由买买提看人间百态

topics

全部话题 - 话题: 黑白棋
首页 上页 1 2 3 下页 末页 (共3页)
s*********t
发帖数: 1663
1
来自主题: JobHunting版 - 刚面完facebook。。。很晕菜
黑白棋是写ai?还是判断能否放棋子和计算放棋子以后的状态?
w******1
发帖数: 520
j**l
发帖数: 2911
3
来自主题: JobHunting版 - 刚面完facebook。。。很晕菜
学过老谭C语言的人,闲暇时候想编写一个支持手动对战的黑白棋,自己在纸上画画图
,多测试一下应该都能写出来。但在电面,有时间限制的压力,确实不容易发挥好。
h**6
发帖数: 4160
4
来自主题: JobHunting版 - 这些年来的编程经历
写在前面:
昨天有私事麻烦done版务,来回折腾好几次。done版务始终尽心尽职,最终解决问题,
在此向他表达最诚挚的谢意。
历史回顾:
1.我从上大学才开始接触编程,最早学习的是谭浩强的《C语言程序设计》。当时啥也
不懂,只知道用最直接的方法实现问题,写个素数程序都可以执行几分钟。加之机时紧
张,常常在白纸上写好代码,上机调试,出错,再在草稿纸上修改,然后继续上机调试。
这期间写了算24、黑白棋、俄罗斯方块、模拟选课系统几个程序。
2.后来开始自学C++,买了张盗版VC,还经常去书店看白书。看的书主要分为两类,
Windows控件和C++语法。现在看起来觉得好笑,可惜当时被宏大空泛的书名所迷惑,其
实整本书只讲了怎样在对话框上添加几个按钮。由于对C的先入为主,我也一直认为C++
就是可以随处定义变量并有升级版struct的C。囫囵吞枣看下去的诸多概念也没有时间
消化运用。
这期间写了一些游戏的存档修改器和数据编辑器,写这类东西主要是寻找地址麻烦,找
到地址之后就剩一些累傻小子的活了。
至此为止,我所谓丰富的编程经验仅仅是一些依赖编译环境的编码和调试经验,虽然学
了很多数据结构和算法,... 阅读全帖
i**********e
发帖数: 1145
5
来自主题: JobHunting版 - 这些年来的编程经历
想问问楼主关于你写的黑白棋程序是怎样的?
有人工智能吗?
利用什么搜索算法来实现人工智能?
一些常见面试题的答案与总结 -
http://www.ihas1337code.com
y*********e
发帖数: 518
6
来自主题: JobHunting版 - 这些年来的编程经历
赞一下楼主的经历。
留意到楼主写的这些经历:“写了算24、黑白棋、俄罗斯方块、模拟选课系统几个程序。
”,“这期间写了一些游戏的存档修改器和数据编辑器”。可以看出楼主是编程的真正爱好
者。保持这样的激情下去,楼主会取得成功的。
减少bug的话,唯有多写代码,多思考。写多了然后回头思考可否改进。
多多写代码,多多思考,多多看优秀的源代码(比如.NET类库源码,VC++ STL源码,
.NET CLI源码(有些.NET的函数是extern的,就需要跳到CLI看C++源码了),泄露
的Windows源码,等等),几年积累下来就可以啦。

试。
u*****3
发帖数: 12
7
来自主题: JobHunting版 - Epic机考面筋
第一题:如果 str1 = "abc" , str2 = "aaa" bulls 和 cows 分别是多少呢;(1
,2) ?
第二题: 规制是不是类似于黑白棋: 在横向和纵向上,使得两个1之间的连续的2最大
啊?
请问这到道题这么做啊?
b*****u
发帖数: 648
8
来自主题: JobHunting版 - 大家都怎么准备设计题的?
