-
微信團隊開源圍棋AI技術PhoenixGo,復現AlphaGo Zero論文
本文介紹了騰訊微信翻譯團隊開源的人工智慧圍棋項目 PhoenixGo，該項目是對 DeepMindAlphaGo Zero論文《Mastering the game of Go without human knowledge》的實現。
-
AlphaGo Zero用40天成為世界最強圍棋AI
AlphaGo的論文發布早就有預告，有預兆，並非突如其來，石破天驚……但當它就這樣出現，糊在小編臉上，還是顯得那麼讓人震撼……論文摘要在另一篇置頂文已經有了，這裡只是略微補全一些周邊信息。棋士柯潔：一個純淨、純粹自我學習的alphago是最強的...對於alphago的自我進步來講...人類太多餘了
-
PhoenixGo基於AlphaGo Zero 論文實現的圍棋 AI 程序
ComputerGoProgramming https://www.worldscientific.com/doi/pdf/10.1142/S0218001403002356 http://www.docin.com/p-1670399706.html http://www.math-info.univ-paris5.fr/~bouzy/ https://www.gnu.org/software/gnugo
-
【話題】AlphaGo Zero!圍棋之神真來了……
在10月19日世界《自然》雜誌上線的重磅論文中，詳細介紹了谷歌DeepMind團隊最新的研究成果。阿爾法元完全從零開始，不需要任何歷史棋譜的指引，更不需要參考人類任何的先驗知識，完全靠自己強化學習和參悟, 棋藝增長遠超阿爾法狗，百戰百勝，擊潰阿法爾狗100比0。
-
關於AlphaGo 論文的閱讀筆記
2016 年 1 月 28 日，Deepmind 公司在 Nature 雜誌發表論文 Mastering the game of Go with deep neural networks and tree search，介紹了 AlphaGo 程序的細節。本文是對這篇論文的閱讀筆記，以及關於人工智慧和圍棋進一步的一些想法。
-
AlphaGo 圍棋教學工具已發布
基於 231,000 盤人類棋手對局以及 75 盤 AlphaGo 與人類棋手對局的數據，本工具提供對圍棋近代史上 6,000 種開局變化的分析。通過對 AlphaGo 和職業與業餘棋手的下法進行比較，探索圍棋的奧妙。
-
柯潔終結41連勝圍棋AI:稱其實力遠超初代AlphaGo
人類AI圍棋之爭，還在繼續。今年5月底，人機圍棋大戰終極對決，最終世界排名第一的柯潔九段和AlphaGo的圍棋終極人機大戰以0:3完敗。賽後，柯潔在接受採訪時直言，AlphaGo太完美，看不到任何勝利的希望。
-
DeepMind 推出 AlphaGo 圍棋教學工具,圍棋學習新紀元來啦?
除了官網上的簡單介紹，作為 DeepMind 圍棋大使、AlphaGo 的「教練」，樊麾也在其個人微博上宣布「AlphaGo 教學工具終於上線。」他表示，教學工具共有兩萬多個變化，三十七萬多步棋組成，通過 AlphaGo 的視角，分析並建議圍棋開局的諸多下法。
-
AlphaGo Zero你也來造一隻,PyTorch實現五臟俱全| 附代碼
而且，它不需要用人類知識來餵養，成為頂尖棋手全靠自學。於是，來自巴黎的少年Dylan Djian (簡稱小笛) ，就照著狗零的論文去實現了一下。小笛說，他的AI現在好像還不懂生死一類的事，但應該已經知道圍棋是個搶地盤的遊戲了。雖然，沒有訓練出什麼超神的棋手，但這次嘗試依然值得慶祝。Reddit上面也有同仁發來賀電。
-
自學圍棋的AlphaGo Zero,你也能用PyTorch造一個 | 附代碼實現
從一隻完全不懂圍棋的AI，到打敗Master，狗零隻用了21天。而且，它不需要用人類知識來餵養，成為頂尖棋手全靠自學。如果能培育這樣一隻AI，即便自己不會下棋，也可以很驕傲吧。於是，來自巴黎的少年Dylan Djian (簡稱小笛) ，就照著狗零的論文去實現了一下。他給自己的AI棋手起名SuperGo，也提供了代碼(傳送門見文底) 。
