AlphaGo

Logo AlphaGo

AlphaGo – program komputerowy do gry w go stworzony przez firmę DeepMind[1]. W listopadzie 2015 roku jako pierwszy automat pokonał zawodowego gracza, Fan Hui, w pięciorundowym pojedynku na pełnej planszy w równej grze. Mecz zakończył się wynikiem 5:0. W marcu 2016 w meczu z jednym z najlepszych zawodowych graczy – Lee Sedolem – wygrał 4:1. W uznaniu wygranej AlphaGo otrzymał honorowy 9. dan od południowokoreańskiej federacji go[2].

Algorytm stojący za programem stanowi kombinację technik sieci neuronowych, uczenia maszynowego oraz wyszukiwania Monte Carlo[3][4].

22 grudnia 2016 roku został wybrany przez Science jako jeden z „przełomów roku”[5].

Historia i współzawodnictwo

Go jest znacznie trudniejsze dla komputerów niż inne gry, takie jak szachy, ponieważ znacznie większy współczynnik rozgałęzienia utrudnia stosowanie tradycyjnych metod, takich jak algorytm alfa-beta, przechodzenie drzewa i wyszukiwanie heurystyczne[3][6].

Prawie dwie dekady po tym, jak IBM Computer Deep Blue pokonał mistrza świata w szachach Garri Kasparowa (w 1997 r.), najsilniejsze programy go z wykorzystaniem technik sztucznej inteligencji osiągnęły tylko poziom amatora 5-dan[7] i wciąż nie mogły pokonać profesjonalnego gracza go bez handicapów[3][4][8]. W 2012 roku program Zen, działający na czterech komputerach PC, pokonał Masakiego Takemiya (9p) dwa razy z użyciem 5 i 4 kamieni handicap[9]. W 2013 roku Crazy Stone pokonał Yoshio Ishida (9p) w grach na czterokamiennych handicapach[10].

Według Davida Silvera projekt badawczy AlphaGo został utworzony około 2014 roku w celu sprawdzenia, jak dobrze sieć neuronowa wykorzystująca głębokie uczenie się może rywalizować w go. AlphaGo stanowi znaczną poprawę w stosunku do poprzednich programów go. W 500 grach przeciwko innym dostępnym programom go, w tym Crazy Stone i Zen[11], AlphaGo działające na jednym komputerze przegrało tylko raz[12]. W podobnym meczu AlphaGo na wielu komputerach wygrała wszystkie 500 gier granych przeciwko innym programom Go i 77% gier rozgrywanych przeciwko AlphaGo działającemu na jednym komputerze. Wersja rozproszona w październiku 2015 r. używała 1202 CPU i 176 GPU[7].

Mecz przeciwko Fan Hui

Fan Hui
Fan Hui (2005)

W październiku 2015 r. dystrybuowana wersja AlphaGo pokonała profesjonalnego mistrza europejskiego go Fana Huia, 2-dan (z 9 dan możliwych), pięć do zera[4][13]. Był to pierwszy raz, kiedy program komputerowy go pokonał profesjonalnego człowieka na pełnej planszy bez handicapów[14]. Ogłoszenie wiadomości zostało opóźnione do 27 stycznia 2016 r., aby zbiegło się z publikacją w czasopiśmie „Nature”[7] opisującego stosowane algorytmy[4].

  • Fan Hui vs AlphaGo – 1. runda

    Fan Hui vs AlphaGo – 1. runda

  • Fan Hui vs AlphaGo – 2. runda

    Fan Hui vs AlphaGo – 2. runda

  • Fan Hui vs AlphaGo – 3. runda

    Fan Hui vs AlphaGo – 3. runda

  • Fan Hui vs AlphaGo – 4. runda

    Fan Hui vs AlphaGo – 4. runda

  • Fan Hui vs AlphaGo – 5. runda

    Fan Hui vs AlphaGo – 5. runda

Mecz przeciwko Lee Sedolowi

Lee Sedol (2016)

AlphaGo rozegrał 5 meczów z koreańskim zawodowcem go Lee Sedolem (9-dan), jednym z najlepszych graczy w go[8]. Gra odbyła się w hotelu Four Seasons w Seulu, w Korei Południowej w dniach 9, 12, 13 i 15 marca 2016 r.[15][16]. Rozgrywka była transmitowana na żywo[17]. Aja Huang, członek zespołu DeepMind i amator 6-dan Go, umieszczał kamienie na planszy go według wskazówek AlphaGo, który działał w oparciu o Google Cloud Computing z serwerami z siedzibą w Stanach Zjednoczonych[18]. Mecz stosował chińskie reguły z 7,5-punktowym komi, a każda ze stron miała dwie godziny czasu myślenia plus trzy okresy po 60 sekund na tak zwane byo-yomi[19]. Wersja AlphaGo grająca przeciwko Lee wykorzystała podobną moc obliczeniową, jaka była stosowana w meczu Fan Hui[20]. Economist poinformował, że używał 1.920 CPU i 280 GPU[21].

