李世石人機大戰(zhàn)第五局比賽結果是什么？第五局誰贏了？下面西西就為大家詳細介紹。
李世石人機大戰(zhàn)第五局誰贏了 李世石人機大戰(zhàn)第五局比賽結果直播地址
李世石人機大戰(zhàn)直播軟件：http://www.innovatechautomation.com/soft/228037.html
隨著李世石的兩次投子認輸，這場圍棋人機大戰(zhàn)的結果已經(jīng)是谷歌的AlphaGo領先了，而且是干脆利落的2:0。當這一結果出來時，全世界都目瞪口呆。
這場世紀大戰(zhàn)，吸引了超乎想象的關注度，也引發(fā)了足夠多的討論。因為這里有足夠多的噱頭：人機大戰(zhàn)、“人類智慧最后一塊高地——圍棋”、機器人、人工智能、人類的恐慌……于是，我們的社交媒體都被這場大戰(zhàn)占領了。
好賭是人類的天性之一，競猜比賽結果就成為茶余飯后的談資。極端者有兩派，認為李世石會完勝的主要來自圍棋界，認為機器人會完勝的主要來自科技界里的技術派。沒那么極端有分為這么幾個門派：長遠派，代表人物是李開復，認為這次AlphaGo可能懸，但長遠趨勢一定是AlphaGo勝利；恐慌派，對機器人為代表的新技術有莫名的恐慌，希望李世石能夠以3:2之類的比分獲勝；偽技術派，對AI一知半解，甚至連“引力波”這樣的東東都拉扯上，希望AlphaGo能夠以3:2之類的比分獲勝……
這兩年重點也在研究人工智能，加之發(fā)表了一些文章和觀點，幾個月前也出版了一本相關著作《智能爆炸：開啟智人新時代》，因此也有不少媒體朋友采訪我。月初也專門寫了一篇文章，標題就很直觀表達了我的預測結果——“圍棋人機大戰(zhàn)，機器獲勝毫無懸念”。
下面來分析下其中的原因，李世石真的毫無懸念的輸給了AlphaGo，到底是什么造成的：
1、機器的深度學習能力，可以讓棋藝突發(fā)猛進
開賽前，中國的圍棋高手古力接受采訪時曾如此預測，他認為幾個月前AlphaGo戰(zhàn)勝歐洲冠軍時，展現(xiàn)出來的只是一個專業(yè)初段的水平，而李世石可是專業(yè)九段頂級高手，幾個月內，從初段提升到九段水平，古力認為完全不可能。
古力的說法是對的，也是錯的。對于人類，這當然不可能；對于機器，這就有了可能性。其中的原因就是，機器會深－度－學－習。
深度學習的“技術路線”是模擬人類大腦神經(jīng)網(wǎng)絡的工作原理，將輸出的信號通過多層處理，將底層特征抽象為高層類別，它的目標是更有效率、更精確地處理信息。深度學習自2006年由Geoffrey Hinton教授和他的兩個學生被提出后，使得機器學習有了突破性的進展，極大地推動了人工智能水平的提升。2013 年，《麻省理工技術評論》把它列入年度十大技術突破之一。
人腦具有一個深度結構，認知過程是逐步進行，逐層抽象的，能夠層次化地組織思想和概念。深度學習之所以有如此大的作用，正是因為它較好地模擬了人腦這種“分層”和“抽象”的認知和思考方式。
深度學習的實質，是通過構建具有很多隱層的機器學習模型和海量的訓練數(shù)據(jù)，來學習更有用的特征，從而最終提升分類或預測的準確性。因此，“深度模型”是手段，“特征學習”是目的。區(qū)別于傳統(tǒng)的淺層學習，深度學習的不同在于：（1）、強調了模型結構的深度，通常有5層、6層，甚至10多層的隱層節(jié)點；（2）、明確突出了特征學習的重要性，也就是說，通過逐層特征變換，將樣本在原空間的特征表示變換到一個新特征空間，從而使分類或預測更加容易。與人工規(guī)則構造特征的方法相比，利用大數(shù)據(jù)來學習特征，更能夠刻畫數(shù)據(jù)的豐富內在信息。
深度學習使得人工智能在幾個主要領域都獲得了突破性進展：在語音識別領域，深度學習用深層模型替換聲學模型中的混合高斯模型（Gaussian Mixture Model, GMM），獲得了相對30%左右的錯誤率降低；在圖像識別領域，通過構造深度卷積神經(jīng)網(wǎng)絡（CNN），將Top5錯誤率由26%大幅降低至15%，又通過加大加深網(wǎng)絡結構，進一步降低到11%；在自然語言處理領域，深度學習基本獲得了與其他方法水平相當?shù)慕Y果，但可以免去繁瑣的特征提取步驟。可以說到目前為止，深度學習是最接近人類大腦的智能學習方法。
深度學習引爆了一場革命，將人工智能帶上了一個新的臺階，將對一大批產(chǎn)品和服務產(chǎn)生深遠影響。
應該說，深度學習是谷歌有底氣在戰(zhàn)勝歐洲冠軍幾個月后，就敢來挑戰(zhàn)世界冠軍李世石的底氣所在。
2、超常的計算能力，遇強則更強
