当前位置：新闻详细
专业互联网培训机构——完成蜕变以后轻松拿高薪
电话+V： 152079-09430 ，欢迎咨询人工智能芯片和深蓝计算机的计算大小对比，围棋人机大战太高深?这篇入门级文章必看3C4AEBAB-6F08-4679-8082-20817DB326DD，[python实用课程]，[C++单片机原理]，[C#、PHP网站搭建]，[Nodejs小程序开发]，[ios游戏开发]，[安卓游戏开发]，[教会用大脑用想法赚钱实现阶层跨越]
一、深蓝计算机有现在的计算机牛吗?
参考答案：未知。
如果要比人工智能算法，你的“现代计算机”的算法未必比深蓝厉害了。
深蓝的CPU采用的是CPU阵列（很久以前就是由几十个CPU组成运算器了，现在应该有上百个了吧），你的现代计算机采用几核啊？超过20核了吗？
二、阿尔法狗算力是IBM深蓝3万倍柯洁承受的暴击远超卡斯帕罗夫_百度知...
人类与计算机进行智慧大比拼的人机大战中，最著名的当初1997年有史以来最强的国际象棋冠军卡斯帕罗夫与IBM深蓝及2017年世界围棋第一人柯洁与谷歌阿法狗进行的人机大战。
这两场大战都是世界轰动性的，1997年IBM深蓝战胜卡斯帕罗夫被认为是人工智能的元年，代表着人工智能终于从科幻小说中走出来进入了人类现实世界。而2017年谷歌阿尔法狗战胜世界第一人柯洁，则宣告着人工智能时代的来临。
从国家竞争的角度来说，以大数据和云计算为基础的人工智能成为了大国国力之间竞争的核心。对普通民众来说，则意味着越来越多的工作将要被人工智能取代了。
很多朋友可能并不知道也会很好奇，战胜柯洁的阿尔法狗比战胜卡斯帕罗夫的IBM深蓝强大多少呢？
“深蓝”是美国IBM公司生产的一台超级电脑，重1270公斤，有32个CPU，每秒钟可以计算2亿步，计算能力11.38GFLOPS，输入了一百多年来优秀棋手的对局两百多万局。Flops中文读作“每秒执行的浮点运算次数”，是国际公认的算力衡量单位。深蓝11.38GFLOPS的数值代表着每秒110亿次的计算能力。
目前公开的数据是2016年和李世石对战的阿尔法狗版本，这个版本采用了分布式计算版本，也就是由多个计算机群组成的，据说最少用到了1202个CPU和176个GPU（显卡），外加100+左右的计算加速卡等等。
搜狗CEO王小川表示，阿尔法狗计算能力是当年IBM计算机深蓝的3万倍。曾经世界第一的我国天河二号的浮点运算能力达到了33.86PFLOPS，是深蓝的30万倍，也就是说2016年的阿尔法狗的计算能力大约在3.386PFLOPS，也就是每秒3.386千万亿次。而与柯洁对战的master版本的阿尔法狗比李世石版的阿法狗要强大很多。
Alphago(阿尔法狗)并不是运行在某台计算机上，而是一个运行在云计算上的算法，通过远程的云计算数据中心，“算力”如同水龙头里的水，源源不断地输送给Alphago。
同时Alphago(阿尔法狗)使用策略网络和价值网络辅助蒙特卡洛树搜索，以降低搜索的深度和宽度。在经过先期的全盘探索和过程中对最佳落子的不断揣摩后，阿尔法围棋的搜索算法就能在其计算能力之上加入近似人类的直觉判断。因此Alphago(阿尔法狗)领先了深蓝不知道多少条街了。
2021年7月22日，谷歌旗下的Deepmind公司的研究团队在《自然》杂志上发表了一篇报告：该公司开发的人工智能程序“Alphafold”预测出了98.5%的人类蛋白质结构，这对于人类攻克医学难题有着划时代的意义。
消息一出，学界震动。此前数十年，全球科学家合力才攻克了三分之一，而Alphafold一次性就解决了98.5%。
2020年全球总计有429EFlops的算力，中美两国分别掌握了31%和36%，欧洲排第三，占了11%，日本排第四仅占6%。中美日三国的超算算力份额，分别占了全球的20%、31%、23%
2020年，美国从事AI的企业数量占了全球的38.3%，位居第一，中国紧随其后，占了24.66%。中美两国能在AI领域远超其他国家。
