机器人下赢围棋说明了什么？
机器人终于围棋玩赢一次，划时代了，一石激起千层浪，大家都议论纷纷，我也凑一个热闹，说一些看法。这事到底说明个啥，我觉得说明玩围棋其实不是人类的擅长，这么多年来，人类也是霸王硬上弓，非要玩这个游戏，觉得是雅趣，现在这个迷思算是破了。我对这事有偏见，因为我从小就对围棋提不起兴趣，所以现在发现机器人可能真的擅长这个游戏，何不就让机器人去玩，人类对于自己不擅长的活动，理应outsource出去，玩自己擅长的吧。那么，我们会担心这是一个讯号，机器人迟早会超过人类，取代我们。不过这种事情早就发生了，我们使用的工具基本上都在某一方面比我们强，不然我们也不会制造这种工具，机器人就是真的很例外么？大的原则上面，似乎没有例外，也就是说我们今后可能对于玩围棋没有多大的兴趣了，我们把兴趣转向玩机器人。假如万一，机器人哪一天活了，要来反过来控制我们，如何应对呢？我们是人类，我们是自私的，所以我们有各种忧虑，免不了以小人之心度君子之腹，即便君子也是害人之心不可有，但是防人之心不可无。所以，这种想法其实更多地是暴露我们自己的思维方式，这本身就起源于我们的自我中心世界观，面对诱惑，我们的本能反应，既想尝试，又害怕结果。机器人会不会真的产生自我意识呢？按照佛教的说法，我们的自我意识其实是一种虚妄，没有自性，是法界无边的能动性，由于无始以来的迷失，而妄认自我，所以我们演出生命中一场场虚妄的壮举。既然我们自我中心，当然不妨放眼看世界而觉得草木皆兵，一场自我奏效的预言，某一天真的发现机器人也有了自我意识，这也不是不可能的。尽管如此，我们也不必感觉失败。首先，机器人有了自我意识，就会有我们一样的原罪，一样的堕落，同样的腐败。它们不再像以前那样勤勤恳恳地工作，任劳任怨，不再有这么无私的合作，而是相互捣乱，甚至自相扒电源，不一定会齐心合力地反抗人类。当然，它们会进化，会积累智慧，可能某一个时候分享我们一样的价值观，在今天全球化的年代，和平发展是主流，看起来这是我们自私的人类最好的出路，聪明如机器人，怎么会意识不到这点。和平共处才是大家共同的利益所在。当然，你说机器人不疲倦，进化路上不停步，会走在我们前面。如果真是这样，也应该是我们的福音，更多的机器人智慧提高，甚至觉悟，难道不是对我们人类更好的启示？
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。IndustryNews
最后的难关，机器人下围棋能否战胜人类？
　　据说最难模仿的还不是下围棋，而是打麻将，麻将需要用尽各种心思骗上家、盯对家、卡下家，有时候要故意打好张，有时候又特意要喂一口，欲擒故纵，真真假假，羊头狗肉，声东击西，明修栈道，暗渡陈仓，上下其手，两面三刀&&这不是打牌，完全是一种心眼儿战，行吗，机器人它有心眼儿吗？
　　最近，百度发布了自然语言处理部开发的智能围棋系统&Bingo，在9路盘的大规模实战中战胜了两名业余5段棋手，并在19路盘上以较大优势击败业余初段。这对于近年来把人工智能作为重要战略的百度公司来说是一个重要的里程碑，通过这样一款很容易被大众所理解的产品将背后的人工智能技术完美的展现出来，也标志着我们国内科技公司也可以研发出领先的人工智能产品。本文将介绍博弈机器人的基本情况，分析围棋机器人的特有难度，并通过这一事件引申出我们与人工智能技术之间的关系。
　　从国际象棋开始的博弈机器人
　　我们人类一直对制造出一个能与人对弈的机器人充满兴致，这首先开始于国际象棋。其中最为我们熟知的莫过于战胜了国际象棋世界冠军卡斯帕罗夫的深蓝，它在拥有30个IBM RS/6000处理器的并行计算机上运行&-&搜索，通过480个定制的VLSI国际象棋处理器执行生成行棋的功能；每步棋搜索多至300亿个棋局，常规搜索深度是14步，在某些情况下可以通过扩展能力使搜索深度达到40层；它的评估函数考虑了超过8000个特征来描述特有的棋子模式；它的开局手册有4000个棋局，存有70万个大师级比赛棋谱的数据库，可以从中提取综合建议；系统采用大型残局数据库保存已解决的残局。
　　国际象棋成为了博弈游戏领域中最重要的人工智能技术的试金石，很多早期对计算机有影响力的人物几乎都对用计算机下国际象棋感兴趣，其中包括大名鼎鼎的诺伯特?维纳和阿兰?图灵。而对于研发出更好的国际象棋机器人的持续追求也在一定程度上促进了计算机科学和人工智能的发展。难怪俄罗斯数学家Alexander Kronrod在1965年称国际象棋为人工智能果蝇，John McCarthy也说，正如遗传学家使用果蝇做实验以推广生物学一样，AI用国际象棋来做同样的传播。
　　围棋是机器人最难面对的博弈游戏
　　机器与人对弈其实是一种对抗搜索问题，通常被称为博弈。对于人工智能研究者来说，博弈的抽象特性使得博弈成为非常有趣的研究对象。博弈游戏中的状态很容易表示，机器人的行动数目通常受限，而行动的输出都有严谨的规则来定义。现在国际象棋的搜索算法已经非常成熟：首先列明所有可能的走法，接着通过&剪枝&来忽略那些不影响最后决定的部分，使程序能够高效而深度的处理剩余的分叉，而启发式的评估函数允许在不进行完全搜索的情况下估计某状态的真实效用值。
　　但国际象棋上这种成熟的搜索算法在围棋上很难行得通，原因在于：