Lee Sedol był drugi na świecie pod względem liczby zwycięstw w mistrzostwach świata w go[22]. Choć nie ma żadnego oficjalnego rankingu w międzynarodowym go, niektóre źródła uznały Lee Sedola za czwartego gracza na świecie w tamtym czasie[23]. AlphaGo nie był specjalnie szkolony do gry przeciwko Lee Sedolowi.

Pierwsze trzy mecze wygrał AlphaGo po rezygnacji Sedola[24][25]. Jednak Sedol pokonał AlphaGo w czwartej grze, wygrywając rezygnację w ruchu 180. Mimo to AlphaGo osiągnęła czwartą wygraną, zdobywając piątą grę po rezygnacji[26].

Nagroda wyniosła 1 milion USD. Od kiedy AlphaGo wygrało cztery z pięciu gier, i tym samym całą serię, nagroda została przekazana organizacjom charytatywnym, w tym UNICEF[27]. Lee Sedol otrzymał 150 000 dolarów za udział we wszystkich 5 meczach i dodatkowe 20 000 dolarów za jego pojedynczą wygraną[19].

W czerwcu 2016 podczas prezentacji na uniwersytecie w Holandii Aja Huang, jeden z zespołów Deep Mind, ujawnił, że poprawił problem, który wystąpił podczas czwartej gry meczu między AlphaGo i Sedol, a po ruchu 78. (który przez wielu specjalistów został nazwany "ręką Boga"), grałby dokładnie i zachowywał przewagę, wystrzegając się błędów, które doprowadziły do przegranej. AlphaGo prowadziło całą grę i ruch Lee nie został zaliczony jako ten, który wygrał grę, ale spowodował, że moce obliczeniowe programu były przekierowywane i zmylone. Huang wyjaśnił, że polityka sieci AlphaGo w znalezieniu najdokładniejszej kolejności i kontynuacji ruchu nieprecyzyjnie doprowadziła AlphaGo do niewłaściwej kontynuacji po ruchu 78., ponieważ jego sieć wartościująca nie uznała, że 78. ruch Sedola jest najbardziej prawdopodobny, i wtedy po ruchu AlphaGo nie mogła dokonać właściwego dostosowania do logicznej kontynuacji[28].

Nieoficjalne mecze online pod koniec 2016 roku do początku 2017 roku

29 grudnia 2016 roku nowe konto o nazwie "Magist" z Korei Południowej zaczęło grać z profesjonalnymi graczami na serwerze Tygem. W dniu 30 grudnia zmieniono nazwę konta na "Master", a następnie 1 stycznia 2017 roku przeniesiono na serwer FoxGo. 4 stycznia DeepMind potwierdził, że "Magister" i "Master" były grającymi i ulepszonymi wersjami AlphaGo[29][30]. Od 5 stycznia 2017 r. rekord internetowy AlphaGo wynosił 60 zwycięstw i 0 strat[31], w tym trzy zwycięstwa nad najlepszym graczem go, Ke Jie[32], który został poinformowany wcześniej, że "Master" jest wersją AlphaGo[31]. Po tym, jak przegrał z "Masterem", Gu Li ofiarował kwotę 100 000 juanów (14 400 USD) na pierwszego człowieka, który mógł pokonać "Mastera"[30]. "Master" grał w tempie 10 gier dziennie. Wielu szybko zaczęło podejrzewać, że jest to sztuczna inteligencja z powodu niewielkich lub żadnych odstępów pomiędzy grami. Jej rywalami byli tak liczni mistrzowie świata, jak Ke Jie, Park Jeong-hwan, Yuta Iyama, Tuo Jiaxi, Mi Yuting, Shi Yue, Chen Yaoye, Li Qincheng, Gu Li, Chang Hao, Tang Weixing, Fan Tingyu, Zhou Ruiyang, Jiang Weijie, Chou Chun-hsun, Kim Ji-seok, Kang Dong-yun, Park Yeong-hun i Won Seong-jin; mistrzostw krajowych lub mistrzostw świata, takich jak Lian Xiao, Tan Xiao, Meng Tailing, Dang Yifei, Huang Yunsong, Yang Dingxin, Gu Zihao, Shin Jinseo, Cho Han-seung i An Sungjoon. Wszystkie 60 gier, z wyjątkiem jednego, prowadzone były w szybkim tempie z trzema 20 lub 30 sekundami byo-yomi. "Master" zaproponował przedłużenie byo-yomi do jednej minuty, kiedy grał z Nie Weipingem ze względu na jego wiek. Po wygraniu 59. gry, "Master" ujawnił się na czacie będąc kontrolowanym przez dr Aja Huang z zespołu DeepMind[33], potem zmienił swoją narodowość na Zjednoczone Królestwo. Po tych meczach współtwórca Google DeepMind, Demis Hassabis napisał na Twitterze: "czekamy na oficjalne, w pełni długie rozgrywki później tego roku [2017] we współpracy z organizacjami go i ekspertami"[29][30].