按照150题上给的套路,貌似分四步走
1. 问清要实现的主要功能
2. 基于1列出基本的对象
3. 看看2里有没有什么遗漏,能否走完整个流程
(比如黑白棋能否cover从开始到终局的全部状态)
4. 写出全部方法
这是我的理解,不一定对
f*******t
发帖数: 7549
9
非常简单
C****y
发帖数: 581
h*******e
发帖数: 1377
11
这种题有没有办法验证写的好不好啊。
除了写出来跑一趟
g***s
发帖数: 3811
12
http://bbs.nju95.com/apps/othello/Othello.html
当年刚学java的时候写的。如果不考虑界面和水平(用最简单的判断函数),3-4天可
以做出来。
g***s
发帖数: 3811
13
我认识一人去面试一个游戏公司(是大公司),让他周末两天内写一个类似俄罗斯方块
的小游戏。
h*******e
发帖数: 1377
14
2年前我面硅谷完美时空。。5小时3道题。最后一道就是类俄罗斯方块的东西,每个方
块有4个数字然后如果现在存在的一砣图形有两个数字和落下的方块一样的话就可以
attach
上。。 设计一个算法 对不断下落的方块 计算每次attach 后的图形。。
我开始只搜外沿,后来发现还有可能镂空,然后搜了内沿之后发现那相同的两个
数字还可能位于正方形不同的角上,类似钻石镶嵌 在两个爪子里面,然后还差一个测
试点 我时间就不够用了。游戏公司最闹心了,有的还让你打游戏打到 15级把帐号给hr
看然后才能进行下一步。
s*****r
发帖数: 43070
15
俺去ooyala面试的时候,要求用半天的时间写个俄罗斯方块,他们提供些基本的util
function,比如定义周围的框框。
要求使用几个基本块,方块,条形,L形等,每个块可以平移,旋转,可以加速下移,
移动或者旋转的时候不能出界,不能和其他的块重叠,下移时底部接触到其他的块或者
底部边界要停止,当然还要有去除满行和加分功能,没有空间添加方块时候要结束。
各种要求啊,俺废了九牛二虎之力搞出来,符合所有要求,演示结束后还有掌声,貌似
HM也很中意。
第二天找了些莫名其妙的理由被拒绝,真是一个神经病公司。
M**a
发帖数: 848
16
现场写有点麻烦吧。
l***i
发帖数: 1309
17
估计对方全体engineer一致通过不能让这么牛的人进来,不然大家的review都要搞成
under achieved了。
s***i
发帖数: 503
18
真是难题无界限。
y****i
发帖数: 12114
19
来自主题: Parenting版 - chess vs go, ananpig请进
如果都是19*19的棋盘,下好黑白棋也不容易吧。
g***j
发帖数: 40861
20
来自主题: Parenting版 - 有没有 GT 小蛙 BSO 国际象棋的?
有没有 GT 小蛙 BSO 斗兽棋的
有没有 GT 小蛙 BSO 飞行棋的
有没有 GT 小蛙 BSO 围狮棋的
有没有 GT 小蛙 BSO 陆战棋的
有没有 GT 小蛙 BSO 陆海空棋的
下面报菜名:围棋
军棋
国际象棋
中国象棋
飞行棋
五子棋
跳棋
黑白棋
暗棋
海战棋
步行棋
大富翁棋
双陆棋
斗兽棋
翻转棋
四国象棋
一字棋
二虎棋
三通棋
四季棋
五子棋
六角棋
七星棋
八卦棋
九老棋
十分棋
田字棋
梁山棋
围狮棋
平罗老虎棋
永宁老虎棋
蛙跳棋
相间棋
成双棋
倒序棋
翻数棋
田鼠搬家棋
轮行棋
双步棋
小砖格棋
挡板棋
大斜方棋
小斜方棋
描捉鼠棋
追随棋
叠棋
拐角棋
网棋
搭桥棋
K*****k
发帖数: 430
21
等扫地工系统普及了,是不是就不灵了?
好比黑白棋程序大胜人脑,但是程序对砍基本上输赢的差距就很小了。
m******n
发帖数: 102
22
来自主题: Stock版 - 网易还能涨多久
07,08年还是学生的时候,就一直网易上泡,那时候网易还被新浪、甚至一度被搜狐碾
压。但是由于评论相对自由,且有趣的人不少,所以一直很喜欢上网易看新闻。甚至当
新浪微博横扫网络的时候,也没太关注过其他门户,总觉得新浪太官方、搜狐太乱。
10年左右,智能手机逐渐普及,网易客户端如同黑白棋一样,瞬间翻盘,赢者通吃。从
新闻客户端到手游,网易似乎做得越来越顺利。
而股价也在疯涨。
从50多美金,到70多美金,后来翻到100多美金,现在240,说起来也就这两三年的事。
不知道网易还能走多远。股版有专注网易的吗?大家一起聊聊对网易长期的看法吧。
M*****t
发帖数: 26706
23
黑白棋。

吃掉
a*****a
发帖数: 4251
24
黑白棋,不是那个两边同色就把中间全部变成同色的吗?
