大學(xué)生的人工智能畢業(yè)論文(2)
大學(xué)生的人工智能畢業(yè)論文
大學(xué)生的人工智能畢業(yè)論文篇二
計算機博弈,歷來是人工智能的一個重要的研究領(lǐng)域,早期人工智能的研究實踐,正是從計算機下棋開始。因為人類開發(fā)下棋軟件,目的是讓計算機模仿人腦進(jìn)行思維,如果能夠掌握下棋的本質(zhì),也許就掌握了人類智能行為的核心,那些能夠存在于下棋活動中的重大原則,或許就存在于其它任何需要人類智能的活動中。所以說,下棋軟件某種意義上可以代表人工智能的發(fā)展程度。
從上世紀(jì)六十年代的“跳棋機”到1997年的“深藍(lán)”,計算機下棋程序在人機對弈中取得了一個又一個勝利,但是這些程序雖然屬于人工智能范疇,實際上它們并沒有多少“智”的成分,主要部分都是在可行范圍內(nèi)搜索。各種研究也大都是怎樣使搜索更快更有效。它們?nèi)狈?ldquo;智”的成分的根本原因,是我們自己并不清楚人類是以怎樣的形式思考的。比如你寫一個名字問一名教師,這人是不是他班上的學(xué)生。教師馬上就可以回答是或不是。如果你問計算機,計算機也可以馬上正確地回答是或不是。但計算機的方式是把這個名字與學(xué)生名單里所有名字一一比較以后得出的答案。計算機搜索很快,全走一遍幾乎可以瞬間完成。但我們知道教師是不可能在短時間內(nèi)把班上所有學(xué)生的名單過一遍的。類似的,我們看到一個人的照片,馬上就知道我們以前見沒見過這個人,我們不可能在短時間內(nèi)把我們以前見過的人都檢查一遍,那么我們是怎樣得出結(jié)論的呢?現(xiàn)在我們對此還不是完全清楚。
下棋的時候棋盤上可走的地方很多,但下棋的人并不是每種走法都去考慮。那么哪些位置需要考慮,哪些位置不需要考慮,這就是“模式識別”問題。人腦有“模式識別”功能,可以很快得出一個大致的結(jié)論,計算機沒有這種功能,只好所有的位置都考慮。在人機博弈中,計算機人工智能的基本思考方法是窮舉法,即通過對所有可能的招法的演化結(jié)果進(jìn)行比較,最后選擇出一個最好的招法。例如在象棋的某個“局面”中,如果有38種合乎規(guī)則的棋子走法,無論選擇其中哪一種,都會再生成一個新局面。將所有這些變化列起來,就會形成一棵“博弈樹”,計算機要做的,就是比較最后一層結(jié)果,選擇其中一個最好的,然后逆推,找到本局面下最好的一個走法,計算機的這種思考能力在中局搏殺階段表現(xiàn)得尤為明顯。另外,在人機對弈中,計算機面對每一步棋時,都將會模仿人的思考方法盡可能地簡化搜索范圍,然后對其進(jìn)行橫向比較并選擇最優(yōu)走法。但是,國際象棋的變化總數(shù)達(dá)到10的123次方,而中國象棋的變化數(shù)量比這還要多得多,可達(dá)10的144次方以上,圍棋的變化就更多,達(dá)10的172次方以上,計算機不可能算出棋盤上的所有變化。因此,所謂的“利用窮舉法選擇最好的走法”,指的是棋局的局部,并且是在有限的步驟里,而不是通盤窮舉,它更沒法對整盤棋的形勢做正確判斷。這就是它中盤計算超強而大局觀差的原因。半個世紀(jì)以前人們就開始研究國際象棋程序,但因計算機性能問題,在人機對弈中計算機始終表現(xiàn)不佳,因為大空間搜索不可行,就只能用人們設(shè)計的判別模式進(jìn)行選擇性地搜索(模仿人的思維)。選擇不見得對,搜索又不徹底,結(jié)果當(dāng)然不會好到哪里去。好在計算機的性能發(fā)展得很快,到了1997年,IBM的深藍(lán)用“硬搜索”打敗了人類國際象棋世界冠軍卡斯帕羅夫。當(dāng)然深藍(lán)還請了一些國際象棋專家指點判別程序,但主要靠的還是硬搜索。
目前,在三大棋類項目中,國際象棋和中國象棋兩項,計算機的水平都已經(jīng)可以跟最頂級的職業(yè)棋手抗衡了,但在圍棋項目中計算機的水平卻始終上不去,目前圍棋計算機大賽獲得冠軍的軟件也只勉強達(dá)到業(yè)余初段水平,和頂級職業(yè)棋手相比,大概要被讓七子。