Ludzcy gracze popełniają więcej pomyłek w szybkich grach online niż w pełnych turniejach turniejowych ze względu na wymagany długi czas do namysłu. Nie wiadomo ostatecznie, czy AlphaGo odniesie taki sukces w turniejach jak w internecie[30]. Jednak eksperci z go są pod wrażeniem wydajności AlphaGo i jego stylu nieludzkiej gry; Ke Jie stwierdził, że „Gdy ludzkość przez tysiące lat ulepszała naszą taktykę, komputery informują nas, że ludzie są w pełni w błędzie... Chciałbym powiedzieć, że żaden człowiek nie dotknął krawędzi prawdy go”[31].

Future of Go Summit w Wuzhen[34][35]

Pod koniec maja 2017 roku AlphaGo zagrał kilka gier w Wuzhen:

  • 23, 25 i 27 maja, Ke Jie vs. AlphaGo
  • 24 maja, Chińska drużyna (Chen Yaoye, Mi Yuting, Shi Yue, Tang Weixing, Zhou Ruiyang[36]) vs. AlphaGo
  • 26 maja, Pair Go: Gu Li i AlphaGo vs. Lian Xiao i AlphaGo[37]

AlphaGo wygrała pierwszą walkę z Ke Jie 23 maja[38], a także drugą 25 maja[39].

Ostatecznie AlphaGo wygrała wszystkie mecze przeciwko Ke Jie, najlepszemu na świecie graczowi w go. Po tym AlphaGo została porzucona, a DeepMind zaczął eksplorować SI w innych dziedzinach niż go[40].

Hardware

Wczesna wersja AlphaGo była testowana na sprzęcie z różnymi CPU i GPU, działającymi w trybie asynchronicznym lub rozproszonym. Każdemu ruchowi przyznano dwie sekundy czasu myślenia. Otrzymane oceny Elo są wymienione poniżej[7]. W meczach z większą ilością czasu na ruch osiąga się wyższe oceny.

Konfiguracja i wydajność
KonfiguracjaWyszukiwane

wątki

Liczba CPULiczba GPUOcena Elo
Pojedyncza[7]404812,181
Pojedyncza404822,738
Pojedyncza404842,850
Pojedyncza404882,890
Rozproszona12428642,937
Rozproszona247641123,079
Rozproszona401,2021763,140
Rozproszona641,9202803,168

W maju 2016 r. firma Google przedstawiła własne, zastrzeżone urządzenia „tensorowe jednostki przetwarzania (TPU)”, które to zostały już wdrożone w wielu wewnętrznych projektach w Google, w tym meczu AlphaGo z Lee Sedolem[41][42].

Na szczycie Future of Go w maju 2017 r. DeepMind ujawnił, że wersja AlphaGo używana podczas tego szczytu nazywała się AlphaGo Master[43][44] i że zmierzono siłę różnych wersji oprogramowania. AlphaGo Lee, wersja używana przeciwko Lee, mogła dać AlphaGo Fan, wersji stosowanej w grze AlphaGo vs. Fan Hui trzy kamienie, a AlphaGo Master była o kolejne trzy kamienie silniejsza[45].

Konfiguracje i siła[46]
WersjeHardwareKlasyfikacja EloMecze
AlphaGo Fanrozpowszechnioneblisko 3,0005:0 przeciwko Fan Hui
AlphaGo Lee50 TPU, rozpowszechnioneokoło 3,7504:1 przeciwko Lee Sedol
AlphaGo Masterjedna maszyna z TPU v2około 4,75060:0 przeciwko profesjonalnym graczom;

Future of Go Summit

Algorytm

Od roku 2016 algorytm AlphaGo wykorzystuje kombinację uczenia maszynowego i technik przechodzenia drzewa, w połączeniu z rozległym szkoleniem, zarówno grając przeciwko komputerom, jak i ludziom. Wykorzystuje on Monte-Carlo Tree Search, kierując się „wartością sieci” i „polityką sieci”, realizowaną za pomocą technologii sieci neuronowych[3][7]. Do przesyłania danych wejściowych przed wysłaniem do sieci neuronowych stosuje się ograniczoną ilość wstępnego przetwarzania detekcji funkcji specyficznych dla danej gry (na przykład aby zaznaczyć, czy ruch pasuje do wzoru nakade)[7].

