AlphaGo: diferenças entre revisões
Conteúdo apagado Conteúdo adicionado
Criada por tradução da página "AlphaGo" |
|||
| Linha 1: | Linha 1: | ||
[[Ficheiro:Alphago_logo_Reversed.svg|alt=AlphaGo logo|direita|miniaturadaimagem| Logotipo do AlphaGo]] |
|||
'''AlphaGo''' é uma programa de computador feito para jogar o jogo de tabuleiro [[Go]]. Foi desenvolvido pela [[DeepMind|DeepMind Technologies Limited]].<ref>{{Citar periódico |url=https://www.bbc.com/news/technology-35785875 |titulo=Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol |data=2016-03-12 |acessodata=2021-09-08 |jornal=BBC News |lingua=en-GB}}</ref> |
|||
'''AlphaGo''' é um [[programa de computador]] que joga o [[jogo de tabuleiro]] [[Go]]. <ref>{{Citar web |url=https://www.bbc.com/news/technology-35785875 |titulo=Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol |acessodata=17 March 2016 |website=BBC News}}</ref> Foi desenvolvido pela [[DeepMind]] Technologies, <ref>{{Citar web |url=https://deepmind.com/research/case-studies/alphago-the-story-so-far |titulo=DeepMind AlphaGO |website=DeepMind Artificial Intelligence AlphaGo}}</ref> que mais tarde foi adquirida pelo [[Google]]. As versões subsequentes do AlphaGo tornaram-se cada vez mais poderosas, incluindo uma versão que competia com o nome de [[AlphaGo Master|Master]]. <ref>{{Citar web |url=https://deepmind.com/research/alphago/ |titulo=AlphaGo {{!}} DeepMind |website=DeepMind}}</ref> Depois de se aposentar do jogo competitivo, AlphaGo Master foi sucedido por uma versão ainda mais poderosa conhecida como [[AlphaGo Zero]], que foi completamente autodidata, sem aprender com jogos humanos. AlphaGo Zero foi então generalizado em um programa conhecido como [[AlphaZero]], que jogava jogos adicionais, incluindo [[xadrez]] e [[shogi]]. AlphaZero, por sua vez, foi sucedido por um programa conhecido como [[MuZero|MuZero,]] que aprende sem ser ensinado as regras. |
|||
| ⚫ | |||
| ⚫ | |||
AlphaGo e seus sucessores usam um [[Pesquisa em árvore Monte Carlo|algoritmo de busca em árvore Monte Carlo]] para encontrar seus movimentos com base no conhecimento previamente adquirido por [[aprendizado de máquina]], especificamente por uma [[rede neural artificial]] (um [[Aprendizagem profunda|método de aprendizado profundo]]) por meio de treinamento extensivo, tanto do jogo humano quanto do computador. <ref name="DeepMindnature2016">{{Citar periódico |titulo=Mastering the game of Go with deep neural networks and tree search |data=28 January 2016 |ultimo=Silver |primeiro=David |ultimo2=Huang |primeiro2=Aja |autorlink2=Aja Huang |paginas=484–489 |bibcode=2016Natur.529..484S |doi=10.1038/nature16961 |issn=0028-0836 |pmid=26819042 |ultimo3=Maddison |primeiro3=Chris J. |ultimo4=Guez |primeiro4=Arthur |ultimo5=Sifre |primeiro5=Laurent |ultimo6=Driessche |primeiro6=George van den |ultimo7=Schrittwieser |primeiro7=Julian |ultimo8=Antonoglou |primeiro8=Ioannis |ultimo9=Panneershelvam |primeiro9=Veda |volume=529 |journal=[[Nature (journal)|Nature]]}}{{Acesso fechado}}</ref> Uma rede neural é treinada para identificar os melhores movimentos e as porcentagens de vitória desses movimentos. Essa rede neural melhora a força da busca em árvore, resultando em uma seleção de movimento mais forte na próxima iteração. |
|||