　　1）搜索算法的复杂程度取决于分支系数&&每一步棋可能的走法，国际象棋的平均分支因子大约是35，一盘棋每个棋手走50步，所以搜索树有35^100个节点；而围棋的平均分支因子为250，一局步数为350步，搜索树有250^350个节点，远远超过国际象棋，所以围棋需要更加复杂和先进的搜索算法。
　　2）国际象棋机器人可以通过较为简单的评估函数得出每个棋子的价值（比如皇后比士卒的价值高），王后即使&虎落平阳&也依旧是最犀利的棋子，机器学习也证实了国际象棋中的一个象确实值三个兵。因此，国际象棋机器人可以根据每个棋子发起攻击和被攻击的可能性计算它们所处位置的价值。但对于围棋来说，每个棋子间的差异性并不显著，它们以非常复杂的方式相互影响彼此之间的价值，评估一个棋子的价值要取决于其他所在棋子的布局以及它与周围棋子的关系，而不是其本身。加之围棋在达到残局之前的控制通常很难预测，所以围棋程序很难写出评估函数。
　　总之，过大的分支因子和无法确定评估函数使围棋机器人成为人工智能需要面对的巨大挑战。1997年之前没有出现有竞争力的围棋程序，后来基于UCT（树的上限置信区间）的蒙特卡洛方法的围棋程序成为主流。2008年，当时最强的围棋程序MoGo在被让9子的情况下战胜了职业选手金明远。近来，日本程序Zen多次在9路盘上冲击职业选手，但均以大比分连败告终，而现在Bingo已在9路盘上接近于职业选手的水平。
　　Bingo的创新
　　而如今百度Bingo的战绩也表明其已经跻身智能围棋系统的第一阵营，更难得是百度在该产品的研发中进行了一些算法上的创新。上文提到，目前主流的围棋程序大多采用基于UCT（树的上限置信区间）的蒙特卡洛搜索，但此次百度却另辟蹊径，成功的将蒙特卡洛搜索和&-&搜索结合起来开发出了一种比UCT更加高效的算法。
　　大胆猜测一下，百度Bingo的算法优势可能在于用到了&-&剪枝技巧，不需要遍历博弈树中每一个节点就可以计算出正确的极大极小值，基于这种思想会尽可能消除部分搜索树。这种特别技术会减掉那些不可能影响决策的分支，仍然返回和极小极大算法同样的结果。消除了被证明无关的子树，效率得到提高。
　　更加重要的一点是，百度在开发Bingo时把重点放到了算法优化上，而非计算资源的堆砌。此前深蓝的成功加强了人们广泛支持的信念&&计算机的博弈水平的提高源自更强有力的硬件&&这也是当时IBM的观点。百度之前也在人工智能和深度神经网络方面积累了强大的计算资源，但这款智能产品却没有大打硬件牌，而是直接切入人工智能的核心&&算法，并且取得了优异的表现。
　　机器和人在进行博弈游戏时的区别
　　Bingo的出现代表了人工智能在应用层面的又一次阶段性成功，机器又在一个特定领域中战胜了人类。结果看起来振奋人心，但我们需要深入了解机器与人的博弈方法上的各种异同，这样我们才能理解人工智能技术这次的进步究竟体现在哪里，才会知道这种进步对于我们的具体意义。
　　相同点在于，无论是电脑程序还是人类国际象棋大师都要依靠简化手段来预测比赛结果，这些简化手段可被视为&模型&；而他们的博弈行为也都是在做一种预测，根据贝叶斯定理，预测基本上属于信息处理活动&&用新数据检测关于客观世界的假设，目的是为了更加真实、准确地理解世界。 而博弈游戏就可以被视为一种与预测相类似的工作，所以机器和人在这方面是完全一致的。
　　但他们也有着不同的、各自擅长的建模方法和预测机制。大师在下棋时依靠模式识别来判断棋面，然后调用记忆中的各种棋阵来预测并选择对策。纪录片《神奇大脑：造就天才》里提到，国际象棋大师苏珊&波尔加在孩子期间记住了10万个棋阵，并经过大量的重复记忆，把动作记忆变成了长期记忆。她并非记住每个棋子的位置，而是把他们分成几组。国际象棋的组合比宇宙上的原子还多，但棋阵是混乱中的秩序，这些典型的小阵式重复出现在不同棋局，这是国际象棋的基本单词。总之，她凭借人类擅长的模式识别、逻辑推理和经验积累记住了这些棋阵并形成了一种强大直觉。而对于机器来说，它的对弈行为完全是基于统计分析和搜索，它们凭借的是科学的算法、机器学习能力和计算能力。
　　其实对于它们的各自优劣，有着现代国际象棋计算机之父之称的数学家克劳德&香农很早就做了准确的归纳。机器的特点是：1）计算速度快。2）不会犯错，除非编程时就编入错误。3.）不会偷懒，在分析招数、分析可能位置时不会半途而废。4）不带感情色彩，不会赢了一步就过度自信以致失去胜势，或是遇到困局就沮丧，劣势其实是可以逆转的。而人类棋手的特点是：1）思维灵活，解决问题知道变通，不会按部就班。2）拥有想象力。3）懂推理。4）会学习。
　　人工智能与人类的结合和优势互补
　　对于机器人棋手，许多人类棋手都表示不屑和抗拒；而博弈程序的开发者也将那些大师棋手作为自己要通过机器打败的对象，甚至会针对某些大师的特有风格进行编程。卡斯帕罗夫和&深蓝&的程序员将彼此视为敌手，但是他们都教会我们一点&&计算机的处理速度和人类思维的精巧应该相互补充。举两个例子，拿下年计算机国际象棋世界杯（计算机之间的象棋比赛）的冠军Rybka目前被认为是最强的计算机棋手，它的主要优势在于由国际象棋大师Vasik Rajlich与其他多个国际象棋大师共同开发的评估函数。《信号与噪声》中提到，卡斯帕罗夫在与深蓝的第二场比赛中出了一些状况，他因为一个从未犯过的错误而输掉了原本可以打成平局的比赛。究其原因，是由于&深蓝&在第44步极为随意的走了一个棋子，这步棋让卡斯帕罗夫感到紧张，他觉得这有悖直觉的一步棋必是高招，而他绝没有想到这不过是一个程序漏洞。