-
阿爾法狗之後的圍棋世界
在阿法狗之前，很多圍棋ai也走出人類所不能理解的變化和對定式的改變，但人類認為那是ai水平不足，並不足以採信，但由於阿法狗的無敵戰績，現在職業棋手已經對這些新的變化非常認可並且推崇，目前職業比賽裡，狗狗流的下法已經非常普遍，而且喜歡走狗狗流的棋手，戰績一般還都不錯。現在幾乎每三盤職業比賽裡，都能看到一盤狗狗改良版的三三定式。
-
谷歌團隊發布AlphaGo Zero:柯潔稱人類太多餘了
谷歌團隊發布AlphaGo Zero：柯潔稱人類太多餘了（圖片來自於推特）在這款軟體發出之後，柯潔也對這款軟體發表了自己的看法，他認為：「一個純淨、純粹自我學習的alphago是最強的...對於alphago的自我進步來講...人類太多餘了。」之所以柯潔會這樣說，主要是因為AlphaGo Zero的練習主要是通過自我對弈在三十天之內發展起來的。
-
能贏AlphaGo的只有它自己 柯潔回應新版問世:人類太多餘了
對此，柯潔回應稱：「一個純淨、純粹自我學習的alphago是最強的...對於alphago的自我進步來講...人類太多餘了。」2016 年在 AlphaGo 和李世石的對戰後，人工智慧進入大眾的視野，今年5月27日，中國棋手柯潔與人工智慧「阿爾法圍棋」(AlphaGo)展開三番棋比賽的終局對決。
-
教程:如何動手打造屬於自己的AlphaGo Zero?
此前，AlphaGo成為首個戰勝人類圍棋世界冠軍的程序......我們將介紹一種僅基於強化學習的算法，而不使用人類的數據、指導或規則以外的領域知識。AlphaGo成為自己的老師，這一神經網絡被訓練用於預測AlphaGo自己的落子選擇，提高了樹搜索的強度，使得落子質量更高，具有更強的自我對弈迭代能力。
-
棋壇至尊AlphaGo Zero,不止震驚了圍棋界
【弈客圍棋APP 記錄你的圍棋人生】 倫敦當地時間2017年10月18日18:00（北京時間19日01
-
棋跡:少年AlphaGo Zero的圍棋成長之路
想在圍棋上贏，你需要雙系統：行棋與勝負，一個斷生死，一個斷地盤。而AlphaGo Zero下圍棋，卻只需要一個系統，它同時包含了走子策略網絡和價值網絡。針對AlphaGo Zero的報導鋪天蓋地，官方解釋不如生動展示。烏鎮智庫整理出兩大有趣的解讀模塊，從圍棋知識徵子入手與雙遊戲對比，後附AlphaGo Zero訓練棋盤復盤，帶你感受Zero的真實段位。
-
怎樣三天訓練出AI圍棋大師?教你AlphaGo Zero的3個trick
雖然DeepMind發表了論文，並在Reddit論壇上進行了一次公開答疑，後來還有人將AlphaGo Zero的算法實現了出來，但如何訓練？其中有哪些trick？Trick 1：如何訓練AlphaGo Zero所謂神經網絡學會下圍棋，就是能在當前的局面下，判斷出下一步的最佳落子位置。DeepMind發現，無論神經網絡智能程度如何，從一無所知到圍棋大師，使用MTCS總是更好的評估判斷方案。
-
Deepmind Nature論文揭示最強AlphaGo Zero
同時Hassbis表示：「我們計劃在今年稍晚時候發布最後一篇學術論文，詳細介紹我們在算法效率上所取得的一系列進展，以及應用在其他更全面領域中的可能性。就像第一篇 AlphaGo 論文一樣，我們希望更多的開發者能夠接過接力棒，利用這些全新的進展開發出屬於自己的強大圍棋程序。」
-
孫劍解讀AlphaGo Zero:圍棋有了終極的解
基於AlphaGo Zero的增強學習算法，它到底能做什麼，不能做什麼？我先針對第一點無師自通來講。因為圍棋和打麻將或者德州撲克不一樣，在圍棋規則內所有信號全部是靠觀測的，像打麻將或者博弈的遊戲，對手是不能觀測的，這也是不一樣的一點。
-
zero 絕藝解說alphago - CSDN
基於對圍棋這個領域特性的理解，提到用AlphaGo算法來發現新藥，孫劍是持懷疑態度的。 他說，發現新藥和下圍棋之間有一個非常顯著的區別，就是「輸贏信號」能不能很快輸出：「新藥品很多內部的結構需要通過搜索，搜索完以後製成藥，再到真正怎麼去檢驗這個藥有效，這個閉環非常代價昂貴，非常慢，你很難像下圍棋這麼簡單做出來。」