T*********e
发帖数: 39815
25
好像和现在网上的那个黑白棋规则有点区别
b********r
发帖数: 620
26
方舟子层层剥皮李开复
第一层
是李开复在自传里用了很长的两章把助教拔高成副教授,同时吹嘘自己是CMU最年青的
副教授 (有证明根本不是)
第二层
LKF这些吹牛章节只是中文版里有,在亚马逊/KINDLE的英文版里都没有- 知道美国人不
好唬,会出漏子,专门唬国人的, 另外在李开复自传中文版引言中,说他清楚地记得
苹果公司副总裁戴夫·耐格尔拉他跳槽时说的话:“开复,你是想一辈子写一堆像废纸
一样的学术论文呢,还是想用产品改变世界?”并被这句话直击软肋。在英译本中,这
位副总裁消失了,这句苹果体变成了李开复的自言自语。
第三层
就算是CMU的助教,要求李拿出聘书,但似乎李连聘书也拿不出,所以应该是李导师的
口头意向
第四层 在苹果的经历
李开复自传两次说:“在过去的20年,我有幸在乔布斯、盖茨、施密特等人身边学习、
成长”(封底和p.328)。实际上李开复1990年去苹果时,乔布斯已离开苹果5年。1996
年7月李开复离开苹果时,乔布斯还未重返苹果。李开复没有一天曾经在乔布斯身边学
习、成长过,何必以乔布斯的学生自居?
2009年CCTV《面对面》董倩专访李开复,旁白说他在苹果的团队发明了... 阅读全帖
S*****y
发帖数: 2871
27
问问这个黑白棋的死活。有办法杀黑棋么?
f**d
发帖数: 2494
28
来自主题: Go版 - 你们谁玩过黑白棋
W****i
发帖数: 1314
29
对不起,之前转载的是和谐过的版本。很多内容都给删掉了。这个应该比较完整!
http://www.douban.com/note/218498393/
勇气与真意——关于围棋的八卦
戚小存
(谈不上非常原创,算是八卦的长总结吧。借鉴天涯贴《新布局史话——棋盘上属于天
才的时代》、吴清源自传、桥本宇太郎自传、田壮壮电影《吴清源》的相关访谈、各位
棋手的相关访谈以及川端康成的一些围棋相关作品。)
玩掉欧冠的晚上,我看完球开始看吴清源的自传《中的精神》。
他的文笔很平,情感也很收敛。但是我向来不喜欢男人在码字上面玩太多花,码字也就
跟下棋一样,你执着于某些精彩的段子,就无法搞出大格局。
看他讲六合之棋,讲什么是中,什么是最善一手。触动极大,突然对整个围棋史好奇起
来。
我爹一直是个非常不入流的围棋爱好者,生平最好的战绩是街道围棋比赛季军,参赛人
数为:五人。
据我看,他棋品也一般,下棋的时候咋咋呼呼高声喧哗跟菜市场一样,更别说经常拿这
个作为躲避洗碗的借口。
“别慌,等我打完谱。”
一般情况,这一打就是两三个小时。我外婆或者妈妈就忍不住把碗给洗了。
我爹也企图教过我,但是我在学了基本的规则、术... 阅读全帖
a*****g
发帖数: 19398
30
北京青年报:鲍橒究竟有多聪明?zz
2015年01月24日 星期六 北京青年报
江苏卫视《最强大脑》第二季播出5期,贡献出多位匪夷所思的脑力超人,其中最特
别的一位莫过于第二期中走通蜂巢迷宫的鲍橒,他的超能力让智商130的舒淇感到“智商
被碾压”,让严谨的Dr.魏感叹“这种能力亿里挑一”,让无数观众脑洞大开“这回连规
则都没看懂,太伤自尊了”。最终他以150满分晋级多国挑战赛,被誉为“世界上最聪明
的人”。不过,在接受北京青年报记者采访时,鲍橒却不认可这个称号,他认为脑力界
不存在最聪明的人,“最聪明其实是个没法证明的论题,脑力界不存在最聪明的人。”
小时候很聪明,但没什么不同
鲍橒介绍,自己的父母都是普通公务员,父亲很聪明,对记忆学感兴趣。上幼儿园
时,鲍橒展现出过人的记忆能力,“我是幼儿园里第一个能准确辨认指针时间的孩子,
