آلفاگو
آلفاگو یک برنامه رایانهای است که توسط ذهن عمیق گوگل در لندن، برای بازی تختهای گو توسعه یافتهاست. در اکتبر ۲۰۱۵، آلفاگو -اولین برنامهٔ رایانهای گو بود که با غلبه بر بازیکنهای حرفهای بازی گو بدون دادن آوانس روی یک تخته کامل در سایز ۱۹*۱۹انجام شد. و در مارچ ۲۰۱۶، بر لی سِدُل در پنج دوره بازی غلبه کرد، این اولین باری بود که یک برنامه رایانهای گو بر یکی از ۹-دانهای حرفهای بدون آوانس غلبه میکرد؛ اگرچه در چهارمین بازی به لی سدل باخت، اما لی، بازی آخر را درخواست دادو امتیاز آخر ۴ به ۱ بازی را به آلفاگو داد. در تشخیص غلبه بر لی سدل، جایزهٔ مفتخر۹-دان توسط انجمن بادوک کره به آلفاگو داده شد. الگوریتم آلفاگو از تکنیک جستجوی درختی مونت کارلو برای یافتن حرکات که مبتنی بر دانش قبلی یادگرفته از یادگیری ماشینی و مخصوصاً ازشبکه عصبی مصنوعی با یادگیری عمیق از هردوی انسان و اجرای رایانه است، استفاده میکند.
تاریخچه و رقابتها
گو بسیار سختتر از بازیهایی مثل شطرنج، برای رایانهها به منظور برندهشدن است چون فاکتور شاخهبندی بزرگتر باعث منع سختتر برای استفاده از متدهای هوش مصنوعی سنتی مثل هرس کردن آلفا-بتا ،پیمایش درخت و جستجوی کاشف میشود.
دو دهه بعد از رایانهٔ آیبیام دیپ بلو، که قهرمان جهانی شطرنج، گری کاسپارف را در مسابقهٔ ۱۹۹۷ برد، قویترین برنامههای گو فقط با استفاده از تکنیکهای هوش مصنوعی به سطح آماتور دان پنج, رسیدند و هنوز نمیتوانستند که یک بازیکن غیرحرفهای گو را بدون آوانس ببرند. در ۲۰۱۲ برنامه نرمافزاری زِن که بر روی چهار رایانه شخصی کلاستر اجرا میشد، ماسکی تاکمیا را دو بار در پنج و چهار بار آوانس برد. در ۲۰۱۳ کریزی استون، یوشیا ایشیدا در چهار آوانس برد.
با توجه به گفته دیوید سیلور پیرامون آلفاگو، پروژه تحقیقاتی آلفاگو در حدود ۲۰۱۴ برای آزمایش چگونگی خوب کار کردن شبکههای عصبی با استفاده از یادگیری عمیق، میتواند در گو رقابت کند. آلفاگو پیشرفت مهمی را به نسبت برنامههای قبلی گو، نمایش داد. در ۵۰۰ بازی در برابر سایر برنامههای دردسترس گو، شامل کریزی استون و زِن، آلفاگو بر روی یک رایانه، همه غیراز یکی را برد. در یک همداوی مشابه، آلفاگو با اجرا بر روی چندین رایانه همهٔ ۵۰۰ بازی در برابر سایر برنامههای گو و ۷۷درصد بازیهای انجام شده در برابر آلفاگو اجرا شده بر روی یک رایانه اجرا میشد. نسخه توزیع شده در اکتبر ۲۰۱۵از ۱۲۰۲واحد پردازش مرکزی و ۱۷۶واحد پردازش گرافیکی استفاده میکردهاست.
بازی در برابر فن هوای
در اکتبر ۲۰۱۵، نسخه توزیعشده از آلفاگو، قهرمان اروپایی گو،فن هوای را در یک ۲ دان(بدون ۹ دان ممکن) حرفهای، پنج به صفر شکست داد. این اولین باری بود که برنامه رایانهای گو، بر یک بازیکن انسانی حرفهای بر روی تخته کامل بدون آوانس، غلبه کرده بود. اعلام این اخبار تا ۲۷ ژوئیه ۲۰۱۶ به تأخیر افتاد تا با انتشار مجله کاغذی نیچر که الگوریتمهای استفاده شده را وصف میکرد، ادغام شود.