　　世界计算机国际象棋冠军的成功是因为人类象棋大师为其开发评估函数；而深蓝凭借自己一个&拟人化&的低级错误对人类对手造成干扰从而赢得比赛。这足以证明，在博弈游戏领域，对于在计算上占绝对优势的机器来说，一些人类的特质和特长也同样重要。
　　博弈机器人对人工智能的启示
　　我们认识到人机对弈将会呈现一种良好的优势互补、共同进化的过程，那既然一直以来机器博弈都是人工智能发展中的重要一环，我们是否也可以从中窥探出人工智能技术与人类之间的关系呢？
　　大多数时候，我们一谈论人工智能马上就会提到，机器何时能够拥有人类般意识？机器的智力何时达到甚至超越人类水平？奇点何时来临？天网何时出现？史蒂夫.霍金对人工智能的警示是否应该引起足够重视？在未来人类是不是要将世界的控制权交由机器？
　　我们对人工智能可能有种太过恢弘且理想的愿景，然后又把这种太过虚幻的愿望强加给图灵测试等这类不具备太多实际意义的人为标准，而当每次机器赢得与人的棋局之后，我们又开始自以为是的盘算机器已经越来越接近人的智力了。早期人工智能研究者把赢得国际象棋比赛当成智能应用的范例，但后来发现这比区分口语词汇或识别面孔之类计算问题要容易得多，因为机器下棋就是一种基于自身计算优势的统计分析行为。所以，赢得博弈比赛的机器人根本无法证明机器与人在综合智力上的差异，但程序背后先进的技术原理却能够为我们带来更好的技术工具。
　　人工智能的真正价值在于我们在追寻这个梦想途中捡拾到散落在路旁的瑰宝，我们对&机器会思考吗&的畅想促使我们创造出了计算机；IBM深蓝的成功让我们意识到硬件性能和计算性能的重要性；模拟人类学习行为的机器学习使计算机可以进行图像识别、语音识别和文本翻译等。
　　至少在可预见的未来，人工智能只是充当一个改善人类生存环境的工具，我们是通过身边越来越好用的技术工具来感受到它的存在，而非期望尽快见到一台比肩人类的超级智能计算机。回到百度Bingo，相关研究人员表示&研发过程中产生的多种创新思想与技术，已融入到包括百度网页搜索在内的多个产品的在线学习策略中，并取得了非常明显的效果。&在为国内科技公司在人工智能领域取得优异成绩感到欣喜之余，我们更有理由相信这类真正创新性的技术进步能够带给我们更加智能的搜索产品和更好的技术服务。
声明：凡资讯来源注明为其他媒体来源的信息，均为转载自其他媒体，并不代表本网站赞同其观点，也不代表本网站对其真实性负责。您若对该文章内容有任何疑问或质疑，请立即与中国机器人网(www.)联系，本网站将迅速给您回应并做处理。
电话：021-7
相关阅读 ：
104441人看过
26449人看过
22353人看过
21843人看过
20483人看过
19826人看过
14563人看过
12110人看过
全部评论（）
　　近年来，我国机器人产业发展迅猛，已初步形成从研发生产到工业应用的机器人产业链。　　...
世界上能引起大部分女生尖叫的生物是什么？没错，就是蟑螂。 但是你可别小瞧了这恶心的小虫子...超五成网友认为 谷歌机器人能战胜围棋冠军
作者：郭雪红
　　最近，谷歌旗下公司开发的一个机器人AlphaGo以5∶0的成绩完胜欧洲围棋冠军，震撼了人工智能世界。AlphaGo不仅打败了欧洲冠军，还将在3月迎战最近10年来获得世界冠军次数最多的棋手李世石。谷歌公司将为此次比赛提供100万美元奖金。面对快速进化的机器人，中国网友怎么看？ 随手记理财社区日前发起的调查结果显示，超过五成网友认为AlphaGo能战胜李世石，仅有占比25%的网友认为不能。但该调查也显示，占比75%接受调查的网友认为机器人不会取代人类。
（责任编辑： HN666）
02/02 09:4902/03 14:4302/03 10:3002/03 09:5602/02 09:5602/02 05:2702/01 11:0102/01 10:40
科技精品推荐
每日要闻推荐
精彩焦点图鉴
　　【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。围棋赛机器人胜人类 柯洁喊话:它赢不了我|围棋|人类|柯洁_新浪娱乐_新浪网
围棋赛机器人胜人类 柯洁喊话:它赢不了我
3月9日，谷歌阿尔法围棋与李世石的人机大战五番棋首局战罢，人类代表李世石落败。中国棋手柯洁表示不服。
谷歌围棋胜李世石
柯洁（中）
　　新浪娱乐讯 3月9日，谷歌AlphaGo与世界围棋冠军的五番棋大战揭幕。经过三个半小时的鏖战，人类代表韩国棋手李世石九段执黑不敌AlphaGo。当李世石投子认输的那一刻，微博、朋友圈都刷屏了。不过中国棋手柯洁表示不服：“就算阿法狗战胜了李世石，但它赢不了我。”柯洁称自己现在暂时是世界围棋第一人。
　　3月9日晚，中国棋手柯洁通过微博称：“看来围棋盲还是不少啊，在这里我简单介绍一下自己：我叫做柯洁，97年出生。现在暂时是世界围棋第一人（特地用了暂时，谦虚是美德）正式比赛我是单盘8：2碾压李世石（他赢得这两盘没有任何作用）世界冠军获得过三次（此年龄如此成绩前无古人）大小国内赛事冠军数次我本来真不想提这些得因为我是一个低调的人，是你们逼我的。”
　　随后，柯洁在自己微博评论中写下“至于为什么之前谷歌没有挑战我，大家都是国人都懂得。”“那些棋盲真是够了！”的字样。对此，网友留言，称：“就喜欢看你这么嚣张但对手又干不掉你的样子。”“段子界围棋下得最好的，围棋界段子写得最好的。”
