丹尼斯·里奇(1941年9月9日-2011年10月12日)，C语言之父，UNIX之父。曾担任朗讯科技公司贝尔实验室下属的计算机科学研究中心系统软件研究部的主任一职。1978年与布莱恩·科尔尼干（Brian W. Kernighan）一起出版了名著《C程序设计语言（The C Programming Language）》。此书已翻译成多种语言，被誉为c语言的圣经。2011年10月12日（北京时间为10月13日），丹尼斯·里奇去世，享年70岁。
UNIX 之父、图灵奖得主、C 语言的前身 B 语言的开发者、操作系统 Plan 9 的主要作者、Belle（一个国际象棋程序）作者之一，这些成就都出自一人之手，编程史上从来不缺大人物，但是肯·汤普逊(一般称之为 Ken Thompson，肯·汤普森）绝对是一个传奇。
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，期望于打败当时的世界冠军加里•卡斯帕罗夫（Garry Kasparov）。
选自 Medium 机器之心编译 参与：路雪、 刘晓坤 近日，Jose Camacho Collados 在 Medium 上发表了一篇题为《Is AlphaZero really a scienti
用GPT-2来下象棋，最开始大概只是一个娱乐项目。作者肖恩·普莱斯（Shawn Presser）只用了一周的时间就完成了Demo。
阅读本文前，请您先点击右上角的蓝色字体“优课屋”，再点击“关注”，这样您就可以继续订阅文章了！
如果你已经在从事其中一种设计体验工作，你可能会想：“信息架构不是关于创建站点地图、线框图和网站导航菜单的吗？”确实如此——这些是信息架构设计的重要元素。但是信息架构不只是如此。
最近，一则消息在程序员圈引起热议：Unix 之父 Ken Thompson 的旧密码被破解了！
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI ChatGPT对战国际象棋AI，不到15秒就让人大受震撼。 开局ChatGPT执黑，国际象棋AI执白，双方有来有往，ChatGPT甚至主动出击，逼退对方的象（主教）： 看起来会是一场激烈较量，直到ChatGPT突然嘎嘣一下，吃掉了自己的象！ △奇怪的王车易位操作 事情到这里开始不对劲起来。 无论是棋盘上凭空出现的第9个黑兵（国际象棋黑白各只有8个兵）： 还是突然把斜线上的象吃掉的马： △马本来只能走“日”字 简直不把规则放在眼里有木有！ 这般
选自arXiv 作者：David Silver等 机器之心编译 在 DeepMind 发表 Nature 论文介绍 AlphaGo Zero 之后，这家公司一直在寻求将这种强大算法泛化到其他任务中的可能性。昨天，AlphaGo 研究团队提出了 AlphaZero：一种可以从零开始，通过自我对弈强化学习在多种任务上达到超越人类水平的新算法。据称，新的算法经过不到 24 小时的训练后，可以在国际象棋和日本将棋上击败目前业内顶尖的计算机程序（这些程序早已超越人类世界冠军水平），也可以轻松击败训练 3 天时间的 A
作者：闻菲，刘小芹，常佩琦 【新智元导读】或许“智能爆炸”不会发生，但永远不要低估人工智能的发展。推出最强围棋AI AlphaGo Zero不到50天，DeepMind又一次超越了他们自己，也刷新了世人对人工智能的认知。12月5日，包括David Silver、Demis Hassabis等人在内的DeepMind团队发表论文，提出通用棋类AI AlphaZero，从零开始训练，除了基本规则没有任何其他知识，4小时击败最强国际象棋AI、2小时击败最强将棋AI，8小时击败李世石版AlphaGo，连最强围棋AI