[[Categoria:Inteligência artificial em jogos]] |
|||
[[Categoria:Inteligência artificial]] |
|||
Em outubro de 2015, em uma partida contra Fan Hui, o AlphaGo original tornou-se o primeiro programa de computador Go a derrotar um jogador profissional de Go humano sem handicaps em um tabuleiro 19×19 de tamanho normal. <ref name="googlego">{{Citar web |url=http://googleresearch.blogspot.com/2016/01/alphago-mastering-ancient-game-of-go.html |titulo=Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning |data=27 January 2016 |website=Google Research Blog}}</ref> <ref name="bbcgo">{{Citar jornal |url=https://www.bbc.com/news/technology-35420579 |titulo=Google achieves AI 'breakthrough' by beating Go champion |data=27 January 2016 |website=[[BBC News]]}}</ref> Em março de 2016, ele derrotou [[Lee Sedol]] em [[AlphaGo vs Lee Sedol|uma partida de cinco jogos]], a primeira vez em que um programa de computador Go derrotou um profissional de 9 dan sem handicap. <ref name="leesedolwin">{{Citar web |url=https://www.youtube.com/watch?v=vFr3K2DORc8&t=1h57m |titulo=Match 1 – Google DeepMind Challenge Match: Lee Sedol vs AlphaGo |data=8 March 2016}}</ref> Embora tenha perdido para Lee Sedol no quarto game, Lee renunciou no jogo final, dando um placar final de 4 jogos a 1 a favor do AlphaGo. Em reconhecimento à vitória, AlphaGo foi premiado com um 9-dan honorário da Associação de Baduk da Coreia. <ref>{{Citar web |url=http://www.straitstimes.com/asia/east-asia/googles-alphago-gets-divine-go-ranking |titulo=Google's AlphaGo gets 'divine' Go ranking |data=15 March 2016 |acessodata=9 December 2017 |publicado=[[straitstimes.com]]}}</ref> A preparação e o desafio com Lee Sedol foram documentados em um documentário também intitulado ''AlphaGo'', <ref>{{Citar web |url=https://www.alphagomovie.com/ |titulo=AlphaGo Movie}}</ref> dirigido por Greg Kohs. A vitória do AlphaGo foi escolhida pela revista científica ''[[Science]]'' como uma das vice-campeãs do ''[[Breakthrough of the Year]]'' em 22 de dezembro de 2016. <ref>{{Citar periódico |url=http://www.sciencemag.org/news/2016/12/ai-protein-folding-our-breakthrough-runners |titulo=From AI to protein folding: Our Breakthrough runners-up |data=22 December 2016 |acessodata=29 December 2016 |journal=[[Science (journal)|Science]]}}</ref> |
|||
{{Esboço-tecnologia}} |
|||
No Future of Go Summit 2017, a [[AlphaGo Master|versão Master]] do AlphaGo derrotou [[Ke Jie]], o jogador número um do mundo na época, em uma partida de três jogos, após o qual o AlphaGo foi premiado com um 9-dan profissional pela Associação Weiqi Chinesa. <ref name="AlphaGo 9-dan">{{Citar web |url=http://sports.sohu.com/20170527/n494734669.shtml |titulo=中国围棋协会授予AlphaGo职业九段 并颁发证书 |data=27 May 2017 |acessodata=9 December 2017 |publicado=[[Sohu.com]] |lingua=zh}}</ref> |
|||