為什么計算機圍棋的水平和象棋比差這么多呢?除了資金等投入上有差距外,大致還有以下幾個原因:
(1)國際象棋盤60格,中國象棋90個交叉點,而圍棋則有361個交叉點。象棋一局棋一般三四十個回合七八十步棋,而圍棋一盤棋一般要一百多手棋,最多的會超過三百手棋,這使圍棋的計算量遠(yuǎn)遠(yuǎn)超過象棋,因此對計算機的性能提出了更高的要求,但按照傳統(tǒng)的解決問題的思路,目前計算機還不能滿足這種要求。
(2)中國象棋和國際象棋的目的比較明確,就是保存子力,保衛(wèi)老將(王)。而圍棋以占地多少決定勝負(fù),厚勢與薄味、要子和廢子、模樣和實地,這些都是判斷上的問題,很難在程序中做出界定。
(3)在象棋中,計算占的比重很大,象棋中每個棋子的價值都是可以量化的,例如國際象棋中后相當(dāng)于三個馬或九個兵,在棋局的不同階段或子力優(yōu)勢時再加上不同的權(quán)值,因此計算機可以用準(zhǔn)確無誤的計算來彌補它判斷上的不足。但圍棋的計算只是圍棋的一部分,尤其是序盤階段,對全局形勢的分析與判斷才是重點,由于在棋局進(jìn)程中,隨著周圍的棋子布置不同,原有棋子的價值在不斷地發(fā)生變化,如何判斷取舍,這一方面正是計算機的弱點,也無法通過計算來彌補。
計算機圍棋的難點之一,是缺乏好的估值函數(shù),使計算機圍棋不能如象棋一樣,運用好的估值函數(shù)、搜尋樹及-剪枝法,即可獲得不錯的棋力,計算機圍棋大多依靠一些經(jīng)驗法則,以靜態(tài)的評估為主,而動態(tài)的搜索則僅用于局部的、目標(biāo)明確的棋串攻殺,全局的搜索較少。因此,人類的經(jīng)驗如何用于計算機圍棋,就成了設(shè)計的重點。
圍棋中一般認(rèn)為達(dá)到業(yè)余初段水平才算入門,多年來計算機圍棋的水平一直在門外徘徊,直到目前的最新技術(shù),以蒙特卡羅方法為基礎(chǔ)的UCT算法出現(xiàn)以后,計算機圍棋終于達(dá)到了業(yè)余初段水平,而且從發(fā)展?jié)摿砜催€有很大提升空間。
蒙特卡羅是位于摩納哥的賭城,蒙特卡羅方法(Monte Carlo,縮寫為MC)的名稱象征性地表明該方法的概率統(tǒng)計的特點,它是把所求解的問題同一定的概率模型相聯(lián)系,用計算機實現(xiàn)統(tǒng)計模擬或抽樣,以獲得問題的近似解。MC怎樣用于圍棋呢?針對某局面下的某一手棋,由計算機模擬后續(xù)對局,得到這手棋的獲勝概率,把所有可能下法的獲勝概率都算出來后,選擇獲勝概率最大的下法。MC直接用在圍棋上的缺點十分突出,首先是浪費了模擬次數(shù),因為在有限的時間內(nèi)只能模擬出一定的棋局?jǐn)?shù)。其次,它沒有考慮對方的下一手,如果我們把MC當(dāng)作估值函數(shù),那么對比傳統(tǒng)的人機博弈程序,簡單的MC相當(dāng)于只搜索了一步。如果估值無比精準(zhǔn)的話,那么這一步足矣。實際上圍棋還不存在這么精確的估值,以MC的估值速度,往深算幾步,耗費的時間無法接受。所以人們對算法進(jìn)行了改進(jìn),首先是根據(jù)棋形和基本著法進(jìn)行智能判定,只對合理的著法作模擬,對明顯不合理的招法予以舍棄,其次,對難以判定優(yōu)劣的多種可選方案,用AMAF算法進(jìn)行隨機選擇。
以蒙特卡羅方法為基礎(chǔ)的UCT算法,是目前計算機圍棋在計算手筋和局部戰(zhàn)斗上的最好的算法,在9€?的小棋盤上有過戰(zhàn)勝職業(yè)棋手的記錄,但它也有自己的局限,如果沒有新的算法上的突破,很難跳出業(yè)余的段位,和職業(yè)棋手進(jìn)行對抗。假如將來有一天,計算機圍棋程序戰(zhàn)勝了頂級職業(yè)棋手,是否說明計算機已經(jīng)具有智能了呢?我們?nèi)匀徊荒艿贸鲞@個結(jié)論。
看了“大學(xué)生的人工智能畢業(yè)論文”的人還看了：