还能背全乘法口诀。”从那时起,父亲开始引领让他进行增强记忆的训练,比如用字头
记忆法让他背诵围棋十诀,或者出门时,让他尝试记住各种车号,“多数情况下,汽车
在我身边呼啸而过,记住数字是非常困难的,但久而久之竟然练成了在脑海中快速照相
的技... 阅读全帖
e*g
发帖数: 4981
31
如果根本不需要深入研究棋理,单纯靠堆积棋谱找相似就可以下的不错,说明什么。
说明围棋有很多类似的局面。而且一个局部对另一个局部的影响不大。当然有大的时候
,但是总体是不大的。
打个比方,像黑白棋这种棋,一个棋子的不同都可能影响全局的,如果上升到围棋的复
杂度,狗可能就很难在这上面复制成功。因为一些行棋的逻辑是很delicate的。
a****t
发帖数: 7049
32
有些规则里早就有了,即使固定的贴目也可以bid谁拿黑白棋,就是一方说目数,一方
选黑白,双方知道这个规则。
m**m
发帖数: 5500
33
来自主题: Go版 - 事实证明google比IBM差远了
黑白棋,8位cpu必胜,更牛。。

点。
r******i
发帖数: 1445
34
来自主题: Go版 - 围棋其实就是个消遣
职业棋士实际上就相当于是master move generator。
当AI能稳定的胜过顶级职业棋士后,职业棋士的使命就结束了。
但是业余比赛还是能组织的。毕竟人们需要胜利带来的成就感。
参见五子棋、黑白棋。
e*g
发帖数: 4981
35
来自主题: Go版 - 围棋其实就是个消遣
五子棋黑白棋从来就没职业过
r******i
发帖数: 1445
36
来自主题: Go版 - 围棋其实就是个消遣
我是说五子棋黑白棋人下不过电脑照样比赛嘛
y********n
发帖数: 4452
37
不像日本,中国古代没有职业棋手,幸运的陪着皇帝下下棋。差一点的只能希望榜到大
款,让有钱人养着。或者有钱的富二代可以专心下棋,不需要为生计烦恼。围棋在中国
历史上没有像日本那样形容成高端艺术,或者可以帮助战胜敌人的一种学习手段。在中
国古代,常常被形容成雕虫小技,不务正业。
现代中国吹捧围棋可以让小孩定下心来,小孩看电视,玩游戏也是一动不动的。说可以
提高智力,任何脑力游戏都可以提高智力。让小孩花太多时间学习围棋反而减少小孩子
其他地方锻炼的时间。学围棋可以,放太多时间就不好了。
大人下班后玩围棋太多,被妻子/女朋友视为打游戏一类。常常被作为吵架的导火线。
而且围棋很难吸引新人,黑白棋轮流放,看上去枯燥无比。特别是刚学的时候,哈欠连
连,昏昏入睡。
丑话说完了,但是围棋的魅力像一个黑洞,看上去平平无奇,一旦接近,魅力之大,很
难脱
身。而且越玩瘾越厉害,不比赌博,吸毒差半点。中毒之后,欲罢不能。黑白世界,趣
味无穷,棋盘之大,游子逍遥来去。棋艺之深,让人叫好连连。不求别人认可围棋的魅
力,只庆幸有缘玩上围棋,人生伴侣,此生精彩,无憾啊。
玩了围棋后,就看淡了胜负。每次都感谢对手的妙手才... 阅读全帖
s**********l
发帖数: 8966
38
来自主题: NCAA版 - 今年NCAA Football冠军应该是OU
事情是这样的,NCAA一帮牛逼教头开大会求上帝赐给他们冠军。
上帝跟佛祖玩黑白棋,执白连输了40多盘正郁闷着,听到一帮美国鬼子叨叨以为选总统
,随手拿起个黑子一扔,对着佛祖跟班关是音说: Obama.
Urban Meyer反应快,说,感谢上帝,他说的是Urban Meyer,我要拿冠军。
Miles说:不对吧,传话的观音姐姐拿中国护照,讲的是 哦半迈,那是我Less Miles啊.
得个啥死狼嚎队主教练说应该是,Oh,布朗。
Saban听到了骂,你个南方土包子,肯定说的是,Oh, Bama,我们拿冠军。
Chizik小声说:我觉得是Auburn嘛...