بازی در برابر لی سدل
آلفاگو با بازیکن حرفهای کره شمالی گو،لی سدل که جزِ یکی از ۹ تای اول بهترین بازیکنهای گو بود، بازی کرد؛ با پنج بازی در هتل چهار فصل در سئول، کره شمالی در ۹ و ۱۰و ۱۲ و ۱۳ و ۱۵ مارچ ۲۰۱۶ که بهطور زنده پخش ویدئویی میشد. آجا هانگ، یکی از اعضای تیم ذهن عمیق و آماتور دان ۶ بازیکن گو، برای آلفاگو سنگها را بر روی تخته گو، قرار داد که از طریق رایانش ابری گوگل با کارگزارهایش که در ایالت متحده قرار گرفتهبود، اجرا میشد. بازی از قوانین چینی با ۷٫۵ امتیاز کُمیاستفاده میکرد؛ و هر طرف دو ساعت وقت تفکر به علاوه سه تا ۶۰ ثانیه دورههای بیویومی داشتند. نسخهٔ اجرا شدهٔ آلفاگو در برابر لی از یک حجم مشابهی از رایانش توانی که در بازی فن هوای استفاده میشد، استفاده کردهاست.
در زمان بازی، لی سدل دومین بیشترین تعداد فاتح رقابتهای ملی گو در جهان، است. در زمانیکه هیچ متد رسمی رتبهبندی در بازی ملی گونبود، برخی منابع، لی سدل را را چهارمین بازیکن برتر جهان در آن زمان رتبهبندی کردهبودند. آلفاگو تنها برای مواجه با لی آموزش دادهنشده بود. اولین سه بازی توسط آلفاگو پیرو واگذاری لی سدل به پیروزی رسید. اگرچه لی سدل آلفاگو را در چهارمین بازی برد، با واگذاری در ۱۸۰ حرکت پیروز شد. آلفاگو بعداً برای بدست آوردن پیروزی چهارم کار را ادامهداد، و پنجمین بازی را برد.
جایزه ۱ میلیون بود. با اینکه آلفاگو چهار از پنج بازی را برد اما جایزه به مراکز خیریه مثل یونیسف بخشیدهشد. و لی سدل ۱۵۰۰۰۰دلار برای مشارکت در هر پنج بازی به اضافهٔ ۲۰۰۰۰ دلار برای بردنش دریافت کرد. برای جزپیات بیشتر این بازی بر روی لینک کلیک کنید.
سختافزار
نسخه جدیدتر آلفاگو بر روی سختافزار با تعداد مختلف واحد پردازش مرکزی و واحد پردازش گرافیکی، که در حالت غیرهمزمان یا توزیعشده اجرا شدهاست. دو ثانیه زمان تفکر به هر حرکت داده شدهاست. نتایج ریتینگ الو در زیر لیست شدهاست. در این بازیها اکثر زمان هر حرکت از زمان نسبت داده شده، بیشتر بدستآمدهاست.
