样利用良好的评价函数、搜索树和剪枝方法获得良好的棋力。计算机围棋大多依赖于一些经验规则,侧重于静态评估,而动态搜索只用于局部和目标棋串的攻杀,全局搜索较少。因此,如何将人类的经验运用到计算机围棋中,成为了设计的重点。

一般来说,围棋只有达到业余水平才算入门水平。多少年来,计算机围棋水平一直徘徊在门外。直到最新的技术——基于蒙特卡罗方法的UCT算法出现,计算机围棋终于达到了业余水平,就其发展潜力而言,还有很大的提升空间。

蒙特卡洛是位于摩纳哥的赌场。蒙特卡罗方法(简称MC)的名称象征性地表明了这种方法的概率统计特性。它将解决的问题与一定的概率模型联系起来,通过计算机实现统计模拟或抽样,得到问题的近似解。MC在围棋中怎么用?针对某一种情况下的某一手牌,计算机模拟后续博弈,得出这一手牌的获胜概率。在计算了所有可能的棋步的获胜概率后,选择获胜概率最高的棋步。围棋中直接使用MC的弊端非常突出。首先,它浪费了模拟时间,因为在有限的时间内只能模拟一定数量的棋局。其次,它不考虑对手的下一手牌。如果我们以MC作为估值函数,那么与传统的人机博弈程序相比,简单的MC相当于只有一个搜索步骤。如果估值极其准确,那么这一步就足够了。其实围棋并没有这么准确的估值。以MC的估值速度,要深入下去需要不可接受的时间量。因此,人们对算法进行了改进。首先根据棋形和基本笔画进行智能判断,只模拟合理的笔画,舍弃明显不合理的笔画。其次,利用AMAF算法随机选择各种难以判断的方案。

基于蒙特卡罗方法的UCT算法是目前计算机围棋中计算手部肌肉和局部战斗的最佳算法。它是在9年发现的?曾经有过在小棋盘上击败职业选手的记录,但也有自己的局限性。没有新算法的突破,很难跳出业余的立场,与职业选手对抗。如果未来有一天,计算机围棋程序打败了顶尖的职业棋手,是否意味着计算机已经具备了智能?我们还不能得出这个结论。

下一页,分享一篇比较好的关于人工智能的小论文。

本文来自网络,不代表本站立场,转载请注明出处:https:

关于人工智能话题(关于人工智能的总结100字)

武陵观察网后续将为您提供丰富、全面的关于关于人工智能话题(关于人工智能的总结100字)内容,让您第一时间了解到关于关于人工智能话题(关于人工智能的总结100字)的热门信息。小编将持续从百度新闻、搜狗百科、微博热搜、知乎热门问答以及部分合作站点渠道收集和补充完善信息。