Saban说,肯定是Oh, Bama。大家也心里觉得是这么回事,憋了几年琢磨得再请示一下
上帝的指示,正要回报上去。
死图谱突然明白过来大喊,先别换口号,上帝其实说的是:Oh, Boomer...
p*********3
发帖数: 2039
39
来自主题: LeisureTime版 - 李银河:平庸的生活 (转载)
黑白棋?
r***u
发帖数: 1272
40
跟L是大一的时候认识的,军训的时候,远远的看去,她穿军装显的很精神,很有英气
那种感觉,第一眼就看上她了,也许是从家不远万里来到一个陌生的城市,D疼的吧!
正好有个同学是跟她一个排的,就让她帮我打听一下她的行踪,军训的日子,哥们几个
呼哈的也就过了,手里一直有她的手机号,一直不敢发信息,看她也只是远远的看着,
不敢上前打招呼,哥们几个都说,再不下手,她就成别人的了,大一的时候,大家都把
家里的感情剪断了,都想开启新的一段生活,一个个都是一群饥渴的狼,我就用一句话
来搪塞他们,我的女人永远会等待着我,我坚信,其实是自己没那个勇气,确切的说,
是没准备好
有天中午,那个女同学告诉我,她中暑了,中午要去校医院打针,我干了一件很2的事
,从来没为任何女生做过的事,我去校医院了,就她自己一个人,抱着枕头,打针,我
当时很牛X的跟医生说,大夫,我打针,医生看看我,说,你怎么了,我说我不想军训
,想打针,他说这样不行,我说我抵抗力弱,打葡萄糖总可以吧,医生也无语了,我坐
她旁边,她看看我,很好奇的问我:你就这么不想军训啊,我嘿嘿一笑,我知道,我们
开始了
互相的交谈知道,我们家都是一起的,都是东北的... 阅读全帖
n**u
发帖数: 6997
41
方舟子层层剥皮李开复
第一层
是李开复在自传里用了很长的两章把助教拔高成副教授,同时吹嘘自己是CMU最年青的
副教授 (有证明根本不是)
第二层
LKF这些吹牛章节只是中文版里有,在亚马逊/KINDLE的英文版里都没有- 知道美国人不
好唬,会出漏子,专门唬国人的, 另外在李开复自传中文版引言中,说他清楚地记得
苹果公司副总裁戴夫·耐格尔拉他跳槽时说的话:“开复,你是想一辈子写一堆像废纸
一样的学术论文呢,还是想用产品改变世界?”并被这句话直击软肋。在英译本中,这
位副总裁消失了,这句苹果体变成了李开复的自言自语。
第三层
就算是CMU的助教,要求李拿出聘书,但似乎李连聘书也拿不出,所以应该是李导师的
口头意向
第四层 在苹果的经历
李开复自传两次说:“在过去的20年,我有幸在乔布斯、盖茨、施密特等人身边学习、
成长”(封底和p.328)。实际上李开复1990年去苹果时,乔布斯已离开苹果5年。1996
年7月李开复离开苹果时,乔布斯还未重返苹果。李开复没有一天曾经在乔布斯身边学
习、成长过,何必以乔布斯的学生自居?
2009年CCTV《面对面》董倩专访李开复,旁白说他在苹果的团队发明了... 阅读全帖
M******n
发帖数: 43051
42
来自主题: Joke版 - (转帖) 围棋是低级游戏
黑白棋玩多了...
