20170523-广发证券-柯洁AlphaGo人机对战点评_人机巅峰对决_人工智能技术解析_16页_1mb

人工智能技术解析与AlphaGo人机对战总结

核心内容概述

本文围绕人工智能技术的发展及其在围棋领域的应用展开，重点介绍了AlphaGo与柯洁的对战事件，并深入分析了人工智能近年来取得突破的原因。文章还对机器学习的主要分类进行了说明，特别是增强学习在AlphaGo中的核心作用。

主要观点

1. AlphaGo与柯洁的巅峰对决

• 事件背景：2017年5月，AlphaGo再次与柯洁展开人机大战，专业人士普遍认为柯洁难以取胜。
• 历史背景：2016年AlphaGo曾以4:1战胜李世石，震惊世界；2016年底至2017年初，AlphaGo以60连胜横扫人类顶级棋手。
• 围棋AI发展：AlphaGo的出现标志着围棋AI的飞跃发展，其竞争对手“绝艺”和“DeepZenGo”也达到了顶级棋手水平，但与AlphaGo相比仍有一定差距。

2. 人工智能迅速发展的原因

人工智能近年来取得突破性进展，主要归因于以下四个因素：

• 算法突破：深度学习算法在图像识别、语音识别、自然语言处理等多个领域实现重大突破。
• 数据增长：海量数据的积累为AI提供了坚实的基础，特别是互联网和物联网的发展推动了数据的快速增加。
• 硬件发展：GPU、TPU等专用芯片的出现显著提升了计算性能，推动了AI训练和推理效率。
• 开源软件普及：GitHub等平台促进了AI研究的资源共享，降低了技术门槛。

关键信息

3. 机器学习的分类

机器学习是人工智能的重要分支，分为三大类：

• 监督学习：通过已知输入与输出建立模型，用于预测。包括分类和回归。
• 无监督学习：不依赖输出信息，挖掘数据内部结构，如聚类、关联规则挖掘等。
• 增强学习：通过“试验-反馈-优化”的方式学习策略，以获得最大奖赏。

4. AlphaGo的核心技术——深度增强学习

• 增强学习机制：AlphaGo采用增强学习，将棋局视为状态，胜负视为奖赏，策略为决策方法。
• 策略网络与价值网络：
  • 策略网络：用于预测下一步落子的概率分布，帮助AlphaGo快速聚焦关键位置。
  • 价值网络：用于评估当前棋局的胜负概率，为策略网络提供优化依据。
• 结合优势：通过策略网络和价值网络的结合，AlphaGo避免了传统穷举法的计算瓶颈，显著提升了决策效率。

图表与数据索引

• 图1：深度学习示意图

• 图2：每年投资AI领域的风险投资总额

• 图3：CPU、GPU和TPU的比较

• 图4：CPU、GPU和TPU单位功耗下性能的比较

• 图5：监督学习的模型训练和预测示意图

• 图6：分类算法示意图

• 图7：回归算法示意图

• 图8：聚类示意图

• 图9：增强学习示意图

• 图10：AlphaGo的两个网络模型

• 图11：AlphaGo价值网络和策略网络的决策过程

• 表1：深度学习在机器学习领域的重大突破

• 表2：2016年排名前10的Python机器学习开源项目

风险提示与免责声明

• 本文仅对人工智能技术进行解读，不提供任何投资建议。
• 广发证券股份有限公司具备证券投资咨询业务资格，但不对报告内容的准确性或完整性做出任何保证。
• 报告仅供内部参考，不构成任何证券买卖决策依据。

联系方式

• 分析师：张超，联系方式：020-87555888-8646，邮箱：zhangchao@gf.com.cn
• 相关研究：深度学习股指期货日内交易、深度学习股票多因子Alpha等
• 联系人：文巧钧，联系方式：0755-88286935，邮箱：wenqiaojun@gf.com.cn

总结

AlphaGo作为人工智能在围棋领域的代表，通过深度增强学习技术实现了对人类顶级棋手的超越。其核心技术在于策略网络和价值网络的结合，有效解决了围棋决策中的计算难题。人工智能的发展得益于算法、数据、硬件和开源软件的共同推动，成为当今科技发展的热点。机器学习作为人工智能的重要组成部分，其分类和应用场景广泛，为AI技术的多样发展提供了基础。