Sieci neuronowe systemu zostały początkowo załadowane z ludzkiej wiedzy na temat rozgrywek. AlphaGo był początkowo szkolony, aby naśladować sztukę ludzką, próbując dopasować ruchy ekspertów do gier historycznych, wykorzystując bazę danych około 30 milionów ruchów[47]. Gdy osiągnęła pewien stopień biegłości, trenowano ją dalej, grała przeciwko innym kopiom samej siebie, korzystając z nauki wzmocnienia, aby poprawić swoją grę[3]. Aby uniknąć „lekceważenia” marnowania czasu swojego przeciwnika, program został specjalnie zaprogramowany do rezygnacji, jeśli jego ocena prawdopodobieństwa wygrania spadnie poniżej określonego progu. Na meczu w marcu 2016 r. przeciwko Lee próg rezygnacji został ustalony na 20%[48].

Styl gry

Toby Manning, sędzia meczu AlphaGo vs. Fan Hui, opisuje styl programu jako „konserwatywny”[49]. Styl gry AlphaGo zdecydowanie opowiada się za większym prawdopodobieństwem wygranej o mniejszej liczbie punktów niż mniejszym prawdopodobieństwem zdobycia większej liczby punktów[50]. Strategia maksymalizacji prawdopodobieństwa wygrania różni się od tego, co ludzie robią, co ma na celu maksymalizację zysków pola gry i wyjaśnia niektóre dziwne ruchy[51].

Odpowiedź na zwycięstwo nad Lee Sedolem w 2016

Społeczność AI

Zwycięstwo AlphaGo w marcu 2016 było znaczącym krokiem w badaniach nad sztuczną inteligencją[52]. Go był wcześniej uważany za trudny problem w uczeniu maszyn, który miał być poza zasięgiem technologii w tych czasach[52][53][54]. Większość ekspertów uważała, że program go tak potężny jak AlphaGo był oddalony o co najmniej pięć lat[55], niektórzy eksperci uważali, że zanim komputer pokona mistrzów go, minie jeszcze około dziesięć lat[7][56][57]. Większość obserwatorów meczów na początku 2016 oczekiwała, że Lee pokona AlphaGo[52].

W grach takich jak warcaby (w których z człowiekiem wygrał program Chinook), szachy, a teraz go, wygrana komputera w popularną grę planszową nie może już być interpretowana jako główny krok dla sztucznej inteligencji, jak to działo się dotychczas. Murray Campbell z Deep Blue nazwał AlphaGo zwycięstwem „końca ery... gry planszowe są mniej lub bardziej skończone i nadszedł czas, aby przejść dalej”[52].

W porównaniu z Deep Blue lub z Watsonem, algorytmy AlphaGo są potencjalnie bardziej ogólne i mogą być dowodem na to, że naukowa wspólnota dokonuje postępów w silnej sztucznej inteligencji[50][58]. Niektórzy komentatorzy uważają, że zwycięstwo AlphaGo daje dobrą okazję, aby społeczeństwo zaczęło dyskutować nad przygotowaniami do ewentualnego przyszłego wpływu maszyn na inteligencję ogólnego przeznaczenia (jak zauważył przedsiębiorca Guy Suter, sama AlphaGo wie tylko, jak grać w go i nie ma ogólnej inteligencji: „Nie mogłaby się obudzić pewnego ranka i zdecydować, że chce nauczyć się używać broni palnej”[52]). W marcu 2016 r. Stuart Russell stwierdził, że „techniki AI rozwijają się znacznie szybciej niż się spodziewano, co sprawia, że kwestia długoterminowego efektu staje się bardziej pilna” dodając, że „zapewnienie, że coraz silniejsze systemy AI pozostaną całkowicie pod kontrolą człowieka... jest wiele do zrobienia”[59]. Niektórzy uczeni, np. Stephen Hawking ostrzegli (w maju 2015 r. przed meczami), że niektóre przyszłe samodoskonalące się AI mogą uzyskać rzeczywistą ogólną inteligencję, prowadzącą do nieoczekiwanego przejęcia nadzoru przez AI; inni uczeni nie zgadzają się. Ekspert AI Jean-Gabriel Ganascia uważa, że „takie rzeczy jak "rozsądek"... nigdy nie będą odtwarzalne”[60] i mówi: „nie rozumiem, dlaczego mówimy o obawach, przeciwnie, to powoduje wiele nadziei w wielu dziedzinach, takich jak badania dotyczące zdrowia i przestrzeni kosmicznej[59]”. Informatyk Richard Sutton: „Nie sądzę, że ludzie powinni się bać... ale myślę, że ludzie powinni zwracać uwagę”[61].