Após a partida entre AlphaGo e Ke Jie, a DeepMind aposentou AlphaGo, enquanto continuava a pesquisa de IA em outras áreas. <ref name="AlphaGo's Designers Explore New AI">{{Citar web |url=https://www.wired.com/2017/05/win-china-alphagos-designers-explore-new-ai/ |titulo=After Win in China, AlphaGo's Designers Explore New AI |data=2017-05-27}}</ref> O autodidata AlphaGo Zero alcançou uma vitória de 100-0 contra a versão competitiva inicial de AlphaGo, e seu sucessor [[AlphaZero]] é atualmente considerado o melhor jogador do mundo de Go, bem como possivelmente de [[xadrez]]. <ref>{{Citar web |url=https://www.chess.com/news/view/updated-alphazero-crushes-stockfish-in-new-1-000-game-match |titulo=AlphaZero Crushes Stockfish In New 1,000-Game Match |data=17 April 2019}}</ref> <ref>{{Citar web |url=https://science.sciencemag.org/content/362/6419/1140 |titulo=A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play |data=7 December 2018}}</ref> |
|||
== História == |
|||
O jogo Go é considerado muito mais difícil para os computadores vencerem do que outros jogos, como o [[xadrez]], porque seu [[fator de ramificação]] muito maior torna proibitivamente difícil o uso de métodos tradicionais de IA, como [[poda alfa-beta]], [[travessia de árvore]] e pesquisa [[Heurística|heurística.]] <ref name="googlego">{{Citar web |url=http://googleresearch.blogspot.com/2016/01/alphago-mastering-ancient-game-of-go.html |titulo=Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning |data=27 January 2016 |website=Google Research Blog}}</ref> <ref>{{Citation|title=Temporal Difference Learning of Position Evaluation in the Game of Go|first1=Nicol N.|last=Schraudolph|first2=Peter Dayan|last2=Terrence|first3=J.|last3=Sejnowski|url=http://www.variational-bayes.org/~dayan/papers/sds94.pdf}}</ref> |
|||
Quase duas décadas depois que o computador da IBM [[Deep Blue]] derrotou o campeão mundial de xadrez [[Garry Kasparov]] na [[Match Garry Kasparov vs Deep Blue|partida de 1997]], os programas Go mais fortes usando [[Inteligência artificial|técnicas de inteligência artificial]] atingiram apenas o nível amador de 5 dan <ref name="DeepMindnature2016">{{Citar periódico |titulo=Mastering the game of Go with deep neural networks and tree search |data=28 January 2016 |ultimo=Silver |primeiro=David |ultimo2=Huang |primeiro2=Aja |autorlink2=Aja Huang |paginas=484–489 |bibcode=2016Natur.529..484S |doi=10.1038/nature16961 |issn=0028-0836 |pmid=26819042 |ultimo3=Maddison |primeiro3=Chris J. |ultimo4=Guez |primeiro4=Arthur |ultimo5=Sifre |primeiro5=Laurent |ultimo6=Driessche |primeiro6=George van den |ultimo7=Schrittwieser |primeiro7=Julian |ultimo8=Antonoglou |primeiro8=Ioannis |ultimo9=Panneershelvam |primeiro9=Veda |volume=529 |journal=[[Nature (journal)|Nature]]}}{{Acesso fechado}}</ref> e ainda não podiam vencer um jogador profissional de Go sem um handicap. <ref name="googlego">{{Citar web |url=http://googleresearch.blogspot.com/2016/01/alphago-mastering-ancient-game-of-go.html |titulo=Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning |data=27 January 2016 |website=Google Research Blog}}</ref> <ref name="bbcgo">{{Citar jornal |url=https://www.bbc.com/news/technology-35420579 |titulo=Google achieves AI 'breakthrough' by beating Go champion |data=27 January 2016 |website=[[BBC News]]}}</ref> <ref name="CNN0128">{{Citar web |url=https://money.cnn.com/2016/01/28/technology/google-computer-program-beats-human-at-go/index.html |titulo=Computer scores big win against humans in ancient game of Go |data=28 January 2016 |acessodata=28 January 2016 |publicado=CNN}}</ref> Em 2012, o programa de software Zen, rodando em um cluster de quatro PCs, venceu Masaki Takemiya (9p) duas vezes em handicaps de