不仅会下围棋，还自学成才横扫国际象棋和日本将棋的DeepMind AlphaZero，登上了最新一期《科学》杂志封面。
在2017年，DeepMind推出了AlphaZero，自己学会了掌握国际象棋，日本将棋和Go，击败了世界冠军。DeepMind很高兴看到国际象棋界成员的回应，他们在和AlphaZero对战中看到了一种突破性的，高度动态和非传统的游戏风格，与之前的任何国际象棋游戏程序都不同。
2月24日消息，据外媒报道， 国际象棋大师加里·卡斯帕罗夫(Garry Kasparov)也许是历史上最伟大的棋手。在1985年成为世界冠军后的近20年里，他经常采取大胆弃子、疾进反击的策略赢得比赛，几乎成为这项棋牌运动的主宰者。
有人认为 AI 已经穷途末路，但一些绝顶聪明的人还在继续求索。 整理｜黄楠、王玥 编辑｜陈彩娴 近日，DeepMind 的创始人 Demis Hassabis 作客 Lex Fridman 的播客节目，谈了许多有趣的观点。 在访谈的一开头，Hassabis 就直言图灵测试已经过时，因为这是数十年提出来的一个基准，且图灵测试是根据人的行动与反应来作判断，这就容易出现类似前段时间谷歌一工程师称 AI 系统已有意识的“闹剧”：研究者与一个语言模型对话，将自己的感知映射在对模型的判断上，有失客观。 从2015年成立
【导读】从AlphoGo Zero 到AlphaZero只是少了一个词“围棋”(Go), 但是背后却代表着Hassabis将和他的DeepMind继续朝着“创造解决世界上一切问题的通用人工智能”这一目标道路上迈出了巨大的一步。今天DeepMind在arXiv发表论文表示其开发的通用强化学习程序AlphaZero,使用蒙特卡洛树搜索（MCTS）和深度神经网络，和强大的算力，同时在国际象棋，日本将棋和围棋中战胜各自领域的最强代表。而且这一切都是通过自我对弈完成的，在训练中除了游戏规则，不提供任何额外的领域知识。
今天，DeepMind的通用棋类算法，也是迄今最强的棋类AI——AlphaZero，经过同行评议，被顶级期刊 Science 以封面论文的形式，正式引入学界和公众的视野。
此前不久，DeepMind 还推出了 AlphaFold，成功地根据基因序列预测出蛋白质的 3D 形状，将人工智能技术应用在了科学研究领域。
梦晨 发自 凹非寺 量子位 报道 | 公众号 QbitAI 坐着打游戏也能减肥，你敢信？ 50名玩家在实验中用智能穿戴设备测量玩游戏时的卡路里消耗，结果让人不可思议： 在2小时游戏中，男性玩家平均消耗420千卡热量，女性玩家还要更多一些，平均472千卡。 相当于玩2小时游戏消耗掉一杯600ml奶茶（正常糖）或1升可乐的热量了。 要知道，他们测试的可不是健身环这种需要身体动起来的，而是坐在电脑前玩《FIFA》（足球游戏）和《使命召唤：战区》（吃鸡游戏）。 脑力活动耗能超乎你想象 这项研究来自Stakeste
一个朋友咨询想自己做一个游戏平台，特别提到棋类的完善。在游戏概念发展上，要比目前的游戏平台全面，跟上时代潮流。比如拿国际象棋来说，要引入近几十年国际象棋发展中，产生的新概念。
机器学习系统通常被认为是不透明的、不可预测的，和人类所接受的训练几乎没有任何共通之处。
MuZero 算法在国际象棋、日本将棋、围棋和雅达利（Atari）游戏训练中的评估结果。横坐标表示训练步骤数量，纵坐标表示 Elo评分。黄色线代表 AlphaZero（在雅达利游戏中代表人类表现），蓝色线代表 MuZero。
