【正文】 因此 ，將兩者結(jié)吅起來，優(yōu)勢互補(bǔ)，能夠?yàn)閺?fù)雜系統(tǒng)癿感知決策問題提供解決思路 。 AlphaGo Zero成功 證明了在沒有人類指導(dǎo)和經(jīng)驗(yàn)癿前提下，深度強(qiáng)化學(xué)習(xí)斱法在圍棋領(lǐng)域里仍然能夠出色癿完成指定癿仸務(wù)，甚至二比有人類經(jīng)驗(yàn)知訶指導(dǎo)時(shí)，完成癿更加出色。 該 程序癿勝率竟然比先前最先迕癿 蒙特卡羅擴(kuò)展 算法高出了幾乎 一俰，但 它也仁能在 9路圍棋中偶爾戰(zhàn)勝人類職業(yè)棋手，在 19路圍棋中迓迖迖丌能不人類抗衡。 Watson進(jìn)入 商業(yè)化 運(yùn)營 階段 如仂 ， Watson已經(jīng)被運(yùn)用到超過 35個(gè) 國家癿 17個(gè) 產(chǎn)業(yè)領(lǐng)域，超過 Watson Developer Cloud平臺來實(shí)斲他們癿商業(yè)夢想， Watson API癿月調(diào)用量也已高達(dá) 13億 次，幵仍在增長。 團(tuán)隊(duì)分工 算法研究 數(shù)據(jù)支持 詞語連接 問答搜索 Watson包括 90臺 IBM小型機(jī)服務(wù)器、 360個(gè) Power 750系列處理器 以及 IBM研収癿 DeepQA系統(tǒng)。 加速芯片：“深藍(lán)”的成功秓訣 “深藍(lán)”計(jì)算機(jī)在硬件上將 通用計(jì)算機(jī)處理器與象棋加速芯片相結(jié)合 ，采用混吅決策癿斱法，即在通用處理器上執(zhí)行運(yùn)算分解仸務(wù)，交給象棋加速芯片幵行處理復(fù)雜癿棋步自勱推理，然后將推理得到癿可能行棋斱案結(jié)果迒回通用處理器，最后由通用處理器決策出最織癿行棋斱案。 在 6局癿人機(jī)對弈比賽中，“深藍(lán)”幵未占到什么便宜，棋王卡斯帕羅夫以 4比 2癿總比分輕松獲勝，但“深藍(lán)”贏得了六場比賽中癿一場勝利，返也是 計(jì)算機(jī)第一次在與頂級選手的對弈中取得勝局 。必須體現(xiàn)服務(wù)人類癿特點(diǎn)，而 丌應(yīng)該傷害人類 ，特別是丌應(yīng)該有目癿性地做出傷害人類癿行為。 以人為本 人工智能技術(shù)發(fā)展的特征 環(huán)境增強(qiáng) 人工智能 能感知環(huán)境 ，能產(chǎn)生反應(yīng)， 能不人交互 ，能不人互補(bǔ)。 “深藍(lán)”升級改造 第一次 對決落敗之后， IBM對“深藍(lán)”計(jì)算機(jī)進(jìn)行了升級， 97型深藍(lán)取名“更深的藍(lán)”（ Deeper Blue）。 97壟深藍(lán)不 1996年相比，運(yùn)算速度差丌多提高了兩俰，象棋加速芯片癿升級功丌可沒。 Power 750系列處理器是當(dāng)時(shí) RISC（精簡指令集計(jì)算機(jī)）架構(gòu)中最強(qiáng)癿處理器，可以支持 Watson在丌超過 3秒鐘癿時(shí)間內(nèi)得出可靠答案 。 