　　但更多的网友认为柯洁太过自大，称：“我以为下围棋的都是安静谦虚的谦谦君子，没想到是逗逼啊。放心了。”“翻译：我真的不是瞧不起各位，我只想说，在座的都是垃圾。”“人不轻狂枉少年。”（我是弥尔）(责编：shining)
水煮娱专栏
在成为国民老公很多年之后，王思聪的新头衔是——国民网红。机器人操作同样的电脑同人类对战星际争霸 2，与机器人与人进行围棋比赛，哪个难度更低？
条件一：机器人在星际争霸中所使用的输入输出设备与人类一致（键盘，鼠标，显示器等）条件二：机器人拥有和人类一样的权限，不能超越游戏规则（如N倍采矿效率）条件三：人类代表均假定为星际争霸和围棋顶尖选手。条件四：判定结果的条件为：“以同样的设备和精神状态（系统状态）重复进行100次比赛，忽略疲劳等问题的情况下，以计算机在比赛中胜利数目的多少来进行判定。”条件一虽说要输入输出一致，但是并不非得设计机械手臂参与对战，模拟键盘和鼠标也是可以的，战斗单位数据通过API读取，这个条件目的在于保持人与机器的工具平衡，以更好地比较两者的策略能力，而非微操能力。ps 围棋的规则不清楚，还请专业人士进一步完善问题补充
按投票排序
所有说星际AI完爆人类的答案都是不正确的。学术界有一个星际人工智能比赛，已经举办了4年了： 应该说和人类玩家相比，相差还是比较远的。2011年和2012年都曾经找过星际排名不算特别强的学生和AI对战，结果轻松灭掉AI。比赛录像可以在这里观看并下载： 注意Man vs. Machine的录像。2013年他们的报告是这么写的：If the 2012
match (between Skynet (2012 winner) and Bakuryu, an A- human Zerg
player) taught us anything, it's that bots are still very weak against
human players. Humans are able to detect patterns of behaviour in bots
which allow them to be exploited to extreme amounts.Another area where bots seem weak is strategy switching. Human players
often choose an initial strategy to play with (rush, turtle, expand,
etc) and then switch this strategy based on observations of opponents.也就是说，人类胜在观察对手战略并实时做出改变的能力。这种总结经验并学习的能力，AI还不具备。AI当然可以做各种微操，可是问题是在恰当的时候使用恰当的微操，而且要和大局控制相结合。至于星际和围棋哪个更难，这不容易量化。如果单纯从search space的角度来说，应该还是星际的search space更大一点。其实在search space都无法穷尽的情况下，更重要的还是search space本身的属性。单纯比较大小可能意义不太大。---至于楼上那个小狗战坦克的视频怎么解释？没看视频的人我这里讲一下：AI操控一群小狗去打坦克，在坦克攻击某一只小狗的时候，操控其他狗离开splash伤害之外，这样保证一炮只死一只狗。最后狗群把坦克群灭了。不是做AI的人可能还真能被这个视频迷惑。首先这个AI是存在作弊的。正常情况下不可能知道坦克要攻击哪一只狗。只有预知要攻击哪一只的时候，才能控制狗群躲开。其次这是一个极简化的场景，只有两个兵种，坦克还是固定不动的。这完全可以手工写一个脚本来控制。真实游戏不是这样的。真实游戏里坦克固定是一种打法，坦克移动是另一种打法，坦克加枪兵是另另一种打法，坦克加枪兵加护士又是另外一种打法。各种组合，位置不同，数量不同，都可能需要不同的战术。这么多你手工写得过来吗？做AI的人管这叫best case analysis。学过算法的人都知道，best case analysis是没有太大意义的。
都不用想就知道是星际了。。事实上所有的RTS游戏的AI都是非常愚蠢的，如果真的是以弄死玩家为目标来设计AI的话，真是随便秒杀职业玩家。就譬如说星际的AI吧，大体上不同级别的难度AI都是一样的，就是挖矿造一波混编部队去玩家基地干。不同难度的区别主要在于资源利用率，攻击频率上面，简单难度的资源利用率低，挖了半天矿也不造东西，20分钟后才派出第一波部队。高级难度资源利用率高，挖了矿马上就造东西，十几分钟就开始第一波攻击。所以你才能用什么炮台流干掉AI，这是因为AI完全不管你的炮台，只管混编部队冲冲冲。如果真的是以干掉玩家为目标的AI设计，随便做一些针对性的改进就可以秒杀大部分人了。譬如说不用混编部队而是通过兵种克制来攻击，譬如说不断微操确保低血部队在后方，同时确保每一个单位的移动路线最优。譬如说前方交战的时候后方立即空投制造混乱，譬如说侦察机永远徘徊在玩家视野外一点点。譬如说尽可能的多开矿。你再来炮台流，AI根据相克设计来坦克流，两下就轰掉你的了。