Społeczność go

Go to popularna gra w Chinach, Japonii i Korei, a mecze z 2016 r. były oglądane przez setki milionów osób na całym świecie[52][62]. Wielu czołowych graczy go określało grę AlphaGo jako nieortodoksyjne pozornie wątpliwe ruchy, które początkowo zaskakiwały widzów, ale miały sens w dalszej perspektywie[56]: „Wszyscy najlepsi gracze go doskonalą swój styl, naśladując najlepszych graczy. AlphaGo wydaje się mieć zupełnie oryginalne ruchy poprzez samoistne ich stwarzanie"[52]. AlphaGo okazało się nieoczekiwanie silniejsze, nawet w porównaniu z jego meczem z października 2015 r.[63], w którym komputer po raz pierwszy w historii pokonał zawodowego gracza go bez użycia handicapów[64]. Nazajutrz po pierwszej porażce Lee, Jeong Ahram, czołowy korespondent dla jednego z największych dzienników w Korei Południowej, powiedział: „Ostatnia noc była bardzo mroczna... Wielu piło alkohol”[65]. Korea Baduk Association, organizacja, która nadzoruje zawodowych graczygo w Korei Południowej, przyznał firmie AlphaGo honorowy tytuł 9-dan za wykazanie umiejętności twórczych i przyspieszenia postępów gry[66].

Ke Jie, chiński 18-latek powszechnie uznawany za najlepszego gracza na świecie[67][68], początkowo twierdził, że będzie w stanie pokonać AlphaGo, ale odmówił grania przeciwko programowi, obawiając się, że „mógłby skopiować mój styl”[63]. W miarę postępów w meczach, Ke Jie stwierdził, że „bardzo prawdopodobne jest, że mogę przegrać” po analizie pierwszych trzech meczów[69], ale odzyskał pewność po tym, jak AlphaGo wykonał błędy w czwartej rozgrywce[70].

Toby Manning, sędzia meczu AlphaGo przeciwko Fan Hui i Hajin Lee, sekretarz generalny Międzynarodowej Federacji Go, stwierdził, że w przyszłości gracze w go otrzymają pomoc od komputerów, aby dowiedzieć się, co zrobili źle w grach i poprawić swoje umiejętności[64].

Po dwóch meczach Lee powiedział, że czuje się „oniemiały”: „Już od samego początku meczu nie udało mi się zdobyć przewagi nad pojedynczym ruchem, było to całkowite zwycięstwo AlphaGo”[71]. Lee przeprosił za swoje straty, stwierdzając po trzeciej grze, że „źle oceniłem możliwości AlphaGo i poczułem się bezsilny”[52]. Podkreślił wówczas „to ja, Lee Sedol, przegrałem, nie ludzkość”[60][72]. Lee powiedział, że jego ostateczna strata przeciwko maszynie „była nieunikniona”, ale stwierdził, że „roboty nigdy nie zrozumieją piękna gry tak samo, jak my ludzie”[60]. Lee nazwał swoją czwartą grę jako „bezcenne zwycięstwo, którego nie wymieniłbym za nic”[72].

Podobne systemy

Facebook pracuje także nad własnym systemem do gry w Go Darkforest, opartym również na połączeniu uczenia maszynowego i przechodzeniu drzewa[49][73]. Nie pokonał jeszcze zawodowego gracza[74]. Darkforest przegrał z "CrazyStone" i "Zen" i ma być do nich podobny[75].

DeepZenGo, system opracowany przy wsparciu portalu Dwango i Uniwersytetu Tokio, przegrał 2-1 w listopadzie 2016 roku z mistrzem Go Cho Chikun, który zajmuje wysokie miejsce w Japonii[76][77].