可以說，沒有哪一項技術的發(fā)展速度之快能像計算機技術那樣令人驚訝。根據(jù)雷庫茲韋爾的觀點，從計算機發(fā)明至今，計算機性能指數(shù)和性價比指數(shù)一直呈指數(shù)級增長，且先后歷經(jīng)了五種范式——機電、繼電器、真空管、離散晶體管和集成電路。著名的摩爾定律也得益于技術精進和范式轉換，得以一直延續(xù)至今，其生命力也可能隨著納米技術和材料技術的發(fā)展延續(xù)到21世紀中葉。
“集成電路芯片上所集成的電路的數(shù)目，每隔18個月就翻一倍�！弊鳛橛⑻貭柟緞�(chuàng)始人之一的戈登·摩爾，在50年前提出這一論斷時，顯然沒有意識到自己這一略顯武斷的結論將對人類進步產(chǎn)生多么巨大的影響。盡管在此后的一段時間內，他不斷修正這一論斷，使它不像數(shù)學定律那樣可靠，但這一定律仍揭示了一個重要趨勢——芯片技術、計算機技術乃至人類科技文明都在呈指數(shù)級加速增長。相比于預測未來的未來學意義，摩爾定律的現(xiàn)實意義更在于它的樂觀主義精神——它使人類（至少是一大部分人）義無反顧的將全部籌碼傾注于現(xiàn)在看起來毫無意義、毫無進展的領域之上——比如曾經(jīng)的人工智能技術。
典型代表可能就是量子計算機。2012年諾貝爾物理學獎得主、法國科學家Haroche在其諾貝爾獲獎演講說：“量子計算機看起來是一個烏托邦�！� 量子比特恰似那只將人折磨得死去活來的薛定諤的貓，捉摸不定又令人傷透腦筋。同納米管計算一樣，量子計算機面臨的更多的是工程問題而非理論問題。當然，工程難題又需要另一套理論去解決，但當前的科學界已出現(xiàn)越來越多這樣的節(jié)點——工程實踐與科學實驗跟不上理論創(chuàng)新的步伐。我們期待著技術發(fā)展的積累與突破，能為計算機技術提供新的范式，能令智能體具備更聰明的“大腦”，從而給我們的生活帶來更大的驚喜與變革。
回到AlphaGo身上，這種計算能力可能讓它遇到初段選手時，發(fā)揮出來的可能也就是初段的水平，遇到九段選手時，也能發(fā)揮出九段的水平。一言以蔽之，就是遇強則強。
3、“三體人”式的思維交流
“三體人”是著名科幻作家劉慈欣作品《三體》中的一個種群，形狀不明，以水生存，用思維交流。由于長期生活在惡劣環(huán)境中，該物種進化出了可脫水休眠、經(jīng)浸泡再復蘇的功能。三體人思維的透明和地球人思維的不透明造成的沖突是推動《三體》一書情節(jié)發(fā)展的引擎。
我認為，“智人”的進化方向可能三體人，至少在思維方式上是如此。隨著腦逆向工程和神經(jīng)傳感技術發(fā)展，人類的意識將可以擺脫肉體束縛直接與其他“智人”（包括人類、半機器人、機器人）進行交流。這意味著，人類有可能變成“三體人”那樣，能夠進行直接的思維交流。思維無疑是人類智能中最深奧的一部分，人類歷史長河中出現(xiàn)的各種文明可以說都是思維的產(chǎn)物。一旦我們具有了“三體人”的透明思維，“人心難懂”的問題將得到解決。
由此看來，人工智能由弱到強的轉變，從思維進化角度來說就是機器從無思維到有思維、再到有自主思維、繼而到與人類共享思維，最會可能到控制人類思維的持續(xù)轉變。
在圍棋這種復雜的智力游戲中，如果沒有很好的思維，只是簡單的大數(shù)據(jù)，可能真的無法戰(zhàn)勝李世石這樣的高手。
當然，這次的人機大戰(zhàn)，除了AlphaGo的超常發(fā)揮，應該還有李世石自身的原因。比如李世石懼怕AlphaGo的大數(shù)據(jù)，下出一些特殊的棋路等，反而影響了自己的發(fā)揮。再比如李世石沒有很好控制好自己的情緒波動，就算當年他的前輩李昌鎬有“石佛”之稱，畢竟還是血肉之軀，無法不受情緒干擾。而對于AlphaGo來說，李世石的這些缺點，也正是自己的優(yōu)點。
李世石人機大戰(zhàn)第五局比賽結果
李世石連續(xù)兩場比賽的失利，也讓柯潔非常失望，他在賽后總結時，用到的第一個詞就是“惡心”：“惡心極了，讓我有種如鯁在喉的感覺，我已經(jīng)絕望了，這是徹底的完敗�！睂τ贏lphaGo，柯潔承認了它的強大，“我到現(xiàn)在都沒有摸到AlphaGo的底，它的每個判斷幾乎都優(yōu)于李世石，非常犀利，我覺得0比5可能是大概率事件�！�
從比賽畫面中，可以看到李世石的臉非常通紅，柯潔表示，這也是由于緊張所導致的，“他有可能消極情緒特別強，另外如果緊張，也有可能一夜未眠，會導致沒有狀態(tài)�！�
如果AlphaGo真的如此強大，那么人類今后將如何面對它？對此，柯潔認為最重要的還是要擺正心態(tài)，“把它當成一個棋手來對待，不能當成機器，不要覺得是人類就一定要贏�！贝送�，柯潔還表示，“其實中國很多90后的世界冠軍都會不服，因為李世石下得很糟糕�！辈贿^，柯潔最后還是總結道，“必須承認AlphaGo確實很強�！�
下載 
下載 
下載 
下載 
下載 
下載 
喜歡 
頂
難過
囧
圍觀
無聊