cinco e quatro pedras. <ref>{{Citar web |url=https://gogameguru.com/zen-computer-go-program-beats-takemiya-masaki-4-stones/ |titulo=Zen computer Go program beats Takemiya Masaki with just 4 stones! |acessodata=28 January 2016 |website=Go Game Guru |arquivourl=https://web.archive.org/web/20160201162313/https://gogameguru.com/zen-computer-go-program-beats-takemiya-masaki-4-stones/ |arquivodata=1 February 2016}}</ref> Em 2013, Crazy Stone venceu Yoshio Ishida (9p) em uma desvantagem de quatro pedras. <ref>{{Citar web |url=http://sankei.jp.msn.com/life/news/130320/igo13032020420000-n1.htm |titulo=「アマ六段の力。天才かも」囲碁棋士、コンピューターに敗れる 初の公式戦 |acessodata=27 March 2013 |publicado=MSN Sankei News |arquivourl=https://web.archive.org/web/20130324221549/http://sankei.jp.msn.com/life/news/130320/igo13032020420000-n1.htm |arquivodata=24 March 2013}}</ref> |
|||
De acordo com David Silver, da DeepMind, o projeto de pesquisa AlphaGo foi formado por volta de 2014 para testar o quão bem uma rede neural usando [[Aprendizagem profunda|aprendizado profundo]] pode competir no jogo Go. <ref name="pcworld_unusual">{{Citar jornal |ultimo=John Riberio |url=http://www.pcworld.com/article/3043668/analytics/alphagos-unusual-moves-prove-its-ai-prowess-experts-say.html |titulo=AlphaGo's unusual moves prove its AI prowess, experts say |data=14 March 2016 |acessodata=18 March 2016 |website=[[PC World]]}}</ref> AlphaGo representa uma melhoria significativa em relação aos programas Go anteriores. Em 500 jogos contra outros programas Go disponíveis, incluindo Crazy Stone e Zen, AlphaGo rodando em um único computador venceu todos exceto um. <ref>{{Citar jornal |url=https://www.zdnet.com/article/google-alphago-ai-clean-sweeps-european-go-champion/ |titulo=Google AlphaGo AI clean sweeps European Go champion |data=28 January 2016 |acessodata=28 January 2016 |website=[[ZDNet]]}}</ref> Em um confronto semelhante, AlphaGo rodando em vários computadores venceu todos os 500 jogos disputados contra outros programas Go, e 77% dos jogos jogados contra AlphaGo rodando em um único computador. A versão distribuída em outubro de 2015 usava 1.202 [[Unidade central de processamento|CPUs]] e 176 [[Unidade de processamento gráfico|GPUs]]. <ref name="DeepMindnature2016">{{Citar periódico |titulo=Mastering the game of Go with deep neural networks and tree search |data=28 January 2016 |ultimo=Silver |primeiro=David |ultimo2=Huang |primeiro2=Aja |autorlink2=Aja Huang |paginas=484–489 |bibcode=2016Natur.529..484S |doi=10.1038/nature16961 |issn=0028-0836 |pmid=26819042 |ultimo3=Maddison |primeiro3=Chris J. |ultimo4=Guez |primeiro4=Arthur |ultimo5=Sifre |primeiro5=Laurent |ultimo6=Driessche |primeiro6=George van den |ultimo7=Schrittwieser |primeiro7=Julian |ultimo8=Antonoglou |primeiro8=Ioannis |ultimo9=Panneershelvam |primeiro9=Veda |volume=529 |journal=[[Nature (journal)|Nature]]}}{{Acesso fechado}}</ref> |
|||
=== Jogo contra Fan Hui === |
|||