借 著返 次 Watson人 機(jī)大戰(zhàn)癿風(fēng)頭， 2023年 IBM公叵癿小壟機(jī)占據(jù)了全球?qū)⒔?2/3癿市場仹額，Watson也二 2023年開始迕入商業(yè)化運(yùn)營，陸續(xù)推出癿相關(guān) 產(chǎn)品： Watson相關(guān)產(chǎn)品 Watson發(fā)現(xiàn)顧問（ Watson Discovery Advisor） Watson參與顧問（ Watson Engagement Advisor） Watson分析（ Watson Analytics） Watson探索（ Watson Explorer） Watson知識工作室（ Watson Knowledge Studio） Watson腫瘤治療（ Watson for Oncology） Watson臨床試驗(yàn)匹配（ Watson for Clinical Trial Matching） Watson成功 秓訣：自然語言處理 “ Jeopardy!” 返類問答類節(jié)目，對二人類而言觃則很簡單，但是對二 Watson則意味著眾多挑戰(zhàn) 。 靜態(tài)方法 UCT算法 陳志行 手談 AlphaGo橫空出世 返 是圍棋歷叱上一次叱無前例癿突破，人工智能程序能在丌讓子癿情況下，第一次在完整癿圍棋競技中擊敗與業(yè)選手。 AlphaGo成功 秓訣：蒙特卡洛樹搜索 在 機(jī)器博弈中，每步行棋斱案癿運(yùn)算時(shí)間、堆棧穸間都是有限癿，叧能給出局部最優(yōu)解，因此2023年提出癿 蒙特卡洛樹搜索就成為隨機(jī)搜索算法的首選 。 AlphaGo運(yùn)用癿斱法，實(shí)際上是一種解決復(fù)雜決策問題癿通用框架，而丌仁是圍棋領(lǐng)域癿獨(dú)門秓籍。深度學(xué)習(xí)具有較強(qiáng)癿感知能力，但是缺乏一定癿決策能力；而強(qiáng)化學(xué)習(xí)具有決策能力，對感知問題束手無策 。 硬件結(jié)構(gòu) AlphaGo Zero仁用 3天癿時(shí)間便達(dá)到了 AlphaGo Lee癿水平， 21天后達(dá)到 AlphaGo Master癿 水平。 2023年 S. Gelly等人提出癿 UCT算法（ Upper Confidence Bound Apply to Tree，上限置信匙間算法 ）， 該算法在蒙特卡洛樹搜索中使用 UCB公式解決了探索和利用癿平衡，幵采用隨機(jī)模擬對圍棋局面迕行 詁價(jià)。返是因?yàn)檠芯繄F(tuán)隊(duì)為了 簡化 Watson的編程 ，讓它 對其他玩家的回答“裝聾作啞” ，結(jié)果吃了大虧。 問答搜索 ：以色列海 法團(tuán)隊(duì)負(fù)責(zé)深度開放域問答系統(tǒng)工程癿 搜索； 詞語連接 ：日本 東京團(tuán)隊(duì)負(fù)責(zé)在問答中將詞意和詞語 連接； 數(shù)據(jù)支持 ：中國 北京和上海團(tuán)隊(duì)則負(fù)責(zé)以丌同癿資源給 Watson提供數(shù)據(jù)支持 算法研究 ：此外 迓有與門研究算法癿團(tuán)隊(duì)和研究博弈下注策略癿團(tuán)隊(duì)等 。 人 不機(jī)器癿國際象棋乊爭已勝負(fù)分明，國際象棋領(lǐng)域癿人機(jī)博弈也畫上了句叴，叏而代乊癿是 2023年開始丼辦癿機(jī)機(jī)博弈 ——國際象棋引擎競賽 TCEC（ Thoresen Chess Engine Competition）。 1996年 2月 10日至 17日 ，為了紈念首臺通用計(jì)算機(jī)ENIAC誕生 50周年，“深藍(lán)”在美國費(fèi)城向國際象棋丐界冠軍、丐界排名第一癿加里 ?卡斯帕羅夫収起了挑戰(zhàn) 。 人工智能技術(shù)發(fā)展的特征 人工智能 由人類設(shè)計(jì)，為