Przypisy

  1. ↑ Artificial intelligence: Google’s AlphaGo beats Go master Lee Se-dol – BBC News, BBC News [dostęp 2016-03-26] (ang.).
  2. ↑ Match 1 – Google DeepMind Challenge Match: Lee Sedol vs AlphaGo. DeepMind 2016-03-08. [dostęp 2017-05-04].
  3. ↑ a b c d e AlphaGo: Mastering the ancient game of Go with Machine Learning, Research Blog [dostęp 2016-03-26].
  4. ↑ a b c d Google achieves AI 'breakthrough' by beating Go champion, „BBC News”, 27 stycznia 2016 [dostęp 2017-05-04] (ang.).
  5. ↑ From AI to protein folding: Our Breakthrough runners-up, „Science | AAAS”, 16 grudnia 2016 [dostęp 2017-05-04] (ang.).
  6. ↑ variational-bayes.org, www.variational-bayes.org [dostęp 2018-03-21].
  7. ↑ a b c d e f g h David Silver i inni, Mastering the game of Go with deep neural networks and tree search, „Nature”, 529 (7587), s. 484–489, DOI: 10.1038/nature16961.
  8. ↑ a b Jethro Mullen, Computer scores big victory against humans in ancient game of Go, CNNMoney, 28 stycznia 2016 [dostęp 2017-05-04].
  9. ↑ Zen computer Go program beats Takemiya Masaki with just 4 stones!, „Go Game Guru”, 18 marca 2012 [dostęp 2017-05-04] [zarchiwizowane z adresu 2016-02-01] (ang.).
  10. ↑ Zarchiwizowana kopia. [dostęp 2017-05-04]. [zarchiwizowane z tego adresu (2013-03-24)].
  11. ↑ Game Terminator! Computer wins 'world's most difficult board game', „Mail Online” [dostęp 2017-05-04].
  12. ↑ Chris Duckett, Google AlphaGo AI clean sweeps European Go champion | ZDNet, „ZDNet” [dostęp 2017-05-04] (ang.).
  13. ↑ http://www.britgo.org/files/2016/deepmind/BGJ174-AlphaGo.pdf
  14. ↑ David Larousserie et Morgane Tual, Première défaite d’un professionnel du go contre une intelligence artificielle, „Le Monde.fr”, 27 stycznia 2016, ISSN 1950-6244 [dostęp 2017-05-04] (fr.).
  15. ↑ Samuel Gibbs, Google’s AI AlphaGo to take on world No 1 Lee Se-dol in live broadcast, „The Guardian”, 5 lutego 2016, ISSN 0261-3077 [dostęp 2017-05-04] (ang.).
  16. ↑ Google DeepMind is going to take on the world's best Go player in a luxury 5-star hotel in South Korea, „Business Insider” [dostęp 2017-05-04] (ang.).
  17. ↑ YouTube will livestream Google’s AI playing Go superstar Lee Sedol in March, VentureBeat, 5 lutego 2016 [dostęp 2017-05-04].
  18. ↑ 韩国最大的传媒机构《中央日报》中文网, chinese.joins.com [dostęp 2017-05-04].
  19. ↑ a b 한국기원, www.baduk.or.kr [dostęp 2017-11-16] [zarchiwizowane z adresu 2016-03-03] (kor.).
  20. ↑ Demis Hassabis on Twitter, „Twitter” [dostęp 2017-05-04] (pol.).
  21. ↑ Showdown, The Economist [dostęp 2017-05-04].
  22. ↑ Steven Borowiec, Google's AI machine v world champion of 'Go': everything you need to know, „The Guardian”, 8 marca 2016, ISSN 0261-3077 [dostęp 2017-05-04] (ang.).
  23. ↑ Korean Go master proves human intuition still powerful in Go, „AsiaOne” [dostęp 2017-05-04].
  24. ↑ Google’s AI beats world Go champion in first of five matches, „BBC News”, 9 marca 2016 [dostęp 2017-05-04] (ang.).
  25. ↑ Google AI wins second Go game against top player, „BBC News”, 10 marca 2016 [dostęp 2017-05-04] (ang.).
  26. ↑ Google DeepMind AI wins final Go match for 4-1 series win, Engadget [dostęp 2017-05-04].
  27. ↑ Associated Press News, hosted.ap.org [dostęp 2018-05-09] (ang.).
  28. ↑ 黄士杰：AlphaGo李世石人机大战第四局问题已解决_TOM棋圣, weiqi.sports.tom.com [dostęp 2017-05-04].
  29. ↑ a b Demis Hassabis on Twitter, „Twitter” [dostęp 2017-05-04] (pol.).
  30. ↑ a b c d Elizabeth Gibney, Google reveals secret test of AI bot to beat top Go players, „Nature”, 541 (7636), 2017, s. 142–142, DOI: 10.1038/nature.2017.21253 [dostęp 2017-05-04] (ang.).
  31. ↑ a b c Humans Mourn Loss After Google Is Unmasked as China’s Go Master - WSJ, www.wsj.com [dostęp 2017-11-16] (ang.).
  32. ↑ Zheping Huang, The world’s best Go player says he still has “one last move” to defeat Google’s AlphaGo AI, „Quartz” [dostęp 2017-05-04] (ang.).
  33. ↑ 横扫中日韩棋手斩获59胜的Master发话：我是阿尔法狗_能见度_澎湃新闻-The Paper, www.thepaper.cn [dostęp 2017-05-04].
  34. ↑ Exploring the mysteries of Go with AlphaGo and China's top players | DeepMind, DeepMind [dostęp 2017-05-04].
  35. ↑ Matt Burgess, DeepMind's AlphaGo is back..and this time it's taking on five humans at once, „WIRED UK” [dostęp 2017-05-04] (ang.).
  36. ↑ 柯洁AlphaGo大战发布会举行 胜者获150万美金, sports.sina.com.cn [dostęp 2017-05-04].
  37. ↑ 人机大战第二季5月乌镇见！ 慢棋+团队配对赛, sports.sina.com.cn [dostęp 2017-05-04].
  38. ↑ Cade Metz, An Improved AlphaGo Wins Its First Game Against the World’s Top Go Player, „WIRED” [dostęp 2017-05-23] (ang.).
  39. ↑ Cade Metz, Google’s AlphaGo Continues Dominance With Second Win in China, „WIRED” [dostęp 2017-05-25] (ang.).
  40. ↑ Cade Metz, AlphaGo’s Designers Explore New AI After Winning Big in China, „WIRED” [dostęp 2017-05-27] (ang.).