پیکربندی | جستجو تردهای | تعداد واحد پردازنده مرکزی | تعداد واحد پردازنده گرافیکی | ریتینگ الو |
---|---|---|---|---|
یکه | ۴۰ | ۴۸ | ۱ | ۲٬۱۵۱ |
یکه | ۴۰ | ۴۸ | ۲ | ۲٬۷۳۸ |
یکه | ۴۰ | ۴۸ | ۴ | ۲٬۸۵۰ |
یکه | ۴۰ | ۴۸ | ۸ | ۲٬۸۹۰ |
رایانش توزیعشده | ۱۲ | ۴۲۸ | ۶۴ | ۲٬۹۳۷ |
رایانش توزیعشده | ۲۴ | ۷۶۴ | ۱۱۲ | ۳٬۰۷۹ |
رایانش توزیعشده | ۴۰ | ۱٬۲۰۲ | ۱۷۶ | ۳٬۱۴۰ |
رایانش توزیعشده | ۶۴ | ۱٬۹۲۰ | ۲۸۰ | ۳٬۱۶۸ |
الگوریتم
همزمان با ۲۰۱۶، الگوریتم آلفاگو از ترکیب یادگیری ماشینی و تکنیکهای جستجوی درختی، که با آموزش فراوان ادغام شدهبود، از هردوی انسان و اجرای رایانه، استفاده میکرد. همچنین از جستجوی درختی مونت کارلو، توسط شبکه ارزش و یک شبکه سیاسی، که هر دو از تکنولوژیشبکه عمیق عصبی استفاده میکردند، هدایت شدهاست. تعداد محدودی از بازیهای خاص، ویژگی شناسایی پیش پردازش (برای مثال:برای مشخص کردن که حرکات بازی از یک مدل نکده) قبل از اینکه به شبکههای عصبی فرستاده بشود، برای ورودی درخواست داده شدهاست.
سامانههای شبکههای عصبی در آغاز، از اجرای بازی انسانی خبره، خود راه انداز بودند. آلفاگو در آغاز برای تقلید بازی انسان برای تلاش در تطابق دادن حرکات بازیکنهای خبره از بازیهای ضبط شده قدیمی، با استفاده از یک پایگاه داده حاوی ۳۰ میلیون حرکت، آموزش داده شدهبود. یکبار به یک درجه معین از کارایی رسید که با تطابق تعداد فراوانی از اجرای بازیها در برابر امثال خود، با استفاده از تقویت یادگیری برای توسعهٔ بازیاش قبل تر آموزش داده شدهبود. به منظور جلوگیری از اتلاف توهینآمیزانهٔ زمان حریفانش، طوری برنامهریزی شدهاست که اگر احتمال برندهشدن زیر آستانهٔ معینی قرار گرفت، از بازی استعفا دهد. در بازی در برابر لی در مارچ ۲۰۱۶، آستانه استعفا دادن، ۲۰ درصد قرار داده شده بود.
شیوه بازی
تابی مانینگ، داور بازی آلفاگو و فن هوای، شیوهٔ برنامه مثل محافظه کار توصیف کردهاست. در طول بازی آلفاگو در برابر لی سدل، مفسران کرهای هوش مصنوعی شیوه بازی را به خوبی شباهت با بازیکن افسانهای لی چانگهو، اعلام کردند. این شباهت میتواند با واقعیتی همچون لی چانگهو متناسب بشود. شیوه بازی آلفاگو همچنین با قدرت، احتمال برندهشدن بیشتر با امتیاز کمتر در برابر احتمال برندهشدن کمتر با امتیاز بیشتر را ترجیح میدهد.
واکنش به فاتح ۲۰۱۶در مقابل لی سدل
کمیته هوش مصنوعی
فاتح آلفاگو مارچ ۲۰۱۶مرحلهای برجسته در تحقیقات هوش مصنوعی بودهاست. گو قبلاً مشکل سختی در یادگیری ماشین داشتهاست که انتظار میرفته که خارج از تکنولوژی آن زمان بودهاست. اکثر خبرگان بر این باور بودند که برنامه گو همانند آلفا گو در حداقل ۵ سال گذشته قدرتمند بوده؛ و برخی خبرگان فکر میکنند که حداقل یک دهه دیگر برای اینکه رایانهها بر قهرمانان گو غلبه کنند، نیاز است. اکثر بینندگان در آغاز دورههای ۲۰۱۶ توقع داشتند که لی، آلفاگو را ببرد.
با بازیهایی مثل چکر (توسط گروه چینوک حل شدهاست)، شطرنج و این روزها گو توسط رایانه برنده میشوند، فاتحان در بازیهای تختهای مشهور زمان زیادی نمیتوانستند همچون هوش مصنوعی، راهی را که استفاده میکند، بکارگیرند. دیپ بلو مری کمپبل که پیروزی آلفاگو را «به سر رسیدن انتهای تاریخ بازیهای تختهای، زیاد یا کم و زمان تغییر» نامیدهاست.