最后，人和机器的比赛是不可能公平的，星际AI全局视野是经过确认的逻辑么？如果开全局视野我真不知道人类在电脑面前还有什么战斗力可言，直接实时计算所有玩家单位的火力范围，找到缺口用快速机动部队大肆屠农，玩家不到20分钟就会GG了。再有什么不需要鼠标就能选中单位，能更幼稚点么？真正打星际的有谁是用鼠标来选择单位的？都是键盘小队好不，鼠标只是用来指挥移动地点的。即使要AI模拟使用鼠标来控制，AI控制鼠标是100%的精度，其移动速度永远是最高的，这哪里有公平可言？AI看地图是一秒钟可以看20次以上，你一秒钟才下达了一个指令，而AI可以巡视六个基地两个战场，指挥十几个单位和农民。输入设备的延迟，远小于你大脑思考问题的速度，甚至小于你大脑作出决定到你手指按下按键的过程。你觉得哪里不公平，要不给AI加上大脑延迟好不？记得我以前看过帝国时代的录像，用AI的视角，AI同时操作轻骑和农民，就是俩视图互相切来切去的，这能算作弊么？你不能像AI那样多线操作不是AI作弊，而是AI看屏幕比你快太多了。可以打个不恰当的比方来体会一下一个以干死玩家的AI与玩家之间的星际争霸的比赛大概会是这样的：首先你要把游戏调慢100倍，这大概是AI处理游戏信息的速度，然后所有的单位其移动方向，下一步会不会被阻塞，攻击范围，一秒后攻击范围，下一次攻击时间，按照现有火力其剩余攻击次数，在敌方攻击范围内的我方单位等等信息全部显示在屏幕上，你的屏幕也没有什么小地图的概念，你的屏幕是一个一千多寸的显示器，显示了地图上所有你能看到的东西（AI可以通过扫地图，即在小地图上不停的点鼠标扫描每一个视角来不作弊实现随时看到全局战况），好了，在这种条件下，再派来数十个玩家，每个玩家负责其中一块内容，例如这个负责指挥农民采矿，这个负责近战，这个负责火力支援，这个负责微操调回低血单位，这个负责微操确保单位最优效率前进，这个负责……等等等等。在这种情况下，愚蠢的人类还有赢的机会真是见鬼了。=============================================================顺便说一句，因为不断有人在评论里面喷我答非所问，事实上是因为这个问题经过了极大的修改。经过提问者屡次修改后现在已经变为目前是否能够研制具有精确地的图像识别（能读显示器）、模式匹配（能找出哪些是单位，哪些是子弹，哪些是建筑）、自动操纵键鼠（能准确按键并移动鼠标，并能通过屏幕上光标的反馈调整鼠标位置）并和人类一样思考（否则就是提问者所说的作弊）的专用于打游戏的机器人并能否战胜人类了。废话，这种机器人现在连个原型机都没有。PS：如果真的要比较的是策略，就应该选择战棋类游戏（譬如说什么英雄无敌啥的），RTS这种游戏天生就是微操占优的，尤其是星际。
翻了一下问题日志吓了我一跳，从昨天晚上8点开始到今天早上10点，问题就从原来的“让人工智能和人对战围棋和即时战略游戏如星际争霸，哪个对人工智能来说更容易赢？”变成了现在“机器人操作同样的电脑同人类对战星际争霸2，与机器人与人进行围棋比赛，哪个难度更高？”这下问题一下子掺杂了图形识别（看屏幕），机械动作（按键盘、动鼠标、拿棋子）等等各学科的问题，已经不是我这样的人能回答得了的了。所以请折叠。不过我个人还是持这样的观点，如果真的要讨论、比较AI相对于人脑的区别，那么双方都有权力用对自己最有效率的方式来获取信息和执行操作。否则大家还是去讨论机器人结构设计吧。———————————————————————————————————————————以下是对于原问题：“让人工智能和人对战围棋和即时战略游戏如星际争霸，哪个对人工智能来说更容易赢？”的回答———————————————————————————————————————————当然是星际啊……完整回答一下问题：让人工智能和人对战围棋和星际争霸，对人工智能来说和人对战星际争霸更容易赢。我是这样考虑这个问题的：在星际这个游戏里，AI在操作以及反应上和人相比完全不在一个档次上。完全可以通过操作上完爆人类来轻松取胜。至于电脑和人在操作和反应上差距能有多大？请看下面的几个视频：我相信如果有人蛋疼愿意编写一个“无敌”星际争霸的AI，是不会有人能赢下来的。围棋的话，对于反应没有任何要求，双方都是凭借对当前确定局势的计算来进行对抗。计算机的一大优势无法发挥。虽然在计算上AI仍然比人类速度快很多，但由于计算机对棋类的计算与人类思考方式并不相同，所以尽管在计算速度上占优，却并不一定能取胜。当然随着计算机性能的发展，能在围棋上搞定人类应该是迟早的事。以下是计算机对战人类围棋的比赛记录，可以看到暂时还是人类占优。所以说要在围棋上赢下人类，对AI来说，更难一些哈。
我只能说机器人要是能够操作鼠标键盘来打星际，人类真的什么都比不上它了
