Alphago
 |
Den här artikeln behöver källhänvisningar för att kunna verifieras. (2022-04) Åtgärda genom att lägga till pålitliga källor (gärna som fotnoter). Uppgifter utan källhänvisning kan ifrågasättas och tas bort utan att det behöver diskuteras på diskussionssidan. |
Alphago, av utvecklarna skrivet AlphaGo, är ett datorprogram som utvecklats av Deepmind som spelar brädspelet Go. I oktober 2015 blev det det första datorprogrammet att slå en professionell Go-spelare, utan handikapp på en fullstor 19 × 19 bräda.[1][2][3][4][5]
Go anses vara mycket svårare för datorer att vinna än andra spel som schack. Anledningen är att spelet har en mycket större förgreningsfaktor vilket gör det svårt att hitta vilket drag som är det bästa med vanliga algoritmer i artificiell intelligens t.ex. totalsökning.[6][7]
I mars 2016 utmanade Alphago den sydkoreanske professionella Go-spelaren Lee Se-dol och vann med 4-1.[8]
Algoritm[redigera | redigera wikitext]
Alphagos algoritm använder en kombination av maskininlärning och trädtraversering, samt omfattande träning, både från människa och dator.
Respons[redigera | redigera wikitext]
Alphago har hyllats som en milstolpe inom utvecklingen av artificiell intelligens. Go har tidigare betraktats som ett för svårt problem för maskininlärning och har ansetts vara utom räckhåll för den dåvarande tekniken.[9][10] Både Toby Manning, domaren från matchen mellan Alphago och Fan Hui, samt Haijin Lee, generalsekreterare för Internationella Go Federationen, tror att Go-spelare i framtiden kommer att få hjälp av datorer för att lära sig vad de har gjort fel i spelomgångar och för att förbättra sina färdigheter.[2]
Referenser[redigera | redigera wikitext]
- Den här artikeln är helt eller delvis baserad på material från engelskspråkiga Wikipedia, AlphaGo, 31 januari 2016.
| |||||||||||||||||||||||||||||||||||||
Noter[redigera | redigera wikitext]
- ^ ”Google achieves AI 'breakthrough' by beating Go champion - BBC News” (på brittisk engelska). BBC News. http://www.bbc.com/news/technology-35420579. Läst 31 januari 2016.
- ^ [a b] ”AlphaGo: Mastering the ancient game of Go with Machine Learning” (på amerikansk engelska). Research Blog. Arkiverad från originalet den 11 mars 2016. https://web.archive.org/web/20160311023422/http://googleresearch.blogspot.se/2016/01/alphago-mastering-ancient-game-of-go.html. Läst 31 januari 2016.
- ^ Silver, David; Huang, Aja; Maddison, Chris J.. ”Mastering the game of Go with deep neural networks and tree search” (på engelska). Nature 529 (7587): sid. 484–489. doi:. ISSN 0028-0836. http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html. Läst 31 januari 2016.
- ^ ”The Guardian” (på brittisk engelska). 31 januari 2016. ISSN 0261-3077. http://www.theguardian.com/commentisfree/2016/jan/31/google-alphago-deepmind-artificial-intelligence-intuititive. Läst 31 januari 2016.
- ^ ”In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go” (på amerikansk engelska). WIRED. http://www.wired.com/2016/01/in-a-huge-breakthrough-googles-ai-beats-a-top-player-at-the-game-of-go/. Läst 31 januari 2016.
- ^ ”AlphaGo: Mastering the ancient game of Go with Machine Learning”. http://googleresearch.blogspot.com/2016/01/alphago-mastering-ancient-game-of-go.html. Läst 31 januari 2016.
- ^ ”Temporal Difference Learning of Position Evaluation in the Game of Go”. http://www.variational-bayes.org/~dayan/papers/sds94.pdf. Läst 31 januari 2016.
- ^ Mullen, Jethro. ”Computer scores big victory against humans in ancient game of Go”. CNNMoney. http://money.cnn.com/2016/01/28/technology/google-computer-program-beats-human-at-go/index.html. Läst 31 januari 2016.
- ^ ”A computer has beaten a professional at the world's most complex board game” (på brittisk engelska). The Independent. http://www.independent.co.uk/life-style/gadgets-and-tech/news/google-alphago-computer-beats-professional-at-worlds-most-complex-board-game-go-a6837506.html. Läst 31 januari 2016.
- ^ ”Google's AI beats human champion at Go”. www.cbc.ca. http://www.cbc.ca/news/technology/alphago-ai-1.3422347. Läst 31 januari 2016.