d********f
发帖数: 43471
43
国际象棋:
国际象棋不像其他游戏,它不是靠运气获胜。结果取决于玩家的决定。然而,由于它的
复杂性,一些决定的深远影响是不可预见的。
国际象棋的一方执白,另一方执黑。颜色的选择可以用投掷硬币的方法,如果没有硬币
,则一方把不同颜色的两个棋子用手捂住,让另外一方选择颜色。
一旦颜色分配好,就由白色先移动。白色先走是重要的规定,任何国际象棋玩家都必须
遵守。白色移动了,黑色才移动。游戏就是轮流移动棋子,直至一方被将死。
基本的规则:
一方玩家的棋子不能占据自己的棋子的位置。
如果一个棋子移动到并占据了敌方的棋子,那么后者就要从棋盘中移走,由前者代替。
被移走的棋子称被吃掉。
除了马,任何棋子都不能越过其他棋子。
玩家不能将自己的王陷入被将的局面。
这些基本规则外还有例外,在下文将一一列明,如一方玩家可以在同一轮移动两步(王
车易位),一方兵吃掉另一方兵但不是占据它的位置(吃过路兵)或者一方兵变成了除
自己和王的另一角色(兵的升变)。
中国围棋规则
第一章 总则
第1条 围棋的棋具
1、 棋盘
棋盘由纵横各十九条等距离、垂直交叉的平行线构成。形成361个交叉点,在围棋中简
称为“点”。
棋盘整... 阅读全帖
L****8
发帖数: 3938
44
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
不就是把棋谱数据库增大了么 然后欺负人的记忆力
算个屁的人工智能

在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙
特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计
算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法
,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计
算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才
1080。国际象棋最大只有2155种局面,称为香农数,大�: 率�1047。
使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术
的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它
们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉—
—做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起
来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。
这也... 阅读全帖
S*****e
发帖数: 6676
45
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
这个不能叫做攻破了围棋,LOL。。。二十年前Deep Blue那个时候赢得可是卡斯帕罗夫
,不过你知道是怎么赢得么,还有后来又咋地拉?啥时候要是笔记本上装个软件能把世
界冠军赢了说不定真算赢了。。。
h******e
发帖数: 9616
46
来自主题: Joke版 - Google人工智能 攻破了围棋,然后呢? 雷锋网 study875 39分钟41秒前 Google日前宣布其程序AlphaGo击败了欧洲围棋职业选手,这意味着人工智能技术又或得了极大的突破。计算机目前已经在许多智力游戏比赛上战胜了人类顶级选手,包括国际象棋、五子棋、黑白棋、拼字游戏等等。而对于有着2500年历史的东方游戏围棋——比国际象棋要复杂得多——人类始终能够保持在和计算机对决中的胜利。不过,Google人工智能专家表示, 这个壁垒或许很快将要被打破。随着AlphaGo在没有任何让子的情况下以5:0完胜法国围棋职业二段棋手樊麾,AlphaGo将在三月份对战韩国九段棋手李世乭。 今天早上,《自然》杂志发表了一篇Google DeepMind团队——程序AlphaGo的创造者撰写的关于深度学习系统的论文。根据论文描述,在AlphaGo中,DeepMind研究员在程序中录入了大量职业棋手的棋谱——加起来多达3000万步——他们用增强学习的方法训练AI,让它自己下棋,研习棋谱。不过这只是第一步。理论上,这样的训练只能让这个人工智能系统无法突破人类的计算。为了获得更好的成绩,研究员随后让系统进行自我博弈,计算出比基础棋谱更多新的打点。也就是说,战胜人类就要靠这些新的东西。 “这其中最重要的是,AlphaGo不仅记录着大量的棋谱,还有一系列规则来指导‘思考’,”DeepMind CEO Demis Hassabis说道,“事实上,该程序能够通过机器学习的方式掌握比赛技巧。” DeepMind的技术核心结合了“强化学习”及其他人工智能手段,这种技术能够用于解决现实机器人执行物理任务和对环境作出回应的技术问题。就是说,要让机器人变得更“自然”。 视觉判断 2014年初, Coulom的围棋程序“疯石(Crazystone)”在一次比赛中战胜九段棋手依田纪基。