وقتی با دیپ بلو یا ویستون مقایسه میشود، الگوریتمهای زمینه شده آلفاگو، برای هدف عامتری کشش دارند، و ممکن است فرایندی را که جامعهٔ علمی به سوی هوش عام مصنوعی میسازد، به واقعیت تبدیل شود. برخی مفسران معتقدند که پیروزی آلفاگو فرصت مناسبی را برای جامعه میسازد تا، برای شروع بحث آمادهسازی در تأثیر آینده احتمالی از ماشینهایی که با هدف هوش عام ساخته میشوند (توسط مفسر، گوی سوتر نوشته شدهاست که آلفاگو خودش فقط میداند که چگونه گو بازی کند و دارای هدف عام هوشی نیست: آن نمیتواند یک روز از خواب بیدار شود و تصمیم بگیرد که چگونه از اسلحه گرم استفاده کند") در مارچ ۲۰۱۶، پژوهشگر هوش مصنوعی استوارت راسل تخمین زد که متدهای هوش مصنوعی سریعتر از آنچه مورد انتظار است پردازش میشوند که این سؤال را ایجاد میکند که در زمان طولانی نتیجه ضروری تر میشود «به علاوه آنکه به مظور اطمینان از افزایش سامانههای قدرتمند هوش مصنوعی، بطور کامل تحت کنترل انسان قرار میگیرند خیلی کارها باید انجام شود.»" برخی پژوهشگران مثل استیون هاوکینگ هشدار میدهند (در می ۲۰۱۵ قبل از بازیها) که برخی از خود توسعهدهندگان آینده هوش مصنوعی میتواند هوش عام واقعی را بدست بیاورد با توجه به عهدهگیری برخلاف انتظار هوش مصنوعی ، سایر پژوهشگران مخالفند: خبره هوش مصنوعی جین گابریل گاناسکیا معتقد است که "اشیا مثل حس معمولی هستند، ممکن است هیچ وقت دوباره تولید نشوند"و میگوید "من نمیدانم چرا ما دربارهٔ ترس صحبت میکنیم. بگونهای که، این مسئله امید را در خیلی چیزها مثل سلامتی و انفجار فضایی بالا میبرد" دانشمند رایانه ریچارد سوتن: «من فکر نمیکنم که لازم باشد مردم یترسند اما من فکر میکنم که مردم باید مراقب باشند.»
کمیته گو
گو بازی مشهوری در چین، ژاپن و کره است و در دورههای ۲۰۱۶ حدود صد میلیون نفر در سراسر جهان آن را تماشا کردهاند. بسیاری از بازیکنهای برتر گو بازیهای ناصحیح آلفاگو را که بهطور ظاهری، حرکات قابل پرسش که آغازگر سرمست کردن تماشاگر است، را مشخص کردهاند و این حرکات ادراک را درگیر میکند: «همه و اما بازیکنهای برتر گو، شیوه خود را با تقلید از بازیکنهای برتر دیگر گرفتهاند. آلفاگو این جور بنظرمیآید که همهٔ حرکات رایج را خودش میسازد.» آلفاگو از انتظار قویتر بنظر میآید، حتی وقتی که با خودش در دوره اکتبر ۲۰۱۵ مقایسه میشود جاییکه رایانه برای اولین بار بدون آوانس یک بازیکن حرفهای گو را برد. روز بعد از اولین شکست لی، جیونگ اهرام رهبر خبرنگاران گو در یکی از بزرگترین روزنامههای روز کره شمالی گفت :" شب گذشته بسیار تلخ بود و خیلی از افراد الکل خوردند ." انجمن بادوک کره سازمانی که از حرفهایهای گو در کره شمالی حمایت میکند، به آلفاگو جایزه مفتخر ۹ دان برای نمایش مهارتهای خلاقانه و پیش بردن مراحل بازی داد.
