人工智能考研(人工智能考研考哪些科目)

人工智能考研,人工智能考研考哪些科目
图文原创:谭婧
谭婧老师爱下象棋,就是谁也赢不了。去公园下了一盘棋 ,第一步我就走了一个当头炮 ,剩下的都是大爷们帮我走的。结果,我输了。…

人工智能考研,人工智能考研考哪些科目


图文原创:谭婧


谭婧老师爱下象棋,就是谁也赢不了。

去公园下了一盘棋 ,第一步我就走了一个当头炮 ,剩下的都是大爷们帮我走的。

结果,我输了。

经过他们的总结研究,我第一步走错了 。


2022年,象棋AI下棋机器人,问世了。

我和它对弈了一盘,结果,我赢了。

很有自知之明的我,严重怀疑设计者增加了噪音,降低了棋力。让我赢得很舒服。

但我没有证据。

怎么说呢,我就喜欢高情商的AI象棋机器人。

低情商的机器人只会冷漠地碾压我:“下不过我,就别废话。”

仿佛不仅嫌弃我棋臭,还嫌弃我话多。


而高情商的AI象棋机器人,大为不同。

它伸出胳膊,温柔地摆出“请”的姿势,它居然有机械臂。


情商和机械臂都不是重点,聊聊它的智商从何而来。

AI象棋机器人是人工智能技术中深度学习与强化学习的成果,击杀四方。

任何人工智能都离不开数学基础原理,在此,首先得感谢尊敬的贝尔曼(Bellman)教授。


以他名字命名的贝尔曼方程,在绝大多数强化学习的成果中都会用到,比如象棋AI下棋机器人的远方表哥,自动驾驶。

它们是亲戚,“血缘关系”是“最优决策”。


强化学习是要在多种决策中评价,找出好的决策。

强化学习在象棋中,就是在多种走法中找到最好的走法。

围观数学公式的人少,围观下象棋的人多。

我们抛开公式,用决策树表示每一步的输赢,非常直观。

一盘三十步的象棋比赛,会是一颗很大的决策树,有很多枝叶。


计算机下象棋的棋力,早就超越了绝大多数的人。然而,至今没有任何一款计算机软件达到全知全能的“棋神”状态,连AI也不行。

那在下象棋这件事情上,AI这几年在忙活啥?


那要从几十年前讲起了。

1980到1990年代,深蓝计算机是大公司的,小霸王游戏机是大家的。

假如一个人类象棋高手下一步棋,能看未来八步棋。就好比一下能想到决策树上的第八层。

传统象棋软件说,这我也行。


话是没有吹牛,传统象棋软件确实可以做到。

可是,再往前多算几步,所耗时间和计算存储可能都要翻倍。或者说,情况急转直下。


在旧式象棋软件的时代,得想办法减少计算量。所以,有了阿法贝塔剪枝。

这虽然有“偷懒”的嫌疑,但我也没有证据。

阿法贝塔剪枝的方法,相当于提前知道哪些搜索是没有意义的,排除错误答案,用巧思“偷懒”,相当于省略做题过程。


旧思路在象棋上还能支撑,用在围棋上力有不逮。

(因为围棋是19×19的一个矩阵,每步可选择的走法要比象棋多一个数量级。)

从旧式象棋软件时代,人们就为棋力算分。这是一个起源很早的好办法。

那么得分是怎么来呢?