这也是为什么在目前围棋的人工智能领域，最顶尖的除了美国谷歌的Alphago(阿尔法狗)，只有中国腾讯开发的绝艺。毕竟能提供巨大算力的公司，全球屈指可数。
因此当王思聪讥讽败给阿尔法狗流泪的柯洁时，全国网友都为柯洁站台回怼王思聪。因为柯洁面对比深蓝强大3万倍的阿尔法狗依然能战斗到100手时不分胜负，已经足以捍卫人类尊严了。
正如网友所说，柯洁和卡斯帕罗夫都注定会载入史册。希望柯洁能在2022年的LG杯比赛中夺冠再现辉煌。
三、围棋人机大战太高深?这篇入门级文章必看
导读
韩国九段顶尖围棋选手李世石在韩国首尔应战谷歌DeepMind团队开发的人工智能系统AlphaGo的挑战。双方都公开表示，深信自己将赢得最终的胜利。最终输赢还难说，对于“表示不是很懂你们这些AI迷/围棋迷”的围观群众而言，该以什么姿势看懂这场高大上的对决？
1.“深蓝”PK人工智能AlphaGo
说起来，这已经不是人工智能第一次和人类比赛下棋了。早在1997年，一台叫做“深蓝”的超级计算机在国际象棋上下赢了国际象棋冠军卡斯帕罗夫。“深蓝”是一台超级计算机，虽然跟人工智能程序AlphaGo好像不是同一回事，但是其实人工智能程序也需要以计算机作为载体才能工作，就像大脑也需要有身体才行。因此，把它们放在一起比较并不奇怪。而随着超级计算机技术的不断发展，即使是今天最普通的集成显卡的性能也超过了700GFLOPS。“深蓝”已经从逐渐跟不上脚步到被甩开了一大截。值得一提的是，世界上最快的超级计算机是我们国家的天河2号，其性能达到了33.86PFLOPS，是“深蓝”计算机的30万倍。
那么，跟“深蓝”计算机相比，谷歌AlphaGo的性能又怎么样呢？此前谷歌曾经在《自然》杂志上发表过关于这个人工智能系统的文章，其中称，AlphaGo人工智能的计算机装有48个CPU和8个GPU。我们似乎无法将两者放在一起直接比较，因为AlphaGo是在云计算平台上运行的，我们可以通过竞争对手的计算机数据来进行大概的比较，比如阿里云。
2015年12月，阿里云对外开放高性能计算服务。这些计算机的单机浮点运算能力是11TFLOPS。如果谷歌的计算机性能与阿里云接近的话，那么AlphaGo所驱动的硬件的性能至少是深蓝的1000倍。
2.人机大战，这次为何选中围棋？
说起围棋和人工智能，我们可能多少都了解一些，不过二者是怎么联系到一块的呢？
那是因为机器战胜人类，一个关键就是围棋。拥有悠久历史的围棋高度反映了人类的智慧，围棋棋盘纵横19道，361个交叉点，涉及到的可能出现的局面数量最大可达3^361，大致的体量是10^170，而已经观测到的宇宙中，原子的数量才10^80，国际象棋最大只有2^155种局面，这是什么概念？看似简单的纵横19道，361个交叉点，形成了浩瀚的宇宙。所以有人说，围棋是体现人类智慧的最好游戏，之前还有人预测，人工智能（AI）需要再花十几年才能战胜人类，所以若抛去商业元素，这场比赛的意义可能在于见证历史，足以说明当前人工智能的技术研究已经达到新高度。
3.AI下围棋，究竟有多难？
难点1：围棋对弈的基础是死活的确认，确定棋盘上一块棋的死活是最基本的，但要搞清楚一块棋是死是活是非常困难的，而且，这种似死似活的状态又是在不断变化的。研究局部死活搜索是AI围棋发展的一个难点。
难点2：棋形体现着人类形象思维独有的特性，棋手对棋形的感觉完全依赖于自身的经验，而这种感觉恰恰是胜负的关键，也是棋手水平高低的标志。人类棋手不愿意浪费自己的棋子去无谓地攻击对方活的棋形或无谓地试图挽救自己死的棋形，要赋AI这种对棋形的感觉，则是人工智能面临的重要课题。
难点3：此外，还需要研究特殊的算法来解决快速识别问题，著名的电脑围棋程序设计者布恩说过:“有了快速的模式识别方法，就不难教程序利用手筋来吃棋。”所以说，模式识别算法是围棋博弈程序的重要组成部分，高效的模式识别算法反映着博弈程序的水平，当电脑的模式识别技术发展到能与人脑匹敌时，电脑围棋的棋力离专业九段就不远了。