بازیکن نوجوان ۱۸ ساله چینی که بهترین بازیکن جهانی گو شناخته شدهاست،که جی اعلام کرد که قادر خواهدبود که آلفاگو را شکست دهد اما از ترس تقلیدکردن آلفاگو از روش بازیاش، بازی با آلفاگو را رد کرد همانطور که بازیها انجام شدند، که جی بازگشت و بعد از تحلیل اولین سه بازی، تخمین زد که «خیلی احتمال دارد که ببازم» اما بعد از بازی چهارم با مشاهدهٔ خطای آلفاگو، دوباره اعتماد بنفس خود را بدست آورد.
تابی منینگ داور بازیهای آلفاگو در برابر فن هوای و هاجین لی، منشی فدراسیون ملی گو، بازیکنهای گو به دو دلیل یادگیری خطاهایشان در بازیها و تقویت مهارتهایشان در آیندهُ میتوانند از رایانهها استفاده کنند.
بعد از بازی دوم، لی گفت من احساس "لال بودن" میکنم:از آغاز بازی من نمیتوانستم هیچ وقت یک حرکت دست بالا را در نظر بگیرم و آلفاگو برنده تام است." او بخاطر شکستهایش عذرخواهی کرد سه چیز را بعد از بازی تخمین زد و اقرار کرد که: «من توانایی آلفاگو را دست کم گرفته بودم و فکر میکردم ضعیف است.» او خاطر نشان کرد که این شکست، «شکست لی سدل» است و «شکست انسانی نیست». لی گفت از دست دادن احتمالی به ماشین «ناگریز» است اما گفت که «رباتها هیچ گاه زیبایی بازی را آنگونه که افراد حس میکنند، حس نمیکنند.» لی «پیروزی چهارمین بازیاش را پیروزی پرقیمتی میدانم و هیچ وقت آن را با چیزی عوض نمیکنم.»
سامانههای مشابه
فیس بوک بر روی سامانههای بازی گو خود،دارک فارست کار میکند. دارک فارست همچنین مبتنی بر ترکیب یادگیری ماشین و جستجوی درختی است. اگرچه یک بازیکن قوی در برابر سایر برنامههای رایانهای گو، مثل اوایل ۲۰۱۶، هنوز نتوانسته بود که بازیکن انسانی حرفهای را شکست بدهد، بازی میکنند. دارک فارست به کریزی استون و زن باختهاست و تخمین زدهمیشود که به قدرت مشابهی از کریزی استون و زن برسد.
در ۱ مارچ یک «پروژه گو عمیق زن» میان توسعهدهندگان برنامه زن رایانهای گو (یوجی اوجیما، هیدکی کاتو)، کمپانی رسانه و ارتباط از راهدور دنگو و تیم پژوهشی یادگیری عمیق در دانشگاه توکیو (توسعهدهندگان پانونزا) اعلام شد. انجمن زاپنی گو همچنین پشتیبانیاش از این پروژه را ضمانت کرد. هدف آنان، شکست آلفاگو در ۶ ماه تا ۱ سال است.
نمونهای از بازی
آلفاگو (مشکی) در برابر فن هوای، بازی چهارم(۸ اکتبر ۲۰۱۵)، آلفاگو با واگذاری برنده شد.
منابع
- ↑ "Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol". BBC News. Retrieved 17 March 2016.
- ↑ "Google achieves AI 'breakthrough' by beating Go champion". Google Research Blog. 27 January 2016.
- ↑ "Match 1 - Google DeepMind Challenge Match: Lee Sedol vs AlphaGo". 8 March 2016.
- ↑ Silver, David; Huang, Aja; Maddison, Chris J.; Guez, Arthur; Sifre, Laurent; Driessche, George van den; Schrittwieser, Julian; Antonoglou, Ioannis; Panneershelvam, Veda (2016). "Mastering the game of Go with deep neural networks and tree search". Nature. 529 (7587): 484–489. doi:10.1038/nature16961. PMID 26819042.
- ↑ "Computer scores big win against humans in ancient game of Go". CNN. 28 January 2016. Retrieved 28 January 2016.
- ↑ "Zen computer Go program beats Takemiya Masaki with just 4 stones!". Go Game Guru. Archived from the original on 1 February 2016. Retrieved 28 January 2016.