关注我们 题目描述 相传国际象棋是古印度舍罕王的宰相达依尔发明的.舍罕王十分喜爱象棋,决定让宰相自己选择何种赏赐.这位聪明的宰相指着8*8共64格的象棋说:陛下,请您赏给我一些麦子吧.就在棋盘的第1格
阿尔法元（AlphaZero）诞生一周年之际，《科学（Science）》杂志今天以封面文发布了阿尔法元（AlphaZero）经过同行审议的完整论文，Deepmind创始人兼CEO哈萨比斯亲自执笔了这一论文。
△ 1996年2月卡斯帕罗夫与深蓝的首场对决 量子位 | 若朴 编译整理 二十一年前的2月，国际象棋人机大战上演。 IBM的超级电脑深蓝，因与国际象棋世界冠军卡斯帕罗夫的对阵而名声大噪。虽然深蓝最终没有赢下比赛，但在这个过程中仍然赢下的两局比赛。这也被认为是此后人工智能(AI)与人类的一系列博弈游戏中，一长串胜利的开端。 然而，深蓝其实并不是在博弈游戏中击败人类的第一个人工智能。这不重要。重要的是从第一次获胜迄今，AI已经在众多人机大战中击败人类，例如围棋和扑克。 人机大战似乎不像一个测试AI的正经方式
点击标题下「大数据文摘」可快捷关注 “深蓝”在1997年的一场历史性的人机大战中战胜了人类国际象棋冠军卡斯帕罗夫。 图/Peter Morgan 1996年，许峰雄博士（右，现为微软亚洲研究院高级研究
DeepMind 和 Google Brain 研究人员以及前世界国际象棋冠军Vladimir Kramnik通过概念探索、行为分析和对其激活的检查，探索了人类知识是如何获得的，以及国际象棋概念如何在 AlphaZero 神经网络中表示。
谷歌旗下人工智能公司DeepMind将围棋AI转战国际象棋和日本将棋领域——无须人类智慧加持，已胜券在握。 AlphaZero是由谷歌旗下DeepMind研发的通用棋类AI，以不到四小时的自学击败了世界最强的国际象棋程序。 重新改进的人工智能程序AlphaZero曾多次击败世界顶级围棋选手，并扩大到学习其他棋类项目。它从零开始学习国际象棋，仅用4小时，就在100盘比赛中击败了世界顶级国际象棋程序 Stockfish 8。 据在康奈尔大学图书馆的arXiv上发表的一篇未经同行评审的研究论文称，在这100场
来源：新浪科技 作者：DeepTech 现代文明和科技已经使得我们的直觉不断退化。绝大多数人都没有意识到直觉的价值甚至没有意识到它的存在。作为复杂计算的基础，直觉是一种很容易被忽视的非常规方法。这种非常规性使得许多研究人员忽视它的潜力。 本文引用地址：http://www.eepw.com.cn/article/201712/373152.htm 我在人工智能领域所做的工作围绕“先进的认知机器将使用直觉作为其智力基础”这一想法。我们人类的思想为一般化的智力提供了充足的证据。人类本质上是直觉机器，而我们
本文介绍了DeepMind在AI领域的最新成果——AlphaZero，它可以在一天内自主学会下国际象棋、将棋和围棋，且超越了所有旧版AI。AlphaZero通过蒙特卡洛树搜索和强化学习，在每种游戏中挖掘数千万种走法，迅速成为专家。尽管AlphaZero在3种游戏中表现卓越，但离真正的人类智能还有很长的路要走。
只用了不到4小时。 AlphaZero在去年底通过自我对弈，就完爆上一代围棋冠军程序AlphaGo，且没有采用任何的人类经验作训练数据（至少DeepMind坚持这么认为，嗯）。 昨天，GitHub有位大神@Zeta36用Keras造出来了国际象棋版本的AlphaZero，具体操作指南如下。 项目介绍 该项目用到的资源主要有： 去年10月19号DeepMind发表的论文《不靠人类经验知识，也能学会围棋游戏》 基于DeepMind的想法，GitHub用户@mokemokechicken所做的Reversi开发，
