各位网友好，小编关注的话题，就是关于海峡人工智能的问题，为大家整理了1个问题海峡人工智能的解答内容来自网络整理。

老棋手马晓春战胜了CGI，对这个近来风头甚劲的***围棋AI，应该如何评价

CGI是***开发的围棋AI，也许很多人还没听说过，但其实已经有了极高的水平。

这么说吧，除了AlphaGo Zero和AlphaGo Master之外，现在世界上最强的AI就属中国大陆的绝艺、日本的DeepZenGo和***的CGI了。

这三者水平差不多，现在同处第二集团，基本都达到了AlphaGo Lee的水平或者再稍高一点点。世界上其他的AI，暂时都落后于AlphaGo和这三者。

从野狐平台的记录来看，CGI对一些知名AI程序和一流棋手的成绩是这样的：

是不是比想象中的厉害多了？同样是按照AlphaGo的模型来训练的，CGI的水平从成绩来看已经追上了绝艺和DeepZenGo了。

从绝对实力来说，马老对CGI，看上去应该是一边倒的，以马老现在的年龄和退化的实力，如果以等级分算胜率，马老对CGI的胜率应该接近于零。

然而马老赢了。

马老怎么赢的呢？说实在话，这盘棋从开始到最后，CGI基本一直掌控局面，马老形势始终不好。但是CGI最后没有算到下面整条大龙有可能死，所以判断上出现了重大问题，被马老抓住机会屠了龙。

其实本来大龙是打劫活，但是CGI显然是因为看不懂摇头劫，所以在马老已经动手杀棋之后，CGI仍然以为棋是活的，最终打劫变净死。

AlphaGo模型训练出的程序和人还是有点不同的，进入了大局面掌控的格局，AI基本就是必胜局面。但是在涉及复杂对杀、大龙攻杀、打劫等等复杂局面时，蒙特卡洛算法的逻辑缺失就容易暴露出来。人类棋手如果想要战胜水平高于自己的AI，基本只能找这种机会，没有机会就要创造机会。

当然，如果AI和人类棋手之间的水平差距拉开了，哪怕知道对手相对的短板在哪里，但它的短板比你的长处还长的多，你就很难找到这种机会了。现在的AlphaGo Master和AlphaGo Zero基本就进入到这种水平区间了，但是刚追上老版AlphaGo水平的CGI、绝艺和DeepZenGo等明显还没有。

这是2017年11月5日，“象屿杯”海峡两岸围棋与人工智能邀请赛，马晓春与王立诚分别与CGI和天壤对局。让人大跌眼镜的是，老棋手马晓春居然战胜了CGI，王立诚也胜了天壤。马晓春用自己《围棋36计》中的“瞒天过海”计，在人工智能已经统治围棋的氛围中，取得一胜，很有意思。

获胜的马晓春非常高兴，之前他曾自称“二流围棋AI的试金石”，在华山邀请赛上胜过2个实力不强的AI。他说的“二流”，其实不是指CGI，意思是说，如果连他都胜不了，围棋AI就没有必要和一线职业下了。CGI已经被公认可以碾压人类高手。马晓春能积极出来和AI比赛，而且能在正式比赛中战胜一流的AI，确实让人佩服。

CGI是***交通大学开发的围棋AI，在核心吴毅成教授的带领下，一直坚持研发了十多年。一直不温不火，但是2017年下半年异军突起，一举杀到了围棋AI第二阵营中，与绝艺、DeepZenGo同等实力，仅次于AlphaGo。在2017年中信证券杯首届世界智能围棋公开赛预赛中，CGI一鸣惊人地战胜绝艺与DeepZenGo夺得预赛头名，在决赛中负于DeepZenGo获亚军。在野狐对弈平台，CGI对人类顶尖高手胜率极高，2017年9月23日升上了“10段”（对世界冠军和全国冠军20战18胜以上）。

9月24日后，CGI没有再在野狐下棋，下线升级去了。11月2日，CGI重出江湖，对职业高手9连胜，其中有多位一线高手。之前声称不再和AI下棋的柯洁忍不住也出手，和CGI下了两盘也输了，输棋之后柯洁感叹到“我还是太弱了”。虽然是对人类棋手不利的快棋，但CGI的表现非常强势。这让人怀疑，是不是CGI在AlphaGo Zero的新论文出来后，又取得了巨大进步？但马晓春证明，并没有。

行棋至此，执白马晓春局面大差，实空落后很多。但是马晓春其实早有盘算，他其实是用自己写的《围棋36计》中的”瞒天过海“计，盯着黑中下方的大龙死活。其实观棋的罗洗河等棋手之前就发现了黑大龙有问题，白M4位提吃，黑有麻烦。但是马晓春并不急于出手，他察觉到了CGI作为人工智能的特点，沉稳地在周边行棋，为杀棋做好准备。”瞒天过海“的要点，就是要沉住气，利用对手没有发现问题时准备充分，一击必胜。这个杀棋由于要打劫，所以是要准备的。

白终于出手后，206打吃时，CGI出现了巨大bug！它应该M3位打劫的（虽然也是不利），但207接就是净死了，这是人绝对不会犯的死活错误。CGI出现这种死活bug，说明它还是存在目前围棋AI普遍的错误，离AlphaGo还差很远。CGI对一线职业胜率极高，却输给脱离一线多年的马晓春，也说明围棋AI的实力和人不一样，不出错非常强，出了错谁都能输，并不是对等级分高的就容易出错。当然马晓春能通过构思抓住AI出错的机会，也不全是运气。

这种错误很难消除，如果模仿2016年AlphaGo-Lee的架构开发围棋AI，总是会存在这样的问题。努力开发，虽然会减少出错概率，但不能让人完全放心。绝艺、DeepZenGo都这样。

那么AlphaGo Zero脱离人类棋谱训练的文章出来了，新的架构很简单，看上去很容易实现。AlphaGo Zero三天就训练成功以100:0战胜了AlphaGo Lee。是不是会有一堆围棋AI达到很高水平？并不是。

这个原因开发CGI的吴毅成教授已经指出来了: AlphaGo Zero自学习要么太慢，要么太花钱了！

按他的估算，训练要上千颗TPU，相当于上万个GPU，这个硬件价值就是5000万人民币左右，一般团队真做不了。如果硬件不行，那训练就得好几年才有结果，等于不可行。其实现在已经有些人（如Leela的开发者）写出了类似AlphaGo Zero自学习的神经网络架构与代码，但就是没有足够硬件，就想让爱好者拿自己的GPU来分布式计算，进展也不乐观。

所以，AlphaGo Zero的新论文看上去简单，但复制起来，比之前的AlphaGo Lee的门槛要难，甚至是搞不动。当然训练好了以后，真出来下棋就用不了这么多资源了，AlphaGo Zero下棋时用4个TPU。

到此，大家对海峡人工智能的解答时否满意，希望海峡人工智能的1解答对大家有用，如内容不符合请联系小编修改。