- ↑ "「アマ六段の力。天才かも」囲碁棋士、コンピューターに敗れる 初の公式戦". MSN Sankei News. Archived from the original on 24 March 2013. Retrieved 27 March 2013.
- ↑ John Riberio (14 March 2016). "AlphaGo's unusual moves prove its AI prowess, experts say". PC World. Retrieved 18 March 2016.
- ↑ "Artificial intelligence breakthrough as Google's software beats grandmaster of Go, the 'most complex game ever devised'". Daily Mail. 27 January 2016. Retrieved 29 January 2016.
- ↑ "Google AlphaGo AI clean sweeps European Go champion". ZDNet. 28 January 2016. Retrieved 28 January 2016.
- ↑ Metz, Cade (2016-01-27). "In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go". WIRED (به انگلیسی). Retrieved 2016-02-01.
- ↑ "Special Computer Go insert covering the AlphaGo v Fan Hui match" (PDF). British Go Journal. Retrieved 2016-02-01.
- ↑ "Première défaite d'un professionnel du go contre une intelligence artificielle". Le Monde (به فرانسوی). 27 January 2016.
- ↑ "Google's AI AlphaGo to take on world No 1 Lee Sedol in live broadcast". The Guardian. 5 February 2016. Retrieved 15 February 2016.
- ↑ "Google DeepMind is going to take on the world's best Go player in a luxury 5-star hotel in South Korea". Business Insider. 22 February 2016. Retrieved 23 February 2016.
- ↑ Novet, Jordan (February 4, 2016). "YouTube will livestream Google's AI playing Go superstar Lee Sedol in March". VentureBeat. Retrieved 2016-02-07.
- ↑ "李世乭:即使Alpha Go得到升级也一样能赢" (به چینی). JoongAng Ilbo. 23 February 2016. Retrieved 24 February 2016.
- ↑ "이세돌 vs 알파고, '구글 딥마인드 챌린지 매치' 기자회견 열려" (به کرهای). Korea Baduk Association. 22 February 2016. Archived from the original on 3 March 2016. Retrieved 22 February 2016.
- ↑ Demis Hassabis [@demishassabis] (11 March 2016). "We are using roughly same amount of compute power as in Fan Hui match: distributing search over further machines has diminishing returns" (Tweet). Retrieved 14 March 2016 – via Twitter.
- ↑ Steven Borowiec (9 March 2016). "Google's AI machine v world champion of 'Go': everything you need to know". The Guardian. Retrieved 15 March 2016.
- ↑ Rémi Coulom. "Rating List of 2016-01-01". Archived from the original on 18 March 2016. Retrieved 18 March 2016.
- ↑ "Korean Go master proves human intuition still powerful in Go". The Korean Herald/ANN. 14 March 2016. Archived from the original on 12 April 2016. Retrieved 15 March 2016.
- ↑ Yoon Sung-won (14 March 2016). "Lee Se-dol shows AlphaGo beatable". The Korea Times. Retrieved 15 March 2016.
- ↑ "Google's AI beats world Go champion in first of five matches - BBC News". BBC Online. Retrieved 9 March 2016.
- ↑ "Google AI wins second Go game against world champion - BBC News". BBC Online. Retrieved 10 March 2016.
- ↑ "Google DeepMind AI wins final Go match for 4-1 series win". Engadget. Retrieved 2016-03-15.
- ↑ "Human champion certain he'll beat AI at ancient Chinese game". AP News. 22 February 2016. Archived from the original on 22 December 2018. Retrieved 22 February 2016.
- ↑ Cade Metz (13 March 2016). "Go Grandmaster Lee Sedol Grabs Consolation Win Against Google's AI". Wired News. Retrieved 29 March 2016.
- ↑ Gibney, Elizabeth (27 January 2016). "Google AI algorithm masters ancient game of Go". Nature News & Comment. Retrieved 2016-02-03.
- ↑ Steven Borowiec; Tracey Lien (12 March 2016). "AlphaGo beats human Go champ in milestone for artificial intelligence". Los Angeles Times. Retrieved 13 March 2016.