  41. ↑ Robert McMillan, Google Isn’t Playing Games With New Chip, „Wall Street Journal”, 18 maja 2016, ISSN 0099-9660 [dostęp 2017-05-04].
  42. ↑ Google supercharges machine learning tasks with TPU custom chip, „Google Cloud Platform Blog” [dostęp 2017-05-04] (ang.).
  43. ↑ AlphaGo官方解读让三子 对人类高手没这种优势, sports.sina.com.cn [dostęp 2017-07-01].
  44. ↑ 各版alphago实力对比 master能让李世石版3子, sports.sina.com.cn [dostęp 2017-07-01].
  45. ↑ New version of AlphaGo self-trained and much more efficient «  American Go E-Journal, www.usgo.org [dostęp 2017-07-01] (ang.).
  46. ↑ 【柯洁战败解密】AlphaGo Master最新架构和算法，谷歌云与TPU拆解, www.sohu.com [dostęp 2017-07-01].
  47. ↑ Cade Metz: In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go (ang.). WIRED, 27 stycznia 2016. [dostęp 2016-02-01].
  48. ↑ Cade Metz, Go Grandmaster Lee Sedol Grabs Consolation Win Against Google’s AI, „WIRED” [dostęp 2017-05-04] (ang.).
  49. ↑ a b Elizabeth Gibney, Google AI algorithm masters ancient game of Go, „Nature”, 529 (7587), 2016, s. 445–446, DOI: 10.1038/529445a [dostęp 2017-05-04] (ang.).
  50. ↑ a b John Riberio: AlphaGo’s unusual moves prove its AI prowess, experts say (ang.). PC World, 14 marca 2016. [dostęp 2016-03-18].
  51. ↑ Tanguy Chouard, The Go Files: AI computer clinches victory against Go champion, „Nature”, DOI: 10.1038/nature.2016.19553 [dostęp 2017-05-04] (ang.).
  52. ↑ a b c d e f g h Tracey Lien, AlphaGo beats human Go champ in milestone for artificial intelligence, „Los Angeles Times”, 12 marca 2016, ISSN 0458-3035 [dostęp 2017-05-04] (ang.).
  53. ↑ A computer has beaten a professional at the world's most complex board game, „The Independent”, 27 stycznia 2016 [dostęp 2017-05-04] (ang.).
  54. ↑ Google's AI beats human champion at Go, „CBC News” [dostęp 2017-05-04] (ang.).
  55. ↑ Google's AlphaGo Beats World Champion In Third Match To Win Entire Series, „Popular Science” [dostęp 2017-05-04] (ang.).
  56. ↑ a b Chess Machina: Computer beats human champ in Chinese chess-like game, „CBC News” [dostęp 2017-05-04] (ang.).
  57. ↑ A Google computer victorious over the world's 'Go' champion - Mar. 12, 2016, money.cnn.com [dostęp 2017-11-16].
  58. ↑ Man vs. machine: Google's AI to take on grand master of ancient Chinese board game, „ABC News”, 8 marca 2016 [dostęp 2017-05-04] (ang.).
  59. ↑ a b Rise of the Machines: Keep an eye on AI, experts warn [dostęp 2017-05-04].
  60. ↑ a b c Game over? New AI challenge to human smarts (Update) [dostęp 2017-05-04].
  61. ↑ An AI expert says Google's Go-playing program is missing 1 key feature of human intelligence, „Business Insider” [dostęp 2017-05-04] (ang.).
  62. ↑ Choe Sang-hun, Google’s Computer Program Beats Lee Se-dol in Go Tournament, „The New York Times”, 15 marca 2016, ISSN 0362-4331 [dostęp 2017-05-04].
  63. ↑ a b Google’s AlphaGo AI program strong but not perfect, says defeated South Korean Go player, „PCWorld” [dostęp 2017-05-04] (ang.).
  64. ↑ a b Elizabeth Gibney, Go players react to computer defeat, „Nature”, DOI: 10.1038/nature.2016.19255 [dostęp 2017-05-04] (ang.).
  65. ↑ How victory for Google’s Go AI is stoking fear in South Korea, „New Scientist” [dostęp 2017-05-04] (ang.).
  66. ↑ Google artificial intelligence program beats S. Korean Go pro with 4-1 score, „Reuters”, 15 marca 2017 [dostęp 2017-05-04].
  67. ↑ Rémi Coulom: Rating List of 2016-01-01 (ang.). [dostęp 2016-03-18]. [zarchiwizowane z tego adresu (18 marca 2016)].
  68. ↑ Google AlphaGo 'can't beat me' says China Go grandmaster, „Telegraph.co.uk” [dostęp 2017-05-04] (ang.).
  69. ↑ Chinese Go master Ke Jie says he could lose to AlphaGo : The DONG-A ILBO, english.donga.com [dostęp 2017-05-04] (ang.).
  70. ↑ '첫 불계승' 이세돌, 커제 9단 태도 좌우…알파고와의 5국 중계는 어디서?, m.hankooki.com [dostęp 2017-05-04] (kor.).
  71. ↑ Choe Sang-hun, In Seoul, Go Games Spark Interest (and Concern) About Artificial Intelligence, „The New York Times”, 15 marca 2016, ISSN 0362-4331 [dostęp 2017-05-04].
  72. ↑ a b Yoon Sung-won: Lee Se-dol shows AlphaGo beatable (ang.). The Korea Times, 14 marca 2016. [dostęp 2016-03-15].
  73. ↑ Yuandong Tian, Yan Zhu, Better Computer Go Player with Neural Network and Long-term Prediction, „arXiv:1511.06410 [cs]”, 19 listopada 2015, arXiv:1511.06410 [dostęp 2017-05-04].
  74. ↑ HAL 90210, No Go: Facebook fails to spoil Google's big AI day, „The Guardian”, 28 stycznia 2016, ISSN 0261-3077 [dostęp 2017-05-04] (ang.).
  75. ↑ Strachey Lecture – Dr Demis Hassabis by Oxford University Podcasts. [dostęp 2017-05-04].
  76. ↑ Go master Cho wins best-of-three series against Japan-made AI, „The Japan Times Online”, 24 listopada 2016, ISSN 0447-5763 [dostęp 2017-05-04] (ang.).
  77. ↑ Humans strike back: Korean Go master bests AI in board game bout, „CNET” [dostęp 2017-05-04] (ang.).