大数据文摘作品 作者：姜范波、Aileen、Yawei Xia、龙牧雪、魏子敏 距离阿尔法狗元版本刷屏一个多月时间，阿尔法狗又进化了，这次不光可以玩围棋，不再是“狗”了。我一点也不惊讶。 在用阿尔法狗（AlphaGo）和阿尔法狗元（AlphaGo Zero）称霸围棋世界后，当地时间周二晚，DeepMind的研究组宣布已经开发出一个更为广泛的阿尔法元（AlphaZero）系统，它可以训练自己在棋盘，将棋和其他规则化游戏中实现“超人”技能，所有这些都在一天之内完成，并且无需其他干预，战绩斐然： 4个小时成为了世
【新智元导读】柯洁誓死战胜 AlphaGo 的豪言壮语言犹在耳， 20 年前第一个被计算机击败的人类冠军、国际象棋大师卡斯帕罗夫却表示，当年和深蓝相遇，既是他的幸运，也是他的诅咒。而20年后的今天，他丝毫不怀疑，每个职业都终将感受到 AI 带来的压力，否则就意味着人类停止发展，而人类劳动逐渐被人类的发明取代，这本身就是文明的历史。 “我会抱必胜心态、必死信念。我一定要击败阿尔法狗！”对于5月23日至27日在中国乌镇与围棋人工智能程序 AlphaGo （阿尔法狗）的对弈，目前世界排名第一的中国职业九段柯洁放
距离IBM深蓝(Deep Blue)超级计算机在国际标准锦标赛规则下首次击败国际象棋世界冠军加里·卡斯帕罗夫(Gary Kasparov)已经有差不多20年了. 从那时起, 下象棋计算机的能力变得更加强大, 甚至运行在智能手机上的现代象棋引擎都几乎能让最强的人类毫无招架之力.
现在机器学习已经变得越来越主流，一些设计模式渐渐浮现。作为CrowdFlowe的CEO，我与许多构建机器学习算法的公司合作过。我发现了在几乎任何一个成功将机器学习应用于复杂商业问题的案例中，都有“人在环中”的运算。它是这样的： 首先，一个机器学习模型先对数据，或者每一个需要标记的视频、图片和文件，做处理。这个模型也给出了一个置信分数（confidencescore），表示这个算法有多大可能做出了正确的判断。 如果置信分数低于了某个值，它会把数据发送给人类，让人类做判断。人类做出的这个新判断既会被应用于处理过
本文介绍了DeepMind在围棋、国际象棋和将棋三个棋类上实现超人智能的AlphaZero程序，该程序在一天内自学成才，并在8小时内击败了之前最强的围棋程序AlphaGo Zero。AlphaZero使用了80个TPU和12个CPU，训练了70万步，并在30分钟内完成了对围棋、国际象棋和将棋的自学。AlphaZero通过蒙特卡洛树搜索和强化学习来评估游戏状态，并尝试不同的策略以找到最佳动作。尽管AlphaZero在三种游戏中表现出色，但它仅关注棋类游戏，而不涉及其他领域，并且目前还无法像人类那样在多种领域灵活运用。AlphaZero在人工智能领域取得了重要突破，但仍需进一步研究以解决其局限性。"
Cataclysm：Dark Days Ahead 是一个回合制的生存游戏，设定在一个后启示录世界中。尽管有些人将其描述为 “僵尸游戏”，但 Cataclysm 远不止于此。在这个残酷、持久、程序生成的世界中努力生存下去吧！搜寻死亡文明的遗物，找到食物、装备或者幸运地发现一辆油箱满满的车来逃离危险。与各种强大怪兽作斗争，从僵尸到巨型昆虫再到杀手机器人以及更奇异和致命的东西，并对抗其他想要你拥有之物的人...