但是当时是在人类棋手让出4子的情况下赢得比赛,而这次AlphaGo并没有被让子,可以说比赛很公平。 人工智能战胜人类围棋到底有多难?即使是最强大的计算机系统也无法在合理的时间内分析出下一步最优的走法。1997年IBM超级计算机“深蓝”则利用了蒙特卡洛搜索树的方式做到了这一点。“深蓝”能够预测出对手下一步会怎么走,而且计算力远高于人类。但是,围棋要复杂得多。国际象棋每一步平均只有35种可能性的走法,但是围棋呢——在19*19的棋盘内,共有361个点,就机器学习的角度而言,围棋的计算最大有3361种局面,大致的体量是10170,而已经观测到的宇宙中,原子的数量才1080。国际象棋最大只有2155种局面,称为香农数,大致是1047。 使用蒙特卡洛树搜索技术,Crazystone等系统能够进行更长远的计算。而结合其他技术的话,它们能够对可能性走法进行刷选,然后选择出最优的策略。在大多数情况下,它们能够战胜人类选手,但不是最厉害的那一个。顶级大师中,走法很多时候依靠直觉——做棋除了需要计算,还有棋感——棋手能够根据棋形分析攻防线路。“好的棋形看起来顺手多了,”Hassabis本身也是一名围棋手,“这其中不只有计算角力,还有审美。这也是围棋几千年来都让人着迷的原因。” 因此,从2014年至2015年间,包括Facebook、爱丁堡大学、DeepMind等人工智能研究团队都将围棋人工智能系统的突破方向瞄准为——使得程序能够模仿人类的直觉式思维。 自我强化 深度学习要依靠神经网络技术,它是可以模拟人脑中神经元网络的软硬件网络。神经网络不会依靠蛮力或预先输入的规则,而是会分析大量数据,“学习”特定的任务。给神经网络提供足够的喵星人照片,它就能学习识别喵星人;提供足够的语音,它也会学习理解人类的语言;提供足够的围棋走法,它也会学会围棋。 在DeepMind,爱丁堡和Facebook,研究人员希望神经网络能像人类选手一样,通过观看棋盘学习围棋。Facebook在最新的研究中表明,这种方法确实可行。结合深度学习与蒙特卡洛树搜索方法,Facebook打败了一些人类选手,虽然并非是Crazystone和其他顶尖选手。 但DeepMind走得更远。在经过3000万步人类走法的训练后,它的神经网络能以57%的准确度(此前记录是44%)预测人类的下一步。然后Hassabis和团队通过强化学习技术,让这一神经网络与它自己的另一个稍有区别的版本对战。两者互搏中,系统会评估哪一步效果最好,即占领更多棋盘区域。最终,神经网络在判断哪一步更好时会越来越优秀。 DeepMind的研究者David Silver表示,“在与其它神经网络和它自己对战数百万局后,AlphaGo学会了自己发现新策略,并逐渐提高了水平。” 正是这种方法帮AlphaGo超越了其它围棋AI系统,包括Crazystone。但事情还没完,研究人员随后将结果再反馈给第二个神经网络。了解前任的走法了,第二个神经网络会使用许多相同的技术来判断每一步的后果。这一过程与深蓝等旧系统在国际象棋上的做法类似,只是它会在下棋过程中学习,分析更多数据,而非暴力破解所有可能的步骤。这样,AlphaGo不仅能战胜AI,还能战胜顶尖人类选手了。 计算机网络 http://static.cnbetacdn.com/article/2016/0128/7bfcf7e43c9064b.jpg 李世乭 与其它神经网络一样,DeepMind的系统运行在配备了GPU的机器上。GPU最初用于渲染游戏图像,但后来有人发现,它们很适合深度学习。Hassabis表示,DeepMind系统在装备了一定数量GPU芯片的单一电脑上也可以用,但与樊麾对战中,他们用上了更大的计算机网络,其包括170个GPU和1200个标准CPU。大的计算机网络训练了同样的系统并进行了实际对战,还借鉴了训练的结果。 尽管Hassabiss会不断改善系统,但待AlphaGo与韩国选手李世乭对战时,他们会使用相同的配置。比赛中系统也需要网络连接,而且他们会“自己铺设光纤”。 挑战世界冠军比挑战樊麾难得多,但Coulom还是认为DeepMind会赢。他过去数十年一直在开发能打败最好选手的系统,现在他认为这一目标已经实现了,他买GPU会赢。 接下来…… AlphaGo的重要性不言而喻。同样的技术还能用于机器人和科学研究,以及类似于Siri的数字助理和金融系统。深度学习创业Skymind的创始人Chris Nicholson就认为,技术“能用于任何对抗性问题,任何类似于游戏且需要策略的事情,包括战争、商业和交易”。 对有些人来说,这是一件值得忧虑的事,特别是DeepMind的系统还能自己学会下围棋。它不仅能从人类提供的数学中学习,还能生成自己的数据,在与自己下棋中学习。特斯拉创始人埃隆·马斯克等大佬多次声明,这类AI系统会最终超越人类智能,脱离掌控。 幸而DeepMind的系统还在Hassabis等人的控制之下。虽然他们用系统破解了复杂的游戏,但这仍只是个游戏。AlphaGo离人类智能还很远,更不论超级智能了。下棋是一种高度结构化的情景,系统也没有人类级别的理解力。但它代表了一种方向,即如果AI能理解围棋,它也会理解更多事。如果宇宙就是一局超大型的围棋呢? via Wired
这么长的标题是咋整的?人工智能?
首页 上页 1 2 3 下页 末页 (共3页)