Linki zewnętrzne

Media użyte na tej stronie

FHvAG3.jpg
Autor: Alzinous, Licencja: CC BY-SA 4.0
Fan Hui vs AlphaGo – Game 3
FAN Hui vs BAO Yun.jpg
Autor: lyonshinogi, Licencja: CC BY-SA 2.0
FAN Hui vs BAO Yun
FHvAG5.jpg
Autor: Alzinous, Licencja: CC BY-SA 4.0
Fan Hui vs AlphaGo – Game 5
FHvAG2.jpg
Autor: Alzinous, Licencja: CC BY-SA 4.0
Fan Hui vs AlphaGo – Game 2
Lee Se-Dol.jpg
Autor: LG Electronics, Licencja: CC BY 2.0
LG전자, 이세돌 9단과 함께 학생들의 꿈 그린다

■ 이세돌 9단, LG전자의 대국 후원비용 전액 기부 결정

■ 성민복지관에 ‘G5’와 ‘캠 플러스’ 및 복지시설 리모델링 지원


※ Social LG전자 (social.lge.co.kr/newsroom) 에서 관련 보도자료를 확인하실 수 있습니다
FanHui.jpg
Autor: Gofrance, Licencja: CC BY-SA 3.0
Fan Hui, Vainqueur pour la 5e fois du Paris Meijin en 2005
FHvAG1.jpg
Autor: Alzinous, Licencja: CC BY-SA 4.0
Fan Hui vs AlphaGo – Game 1
Alphago logo Reversed.svg
Vector tracing of Google DeepMind's AlphaGo project. Consists of a swirl surrounded by twelve alternating black and white circular stones arranged in a circular array. Swirl dimensions are set so that central circle is the same diameter as one stone and the outer circle diameter is three stones. Swirl "arms" are semicircular with diameter is two stones. Text logo is set in Open Sans with custom kerning. Further modified for display on white background by reversing the colors of the stones and text.
FHvAG4.jpg
Autor: Alzinous, Licencja: CC BY-SA 4.0
Fan Hui vs AlphaGo – Game 4