简单来说，一方面，围棋规则非常复杂，每一步的调整，都会产生更多的可能，这对机器的计算能力要求很高。另一方面，即使机器中存储了足够多的已有围棋大战数据，由于围棋规则的复杂程度和棋手的无法预测的落子，对机器的应变能力或深度学习能力有更高的要求。
4.下围棋这么复杂，AI靠什么取胜？
上面说的那么难，难道AI就没机会取胜了？NONONO~
为了击败人类，研究者们拿出了大杀器——这就是人工智能领域新一代的机器学习（machinelearning）形式——深度学习(deeplearning)和强化学习（reinforcementlearning）。
深度学习的概念换句话说，就是让计算机像人脑一样去学习和思考。和传统的机器学习不同，深度学习是把计算机科学和人类的神经学结合起来，让计算机自主学习。比如，不是由人告诉计算机这是一只猫，然后让它来进行识别和印证。而是给计算机提供大量的图片数据，让它自己学习和分析，然后自主形成“猫”的概念，就像人类大脑的视觉皮层那样反应。有了具备深度学习能力的人工智能系统，以后驾车出行时，汽车就能主动提醒你周围的路况，还能应用于语音和脸部识别、医疗诊断等领域。
强化学习一词来自于行为心理学，这一理论把行为学习看成是反复试验的过程，从而把动态环境状态映射成相应的动作。它类似于传统经验中的“吃一堑长一智”，强化学习可以做出策略选择，广泛应用于下棋、走迷宫这一类别中。这种依赖于大数据和强大计算能力的被称为“深度学习”的无监督或半监督机器学习，使计算机可以在无需人力参与的情况下，完成原本只有经过高度专业化训练的专业人士才能完成的任务，甚至超过专家。
另外，为了达到更高的运算能力，谷歌还把AlphaGo接入到了一个有1202个CPU组成的网络中。这使得这个人工智能系统的计算能力在原来的基础上增加了24倍。经过推算，AlphaGo的性能大约是深蓝计算机的2.5万倍左右。按这个节奏计算，假如人类一年能玩1000局，AI一天就可能玩100万局。所以AlphaGo只要经过了足够的训练，还是有可能击败人类选手。毕竟，人类在长时间的下棋比赛后，由于生理和心理限制可能会疲累，进而犯错，但机器不会。
不过谷歌董事长施密特表示，即使机器真的赢了，人类仍是赢家。即使AlphaGo机器最终赢了李世石，对于人工智能是否会“碾压”人类，依然存疑，我们不必过于焦虑，人工智能可能还有很长的路要走。
5.历史上的人机大战
01
深蓝战胜卡斯帕罗夫
1997年，美国IBM公司的“深蓝”超级计算机深蓝以二胜一负三平的战绩战胜了当时世界排名第一的国际象棋大师卡斯帕罗夫，成为赢家。
02
浪潮天梭挑战人类象棋大师
2006年的浪潮天梭超级计算机，挑战人类象棋大师一役，在最终的巅峰对决中，许银川与浪潮天梭两战皆和。浪潮天梭向世人证明了自己超强的运算能力。
03
全才学霸沃森挑战人类
2011年，“深蓝”的同门师弟“watson”（沃森）在美国老牌智力问答节目《危险边缘》中挑战两位人类冠军，并获得成功。
04
AlphaGo以5:0完胜欧洲冠军樊麾
2016年1月，美国谷歌公司旗下的人工智能(AI)开发商“DeepMind”(位于英国)研发的围棋电脑软件“AlphaGo”(阿尔法围棋)打败了职业棋手樊麾，开创全球先河。
进入21世纪后，科学研究从大数据、人工智能到虚拟现实，从发现了类地球行星、引力波到无人驾驶、量子计算，这是一个创新不断、惊喜不断的时代，而我们有幸参与其中，这也许比单纯讨论比赛输赢更有趣。
（文章来源：Theverge，编译：陈嘉，部分内容出自《知识就是力量》杂志、《围棋与人工智能》作者：师军，审稿：中国科学院自动化研究所李长亮博士，原创文章，转载请标明出自科普中国微信公众号）
【FUTURE PROGRAMMING COURSE】尊享对接老板
电话+V： 152079-09430
机构由一批拥有10年以上开发管理经验，且来自互联网或研究机构的IT精英组成，负责研究、开发教学模式和课程内容。公司具有完善的课程研发体系，一直走在整个行业发展的前端，在行业内竖立起了良好的品质口碑。
友情链接