大数据文摘出品

编译：啤酒泡泡

20世纪90年代后期，IBM深蓝（Deep Blue）研究了一系列的国际象棋算法，期望于打败当时的天下冠军加里•卡斯帕罗夫（Garry Kasparov）。

2016年底，Deepmind在《自然》（Nature）发布论文，报告了他们的终极版围棋程序AlphaGo Zero，这是一个能够完备自学围棋具有革命性意义的算法。
不论何种游戏，只要见告系统这个游戏的基本规则，它就能通过不断的自我对弈学习终极节制游戏的核心。

而最近，伦敦大学学院的研究职员创造，不须要练习，机器可以通过“阅读”讲授员的评论区分好棋和臭棋，学会如何下国际象棋，以及如何更高效地做其他事。

国际象棋爱好者的最爱莫过于谈论Bobby Fischer高超的弃子战术，或是当现代界冠军Magnus Carlsen持续串天才般的进攻招式。
事实证明，这种闲谈可以帮助人工智能软件学习如何下国际象棋。
不久的将来，这项技能可以教会机器利用我们措辞中的情绪内容来节制各种实用技能。

国际象棋算法，SentiMATE，是由伦敦大学学院的研究职员Nicholas McCarthy，Isaac Kamlish和Issac Bentata Chocron设计的。
它通过剖析专业讲授职员的反应来评价每步棋的质量，进而学会这项新的技能。

他们的团队剖析了网上2700局国际象棋的评论。
他们剔除了那些与好棋无关的讲授评论，以及那些表意不明确的评论。
然后，他们利用了一种很分外的循环神经网络和词向量（一种能联系词含义的数学方法）方法，并采取了最前辈的模型来剖析措辞。

人工智能最近在措辞解析上取得了很显著的进展。
例如，位于旧金山的OpenAI研究公司开拓出了一种算法，它可以根据一些提示的词汇天生整篇***故事。

“自然措辞处理领域的未来发展方向，该当是将这种已经学到的信息转换成实实在在的可以办理实际问题的行为”，研究职员在邮件中见告麻省理工学院技能综述杂志，“我们以为笔墨数据的学习方法是一个非常值得探索的研究道路”。

SentiMATE的涌现让研究职员大吃一惊，由于它可以办理一些国际象棋的基本原则和一些关键策略，例如捉双（一个棋子可以同时攻击敌方两个或更多棋子）和王车易位（国王和车在棋盘下方移动到更偏防守的位置）。

它不是人工智能大师，它做不到一贯降服某些传统的国际象棋游戏机器人。
但是这个程序表明，未来可以利用措辞来学习如何玩好游戏。
与传统方法比较，它只需更少的数据，而且不须要很强的打算能力。

国际象棋一贯是考验机器智能进展的标志性事物，从艾伦图灵1951年的国际象棋程序（写入论文）到加里卡斯帕罗夫败在IBM的“深蓝”手中。

包括deepmind的网红程序“AlphaZero”，游戏的规则会输入到该程序中，然后它通过跟不同版本的自己对战来提高技战术。
由于是自学，AlphaZero发展出一些少见而又令人惊异的策略。

但是和“深蓝”一样，AlphaZero须要几千个谷歌的张量处理器以及上百万盘棋局的数据。

研究职员说，SentiMATE利用的学习方法不仅仅可以用到国际象棋中，还可以运用到很多其他的实际问题中。
例如，这些方法或容许以帮助机器剖析运动、预测金融活动、以及供应更好的推举。
“有很多书本、博客和论文在等着它去学习”，团队职员指出。