用一个数学函数把有利赢棋的因素都考虑进去。

以至于,中国象棋协会也有象棋大师用此来构思好棋。


有了分数,僵化的下象棋,就是“哪步得分高,就走哪步”。

然而,象棋是一个非常讲究全局观的游戏。

追求最终取胜,不追求每一步占尽优势。

比如,战术性丢车保帅。

深度学习模型在象棋面前暴露了“缺点”,它算出当下局面的胜率,但是,并不能估算出后续局面的胜率。

所以,需要一个重要的动作来加持:搜索

从决策树上理解,就是考虑越多越好。

如今,能搜索到决策树里非常深的层数,这就意味着,招数更多,棋路更多,对胜利的把握就越大。


谈到如何处理搜索量大,就谈到了蒙特卡洛树搜索是学霸特供技能,对大多数人来说,都很难。

甚至可以这样说,就是题目很困难,算不出来,只好求助于概率,求助于实验。

一顿猛如虎的严谨分析算不出来。来吧,学霸直接撸起袖子做实验。


蒙特卡洛方法的做法虽然看起来比较随意,但却有着坚实的理论基础:大数定律。

在计算机眼里,棋子挪动一步,都算一个新的棋局,所以棋局数量何其之多。

一个厮杀正酣的棋局,往后走,可能衍生出10000种棋局。

借助蒙特卡洛树搜索这一方法,看未来几步怎么走。或者说,当AI象棋机器人,有了强化学习,就有了“大局观”。

我们马上进入学霸区特供:《AI象棋机器人所用的蒙特卡洛树搜索》。


这就是深度强化学习,模型收敛的目标是,把胜率估计越准越好。经过多轮训练,胜率会越来越准。

胜率是AI象棋机器人的KPI,每下一步都估算胜率。每一步,尽量把胜率提高。

常识是,高手胜率高,低手胜率低。

问题来了,高到多少,低到多少。每一步的胜率很难准确估算,只能估大致范围。

而且,把胜率提高的前提是,得把胜率算准确。


在如此模糊的情况下,数据里会有误差。因为有误差,所以AI象棋机器人只能知道“棋神”的方向是什么,它想方设法逼近这个方向。

象棋AI机器人的棋力水平的训练方法是,AI,加上蒙特卡洛树搜索,然后再教导AI本身。

这个过程类似总结经验,这样使得它的棋力飙升。

可以说,AI象棋机器人强大之处得益于蒙特卡洛树搜索。

超越人类是很早以前的本事了,现在追求棋力丝滑上升,情商在线。

让棋力水平菜,还有棋瘾的人,也能玩得开心(请不要在我下象棋的时候安装监控)。

好了,

这回就聊到这吧。


亲爱的数据顺着数据写人工智能,

看在象棋AI下棋机器人输给我的份上,我不妨透露两个消息。

第一,有一版的AI象棋机器人初级棋力就打败了全公司的挑战者。

大胜之际,算法设计工程师们哀嚎遍野:“大事不妙”。

第二,我下赢AI象棋机器人那一局的时候,旁边有三个AI工程师帮忙出主意。

(哦,第二点是在凡尔赛科技新媒体的日常)

最后隆重介绍一下我们的全文审核专家:


1. 我怀疑京东神秘部门Y,悟出智能供应链真相了

2. 超级计算机与人工智能:大国超算,无人领航

3. 隐私计算:消失的人工智能 “法外之地”

4. 售前,航空母舰,交付,皮划艇:银行的AI模型上线有多难?

5. 两大榜单揭晓啦,2021年中国高性能计算机性能TOP100+国际人工智能性能排行榜AIPerf500

漫画系列

1. 万字大稿深度解读硅谷风投A16Z“50强”数据公司榜单

2. AI算法是兄弟,AI运维不是兄弟吗?

3. 大数据的社交牛逼症是怎么得的?

4. AI for Science这事,到底“科学不科学”?

5. 想帮数学家,人工智能算老几?

6. 给王心凌打Call的,原来是神奇的智能湖仓

7. 原来,知识图谱是“找关系”的摇钱树?

8. 为什么图计算能正面硬刚黑色产业薅羊毛?

9. AutoML:攒钱买个“调参侠机器人”划算吗?

10. 你爱吃的火锅底料,是机器人自动进货丨漫画AutoML

AI框架系列:

1.搞深度学习框架的那帮人,不是疯子,就是骗子(一)

2.搞AI框架那帮人丨燎原火,贾扬清(二)

DPU芯片系列:

1.造DPU芯片,如梦幻泡影?丨虚构短篇小说

2. 永远不要投资DPU?

3. DPU加持下的阿里云如何做加密计算?

4.哎呦CPU,您可别累着,兄弟CIPU在云上帮把手


最后,再介绍一下主编自己吧,

我是谭婧,科技和科普题材作者。

为了在时代中发现故事,

我围追科技大神,堵截科技公司。

偶尔写小说,画漫画。

生命短暂,不走捷径。

原创不易,多谢转发

还想看我的文章,就关注“亲爱的数据”。



人工智能考研(人工智能考研考哪些科目)

    关于作者: admin

    这里可以再内容模板定义一些文字和说明,也可以调用对应作者的简介!或者做一些网站的描述之类的文字活着HTML!

    为您推荐

    发表评论

    电子邮件地址不会被公开。 必填项已用*标注

    评论列表 人参与

    联系我们

    联系我们

    8888-88888888

    在线咨询: QQ交谈

    邮箱: email@admin.com

    工作时间:周一至周五,9:00-17:30,节假日休息

    关注微信
    微信扫一扫关注我们

    微信扫一扫关注我们

    关注微博
    返回顶部