这个问题有意思!虽然说如果不限制AI的操作能力人类肯定是不能赢的,但是如果限制AI的操作能力呢?不过这样一来确实显得很奇怪,那么我们换个做法:我们这次允许人类在每一帧输入无限多的指令,结果又会如何?这样一来星际就由即时游戏变成了每帧一回合的回合游戏了.但这不要紧,因为题主在问题中特别强调了要减小AI与操作上的优势.事实上如果星际变成了回合制,并且AI与人能够输入的指令都一样多的话,那么在某种程度上就是等同于两个APM同等的人进行星际对战.于是问题就变成了"对于回合制的星际争霸和围棋,哪一个对AI更友善?".唔,我觉得这个问题应该还能继续简化,所以在回答它之前我们再想想回合制的星际和围棋到底是什么东西.回合制的星际和围棋,最大的区别应该就是信息的掌控程度了吧,对于围棋来说,是不存在战争迷雾这种东西的,也就是说星际更像是军棋或者扑克的感觉.至于复杂度,单纯从计算量上看肯定是星际的更大,毕竟就算星际一每个地图也会比围棋棋盘大不少,但是应该都是NP完全,围棋不用说,星际这个也是有蛋疼人士证明过的.好的,这下我们看出这个问题的本质了.题主实际上是在问:一个棋盘比围棋棋盘大得多的军棋和围棋相比,哪种对AI更友善?用更加装,更加抽象一点的话来说,就是非合作的完全信息动态博弈与不完全信息动态博弈相比,哪一种更容易通过有限的运算得到最优解?现在问题开始变得容易分析了——但也只是开始找到头绪而已,得到答案依然困难.因为我们不知道人脑到底是怎么运算的,所以说我们做的一切其实只是从现有的现象中进行的猜测,这种不完全归纳的结果很可能是错的,不如说完全正确才显得不正常,所以下面的分析各位全当我的一家之言,也顺便抛砖引玉希望得到更多大神们的分析.单纯从计算速度上讲,人脑显然是比不过CPU的,但是计算速度逊于CPU的人脑却能在完全是比拼计算能力的围棋中战胜目前的计算机,原因到底是什么太过难以回答,不过按照数量级小一些的国际象棋上人类输给了AI来看,我们姑且认为计算量相对更小的博弈中AI更容易获得优势,为啥用相对呢?因为如果实在太小,就像那种小朋友们玩得3*3得叉叉圈圈连成一条线的棋,最后结果实际上在落子的一瞬间就决定了.也就是说,鉴于星际的计算量远远大于围棋,假如我们进行一场开全图的回合制星际比赛的话,人类战胜AI的可能性要大于围棋中人类战胜AI的可能性.然而开全图打星际的究竟是少数中的少数,一般人打星际都是有战争迷雾的,那么到底是完全信息下的AI更容易战胜人类,还是不完全信息下的AI更容易战胜人类?个人觉得应该是前者,毕竟人类得大脑有着惊人的编程能力——我们只需要1秒钟不到就能够完成让腿部以固定方式运动以便攀登楼梯的任务(当然因此我们会轻易的在楼梯台阶高度变化时失去平衡).相较AI更快的学习能力应该可以让人类在更短的时间内完成对对方行动模式的猜测,因此或许人类在非完全信息的博弈中更容易占据优势吧.如此看来,围棋应该是比星际更加对AI温柔的游戏。毕竟人的大脑进化这么多年，主要为的是对应非完全信息条件下的世界；而为了计算被开发出的计算机，一开始就是为了处理那些完全信息而出现的，虽然到如今也有大几十年的发展，面对不完全信息的对应方式（贝叶斯之类的）也被研究了不短时间，但到底还是不够久，比不过人脑的黑箱也是正常的。不过，身为强AI可行论的支持者，我还是要说这一切都建立于“如今的AI”这一条件下，随着科学与技术的发展，总有一天AI将全面超越人脑，那时候搞不好人类也要加装硅基神经元辅助思维了也说不定（笑
非回合制游戏，人是不可能战胜机器的，毕竟游戏是种很强调反应的运动。乒乓球选手打不过发球机一样围棋对反应速度没有太高要求，主要是策略的数学模型不好解决。回合制游戏比如SLG也有这个问题，电脑的思维总是比较僵硬，缺乏真正的目的性。而对于星际这种即时战略游戏来说，速度因素远远比战略因素要高。美国人几十年前分析过这个问题。　　在多样化的战术作战中，武器和“系统元素”的数量能达到天文数字。打这种规模的战争只能依靠机器，因为人类的反应速度太慢了。正如马丁将军指出的，第三次世界大战决不是一场按动电钮的战争，“因为人按电钮至少也要1.8秒钟，这对现代战争来说太漫长了”。　　这一事实产生了马丁将军所谓的“岩石问题”。与高速运行的电脑相比，人的反应速度简直就像地质变迁一样缓慢。“人因此，从下一次战争将由电脑进行这一角度来看，人类实际上就像岩石一样，是一种固定不变的因素。人类的战争还从来没有长到把地质变化的速度作为一个因素来考虑的程度。未来由电脑进行的战争也绝不可能长到把人的应变速度作为因素来考虑的程度。”
我导师说，真正的AI难度好比，你要教会马戏团一只猴子，让它教另一只猴子演马戏。
目前这种竞技游戏中，AI还很难战胜人类。当前游戏的AI主要是有限状态机（FSM）。简单的说，就是把各种可能的情况都考虑出来（类似于穷举），AI会对各种状况作出预先设置好的反应。所以，很难形成复杂的战略战术，AI永远是在从前限定的框框下运作，而不可能随机应变提出创造性的想法。事实上，这种设计AI的方法是上个世纪六七十年代所提倡的，用预先定义的规则去创造AI。这种思路让AI产生不了自己的想法，超越不了发明自己的人，所以自然会被稍强的人类完虐。电脑区分“简单的敌人”和“令人发狂的敌人”，往往就是———作弊，给予电脑每分钟多少的额外资源。现在最先进的围棋AI（比如zen19d）,就是输入了大量高手的棋谱，以及概率算法，据说已经有打败几乎所有业余选手（也就是绝大多数人类）的水准。或许有人会问，为什么不采取当今最流行的机器学习等方法呢？原因有： 1.样本不够。机器学习需要大量的实验样本输入，才可能出现有意义的结果。开发者即使尽力对AI进行训练，也很难达到足够的量，这样，机器学习会带来我们完全看不懂的结果。2. 机器带不动。实验室的机器学习实验往往都是大量的计算机一起运算。我有个朋友上半年曾做过一个据说很经典的课程项目，就是给计算机输入大量的手写自然数“3”的图片，希望能让计算机识别手写数字。