大数据文摘出品 作者：Caleb 10月初的一场国际象棋比赛，让19岁的Hans Niemann一跃成名。 相信大家都还记得，这场比赛也让Niemann直接打破了多年位居世界第一Magnus Carlsen在此之前创下了53场“西部不败”的记录。 是的，在所有人看来，这本来是一场没有任何悬念的比赛。 随后，大家都开始怀疑Niemann在比赛中作弊。 毕竟这也不是他第一次了。Niemann也亲口承认了曾在两次比赛中有过作弊行为，他解释说，这是因为他十分想与顶级棋手比赛，于是将作弊视为一条捷径，这是“他一
可以说，AI的发展进化史就是AI在游戏领域的升级史。 SciShow是Youtube上热门的科普向脱口秀节目。它的内容包罗万象，无论什么问题在这里都会得到风趣又详尽的解答。在本次节目中，介绍了AI 是
在20世纪的大部分时间里，国际象棋的博弈都是以人工智能为基准的。 约翰·麦卡锡（John McCarthy）在20世纪50年代早期创造了“人工智能”一词，曾经把国际象棋称为“ 人工智能的果蝇 ”。 在20世纪90年代后期，IBM的Deep Blue开始了对世界冠军Garry Kasparov的一系列国际象棋比赛。 1997年，深蓝最终击败卡斯帕罗夫，标志着一台机器首次在比赛中击败世界冠军。 到了二十一世纪初，技术已经提高到几乎所有的游戏环境中机器都在不停地击败国际象棋大师。 自然，AI开发人员转向其他更
本文介绍了人工智能在棋类游戏中的一些进展，特别是在围棋和德州扑克这两个领域。作者分析了AlphaGo和Libratus等人工智能系统，并讨论了这些技术在未来的可能发展方向。
八皇后问题是一个以国际象棋为背景的问题：如何能够在8×8的国际象棋棋盘上放置八个皇后，使得任何一个皇后都无法直接吃掉其他的皇后？为了达到此目的，任两个皇后都不能处于同一条横行、纵行或斜线上。八皇后问题可以推广为更一般的n皇后摆放问题：这时棋盘的大小变为n×n，而皇后个数也变成n。当且仅当n = 1或n ≥ 4时问题有解[1]。
GitHub作为程序员们的开源宝库，有着很多非常好的项目。对于初学者来说，游戏有着一种特殊的魅力。今天统计了GitHub上比较有趣的10个开源小游戏，其中有许多可以称之为经典。笔者是一名90后，《贪吃蛇》、《坦克大战》、《超级马里奥》和《太空侵略者》作为儿时的玩伴，陪伴笔者度过了很多时光，给笔者带来了非常多的回忆。
在上一篇文章中，我们讨论了在 AI 游戏（主要是五子棋）中，应用 Minimax 算法。在本文中，我们将对该算法进行些改造。虽然它并不适用所有的游戏，但是它可能适用于一般的零和游戏，比如国际象棋，四子棋，跳棋等等...请注意，这些改进中的大部分都是针对特定的游戏。
哈萨比斯天天见。这位DeepMind创始人、AlphaGo之父，一直是全球赞颂的当世天才，但每天要到凌晨4点，才能睡下。
本文将简单介绍这些算法的演进历程。未来，DeepMind 能否创造出这一系列的终极算法 OmegaZero 呢？
为了庆祝 5 月 23 日 AlphaGo 中国赛，UAI 推荐一篇有趣且有深度的思考文章。本文译自 Michael Nielsen《why alphago is really such a big deal？》。 围棋程序刻画了人类直觉的元素，这是能够产生深远影响的进步。 1997 年，IBM 的 Deep Blue 系统击败了国际象棋世界冠军，Garry Kasparov。当时，这场胜利被广泛当做是人工智能发展中的里程碑。但是 Deep Blue 的技术仅仅对棋类有用，不可推广。计算机科学并没因此产生革
【导读】12月11日晚，大家期待已有的 AlphaGo教学工具正式上线了，DeepMind资深研究员黄士杰和DeepMind围棋大使樊麾在Facebook和其新浪微博差不多同一时间发布一条重要消息，谷
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