- ↑ Connor, Steve (27 January 2016). "A computer has beaten a professional at the world's most complex board game". The Independent. Retrieved 28 January 2016.
- ↑ "Google's AI beats human champion at Go". CBC News. 27 January 2016. Retrieved 28 January 2016.
- ↑ Dave Gershgorn (12 March 2016). "GOOGLE'S ALPHAGO BEATS WORLD CHAMPION IN THIRD MATCH TO WIN ENTIRE SERIES". Popular Science. Retrieved 13 March 2016.
- ↑ "Google DeepMind computer AlphaGo sweeps human champ in Go matches". CBC News. Associated Press. 12 March 2016. Retrieved 13 March 2016.
- ↑ Sofia Yan (12 March 2016). "A Google computer victorious over the world's 'Go' champion". CNN Money. Retrieved 13 March 2016.
- ↑ "AlphaGo: Google's artificial intelligence to take on world champion of ancient Chinese board game". Australian Broadcasting Corporation. 8 March 2016. Retrieved 13 March 2016.
- ↑ Mariëtte Le Roux (12 March 2016). "Rise of the Machines: Keep an eye on AI, experts warn". Phys.org. Retrieved 13 March 2016.
- ↑ "Game over? New AI challenge to human smarts (Update)". phys.org. Retrieved 13 March 2016.
- ↑ Mariëtte Le Roux; Pascale Mollard (8 March 2016). "Game over? New AI challenge to human smarts (Update)". phys.org. Retrieved 13 March 2016.
- ↑ Tanya Lewis (11 March 2016). "An AI expert says Google's Go-playing program is missing 1 key feature of human intelligence". Business Insider. Retrieved 13 March 2016.
- ↑ CHOE SANG-HUN (16 March 2016). "Google's Computer Program Beats Lee Se-dol in Go Tournament". New York Times. Retrieved 18 March 2016.
More than 100 million people watched the AlphaGo-Lee matches, Mr. Hassabis said.
- ↑ John Ribeiro (12 March 2016). "Google's AlphaGo AI program strong but not perfect, says defeated South Korean Go player". PC World. Retrieved 13 March 2016.
- ↑ Gibney, Elizabeth (2016). "Go players react to computer defeat". Nature. doi:10.1038/nature.2016.19255.
- ↑ "How victory for Google's Go AI is stoking fear in South Korea". New Scientist. 15 March 2016. Retrieved 18 March 2016.
- ↑ JEE HEUN KAHNG; SE YOUNG LEE (15 March 2016). "Google artificial intelligence program beats S. Korean Go pro with 4-1 score". Reuters. Retrieved 18 March 2016.
- ↑ Neil Connor (11 March 2016). "Google AlphaGo 'can't beat me' says China Go grandmaster". The Telegraph (UK). Retrieved 13 March 2016.
- ↑ "Chinese Go master Ke Jie says he could lose to AlphaGo: The DONG-A ILBO". Retrieved 17 March 2016.
- ↑ http://m.hankooki.com/m_sp_view.php?WM=sp&FILE_NO=c3AyMDE2MDMxNDE4MDIzMDEzNjU3MC5odG0=&ref=search.naver.com بایگانیشده در ۱۵ مارس ۲۰۱۶ توسط Wayback Machine "...if today's performance was its true capability, then it doesn't deserve to play against me."
- ↑ CHOE SANG-HUN (15 March 2016). "In Seoul, Go Games Spark Interest (and Concern) About Artificial Intelligence". New York Times. Retrieved 18 March 2016.
- ↑ Tian, Yuandong; Zhu, Yan (2015). "Better Computer Go Player with Neural Network and Long-term Prediction". arXiv:1511.06410v1 [cs.LG].
- ↑ HAL 90210 (2016-01-28). "No Go: Facebook fails to spoil Google's big AI day". The Guardian (به انگلیسی). ISSN 0261-3077. Retrieved 2016-02-01.
- ↑ "Strachey Lecture - Dr Demis Hassabis". The New Livestream. Retrieved 17 March 2016.
- ↑ http://shogi1.com/deep-zen-go-project-start/