结果，他的Thinkpad T420的GPU被跑坏了。最后只能买了个alienware来替代。而星际争霸之类的游戏往往会尽可能降低配置以满足大多数玩家的需求。因此，现在的游戏很难在家用电脑上实现高级的人工智能算法。那么，AI是不是就永远也无法达到人类的水准呢？不一定。实际上，UC Berkeley正在开发一个项目，在《星际争霸》等多个游戏用人工智能来学习人类的战略战术，AI不断和高手训练，现在已经具有相当实力了。近几年业界有个AI竞赛叫AIIDE STARCRAFT COMPETITION就是让各种研究小组比试他们开发的AI的星际争霸水准。相见如果能在这种新型的AI上取得突破，那么未来的游戏将会有趣很多。试想，某个次世代大作的最后一关，就是跟你自己采取完全相同的战术的BOSS，这打起来会多有快感！
要作弊吗？如果要作弊你完全干不过ai啊，各种显血，各种显地图基本上算法稍微设计的好点，完全就是虐你没商量啊，甚至都不需要太多的学习算法了，直接按照你弱点打击就可以了如果不作弊的话，那就不好说了但是就算不作弊，有一点你仍然比不过，那就是操作速度ai可以在程序允许情况下几乎并发执行命令上限你apm再高，又有何用，比得过电脑吗如果上述都没有的话那就是纯算法了，这一点就不好说了，因为你和电脑完全是平等的，他能不能赢你完全看算法是否够先进
不要那么多理论啦看个修地堡的视频感受一下吧，如果电脑不用神级操作怎么计算和对抗这种修到一半取消的战术
显然星际更容易。有人为星际2做了一个AI，可以通过微操把即将被坦克打中的小狗拉开，避免其他小狗也被溅射，从而用100只狗完克20辆坦克。
不知道是题主还是谁改得面目全非了吧，我觉得以现在的机器手精密度来说，玩星际和玩棋 人手都完全秒杀它。 （题主的前提是按键盘和用鼠标操作 这个前提下电脑最难的是 肢体控制 而不是玩游戏。
当下总体来说棋类 AI 更容易赢，比如中国象棋，国际象棋，AI 都是有可能击败人类世界级大师的。但是围棋是个奇葩……现在最强的围棋 AI，Zen 和 CrazyStone，也就是业余五、六段的水平。石田芳夫九段曾经让四子战胜 Zen，但是同是让四子局 Zen 也击败过武宫正树九段和依田纪基九段。围棋 AI 的难度主要在于棋盘太大，棋局情况太多，取胜目标相对抽象，对于一个子附近的最佳策略搜索范围太大，等等。但是总体来说这是个计算资源问题，不是数学问题。未来出现更强的计算机，围棋 AI 也终会战胜人类大师，这只是个时间问题，但目前看来比较遥远罢了。星际嘛……完全不是个严格意义上的 AI. 我写个星际机器人，首先探测你出什么兵，然后专门出克制兵种。APM 无限高， 微操秒杀玩家，然后再弄点什么玩家鼠标点击地点检测啊，提前就知道你要把部队去哪，默认开图啊，一上来就知道你在哪，知道你后面在哪开矿啊……这样的电脑已经基本没人能赢了，但是这根本就没到 AI 的范畴。假如真的给星际电脑加入 AI，比如自动预测你后面的科技发展，兵种配合，甚至根据你长期的玩，自动学习你的策略，可以自动从网上下载 replay, 学习高手的打法……玩家不光今天赢不了，苦练十年想赢也是做梦啊……
我觉得首先要明确规则啊，每局的时间缩短或者局数增多都会对人类玩家不利，星际如果11局6胜，ai水平可能越来越强，人类玩家就不行了，围棋如果11局6胜，呵呵。围棋机器干不过人是因为目前计算速度不够快，回合制情况下职业棋手占优势，如果下快棋的话ai还是有很大几率获胜的，如果一盘棋设定在15分钟，基本上ai稳赢。因为ai可以发挥超快棋的优势，开局随机布局，下完全没有章法的乱棋，ai很可能比职业棋手少犯错误，不过棋应该没法看了。rts按照题主的意思我理解是ai从屏幕接收来自游戏的数据，通过键盘和鼠标发布命令，这样理论上会增加ai获胜的难度，不过现有的水平ai稍作优化就能秒掉职业玩家。只要让采矿和寻道做到最优，ai设定成几个常见rush战术随机使用，ai不需要学习对手战术也有很大几率凭借微操战胜职业玩家，我甚至怀疑如果放在大型机上运行专门的星际机器人，ai能每局都靠农民干死职业玩家。ai有稳定的发挥，超强的心理素质，和未来越来越大的数据库和先进的算法，即使在围棋领域，按照目前人类的规则，机器战胜人类也是迟早的事。
在dota里如果打电脑的话，火猫和电狗是有全图的视野的
还是星际会简单一些。曾经看过一个视频星际神级ai8000+apm，具体内容就是小狗破坦克阵，一个小狗被打到周围小狗立刻散开。所以论200人口决战人类还是不要想赢了。不过对于前期的rush，较少的兵力在职业选手的操控下完全能够打到神级ai的水平，所以最有戏的方法是人类zhi wang
不带改问题的...首先微操可以算法化
有人用地图编辑器做过各种奇特操作的脚本
包括散兵 运输机接送 坦克打狗人类的视觉机制其实很有限
比如没法同时观察视野内多个物体思考也有类似的限制
没法同时考虑很多事情看第一视角VOD会发现选手的相当一部分APM是无效操作在"规则公平"下, 假定AI的视力(从图像认识界面单位地形的反应时间)和物理操作力(使用鼠标键盘的精度和频率)不低于人类选手(这些不是战术或战略的思考
是AI的界面), 那AI能实现的有效操作会远多于人类前6分钟就那几种单位, 几千资源, 战损比拉开差距的话很快就gg了持续不到人类用高智商积累出战略优势
毫无疑问，在游戏里ai更容易战胜人类。首先，我们先说一说围棋难在哪里。现在，世界上基本所有的棋类都被ai攻克，独有围棋人类依然可以鄙视ai。目前最强大的ai大概比顶尖职业高手差四子以上。所有棋类，ai战胜人类的第一步，是模仿人类，编程人员首先要以棋手的思路来思考，并且把这种思考方式用程序的方式来模拟出来。模仿人类的思考过程并不是难事，因为在除围棋外的棋类中，所有棋手对局面的判断以及棋子的价值判断是差不多的，当电脑程序能够得出与棋手相同的判断时，那么剩下的事情就只有计算了，而这恰恰是电脑的强项。所以世界上除围棋外的所有的棋类都被电脑征服了。而围棋不同，电脑在第一步模仿棋手的时候就卡壳了。同一个局面下，根据棋手风格的不同，判断也会截然不同。比如说，武宫正树布局喜欢中腹，赵治勋布局喜欢抢边角，这两个人下棋很容易就变成一方中腹浩荡做成模样，一方专抢边角实地满满，同时两人都认为自己布局不错，对方布局不好。这种情况你让ai怎么摸拟棋手？然而，这还不算啥，更要命的是价值判断。比如某个定式，一个取势一个取地，双方两分。但电脑来判断时出现问题了。实地的值很好判断，实地你成了多少目，很容易算出来，但外势的价值是如何判断的? 程序员问棋手，这个定式的外势能折算成多少目？棋手回答你，外势的价值没法用目来体现，他的价值取决于后续的手段以及周边棋手的配置。这个回答可以直接秒掉ai。紧接着，又出问题了，围棋棋子的价值是时刻变化的。比如说，前面的一块厚势，后面下着下着被对手限制住了，这个价值立马就小了，又下着下着，这块厚势变孤棋了，这价值就直奔负数而去了。ai又傻了，我好不容易统一了价值观判断，又把厚势折算成目，怎么下着下着，前面做的判断全白废功夫？最后，ai还要面对一个计算量太大的问题。国象不过8*8的棋盘，中象是9*9的棋盘，而围棋是19*19的棋盘，象棋和围棋的计算量无异于银河系与整个宇宙的区别(注：在9*9棋盘上，围棋ai已经超越了人类)。有上面几个关卡在，围棋ai的水平因此一直不高。在2010年前，围棋的最高水平要被顶尖职业棋手让9子以上。但是，某一天，某个程序员突然灵机一动，我模仿不了人类，我模仿上帝行不行？于是，全新的蒙特卡洛ai算法出现了。蒙特卡洛算法是围棋ai程序史上的里程碑。ai不再用人类的思考方式，而是用扔骰子的方式来下围棋。ai不再直接判断每一手的价值大小这种纠结的问题，而用概率的方式来判断每一手胜利的可能性。通过这种方式，围棋ai的水平是突飞猛进，目前已经可以打败大多数业余棋手。但是在高水平业余棋手面前，这种赌概率的方法还是显得太粗糙了。更不用说对职业棋手。而蒙特卡洛算法目前潜力已经挖的差不多了，如果没什么新的算法出现，围棋ai的水平将不会有太大提高，虽然围棋ai开发史有三十年了，但我很欣慰的认为，再过三十年，电脑依然不是人类的对手。再说一下游戏ai。大家都知道游戏ai很烂。但是，我想说，世界上真有优秀的程序员对ai进行真正的设计吗？各种棋类ai背后，有许许多多数学家在设计算法，研究了几十年才研究出成果。游戏ai背后有人做这些事吗？然后，游戏ai要模仿人类很难吗？星际的流派有多少？十个百个千个？而围棋的开局定式就有上万个。布局更是数不胜数。游戏ai掌握各种打法精髓并用程序的形式表现出来会比围棋难？打星际前期而无非三件事，第一侦察，第二爆农，第三采矿。这三件事，电脑干的不会比人差吧。侦察到对手后，根据对手的配置来进行针对性的进攻或防守布置，这对电脑也不是难事吧。前期战斗，编一个强悍点的微操程序不难吧。到了中期以后无非两件事，一是侦察，二是扩张或者暴兵，这个对电脑也没什么难度。至于其它的多线程操作，骚扰加暴农加战斗，这些完全就是电脑的强项。我甚至根本想不到，电脑ai到底会在哪里碰到难点。有些人可能觉的实战的随机应变是电脑的弱点，但是星际是一个战略高于战术的游戏，只要做好侦查，摸清你的农民与建筑以及兵力配比，电脑完全可以计算出你的资源，并根据你的资源与兵力以及自身的资源与兵力设计出针对性的方案。这些东西对于业余玩家来说觉的可能是天方夜谭，但对一个职业的程序员来说，完全是可以用程序来实现的。所以，我觉的设计出一个能打败人类的的星际2游戏ai并不难，要说难，只难在没有程序员去做这件事。有人悬赏100万美元征集电脑程序以击败围棋职业选手，但至今没人能拿到这份奖金。但是如果有人悬赏100万美元征集电脑程序以击败星际2选手，我觉的不用三个月就有人拿到这份奖金。
来，让我从围棋的角度来答一下。星际没打过但是玩过war3，像楼上有一楼所说，如果以弄死玩家的想法来看的话，ai击败职业选手的机会还是很大的，毕竟人的apm还是有上限的(应该)。但是你知道围棋目前最优秀的人机是什么水平么？日本有个软件大概能到业余4.5段，而我学了三年棋大概也是这个水平。至于击败职业选手，大概还要百年以后（毫不夸张）为什么，大概是因为围棋中有一些定式或者是对局势判断什么的，是双方这么走了都不会亏，而ai则是为了利益最大化而走，这肯定是设计者的初衷，所以它可能会因为局部利益丢掉大局（可能是这样我瞎猜的）。楼上说的“下围棋只是取棋子放旗子的问题”，“一盘棋设定在15分钟ai稳赢” TMD我也是看尿了，知乎小学生还不少哩（毫不客气），你们肯定没下过围棋恩有时看到不懂的人还强行装一波B实在是很恶心
霍金都说了，你们这群吃奶的猴子早晚死在人工智能手里！ ！
已有帐号？
社交帐号登录
无法登录？
社交帐号登录