Em outubro de 2015, a versão distribuída de AlphaGo derrotou o campeão europeu de Go [[Fan Hui]], <ref name="MetzWired2016">{{Citar web |ultimo=Metz |primeiro=Cade |url=https://www.wired.com/2016/01/in-a-huge-breakthrough-googles-ai-beats-a-top-player-at-the-game-of-go/ |titulo=In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go |data=27 January 2016 |acessodata=1 February 2016 |website=WIRED |lingua=en-US}}</ref> um profissional de 2 dan (de 9 dan possíveis), de cinco a zero. <ref name="bbcgo">{{Citar jornal |url=https://www.bbc.com/news/technology-35420579 |titulo=Google achieves AI 'breakthrough' by beating Go champion |data=27 January 2016 |website=[[BBC News]]}}</ref> <ref>{{Citar web |url=http://www.britgo.org/files/2016/deepmind/BGJ174-AlphaGo.pdf |titulo=Special Computer Go insert covering the AlphaGo v Fan Hui match |acessodata=1 February 2016 |publicado=British Go Journal |ano=2017}}</ref> Esta foi a primeira vez que um programa de computador Go derrotou um jogador humano profissional em uma placa de tamanho normal sem deficiência. <ref name="lemondego">{{Citar jornal |url=http://www.lemonde.fr/pixels/article/2016/01/27/premiere-defaite-d-un-professionnel-du-go-contre-une-intelligence-artificielle_4854886_4408996.html |titulo=Première défaite d'un professionnel du go contre une intelligence artificielle |data=27 January 2016 |website=[[Le Monde]] |lingua=fr}}</ref> O anúncio da notícia foi adiado até 27 de janeiro de 2016 para coincidir com a publicação de um artigo na revista ''[[Nature]]'' <ref name="DeepMindnature2016">{{Citar periódico |titulo=Mastering the game of Go with deep neural networks and tree search |data=28 January 2016 |ultimo=Silver |primeiro=David |ultimo2=Huang |primeiro2=Aja |autorlink2=Aja Huang |paginas=484–489 |bibcode=2016Natur.529..484S |doi=10.1038/nature16961 |issn=0028-0836 |pmid=26819042 |ultimo3=Maddison |primeiro3=Chris J. |ultimo4=Guez |primeiro4=Arthur |ultimo5=Sifre |primeiro5=Laurent |ultimo6=Driessche |primeiro6=George van den |ultimo7=Schrittwieser |primeiro7=Julian |ultimo8=Antonoglou |primeiro8=Ioannis |ultimo9=Panneershelvam |primeiro9=Veda |volume=529 |journal=[[Nature (journal)|Nature]]}}{{Acesso fechado}}</ref> descrevendo os algoritmos usados. <ref name="bbcgo" /> |
|||
=== Jogo contra Lee Sedol === |
|||
O AlphaGo enfrentou o jogador profissional de Go sul-coreano [[Lee Sedol]], classificado com 9-dan, um dos melhores jogadores de Go, <ref name="CNN0128">{{Citar web |url=https://money.cnn.com/2016/01/28/technology/google-computer-program-beats-human-at-go/index.html |titulo=Computer scores big win against humans in ancient game of Go |data=28 January 2016 |acessodata=28 January 2016 |publicado=CNN}}</ref> com cinco jogos ocorrendo no [[Four Seasons Hotels and Resorts|Four Seasons Hotel]] em [[Seul]], Coreia do Sul em 9, 10, 12, 13 e 15 de março de 2016, <ref>{{Citar jornal |url=https://www.theguardian.com/technology/2016/feb/05/google-ai-alphago-world-no-1-lee-se-dol-live-broadcast |titulo=Google's AI AlphaGo to take on world No 1 Lee Sedol in live broadcast |data=5 February 2016 |acessodata=15 February 2016 |website=[[The Guardian]]}}</ref> <ref>{{Citar web |url=http://www.businessinsider.com/google-deepmind-to-play-go-against-lee-sedol-in-south-korea-four-seasons-2016-2?r=UK&IR=T |titulo=Google DeepMind is going to take on the world's best Go player in a luxury 5-star hotel in South Korea |data=22 February 2016 |acessodata=23 February 2016 |website=[[Business Insider]]}}</ref> que foram transmitidos por vídeo ao vivo. <ref>{{Citar web |ultimo=Novet |primeiro=Jordan |url=https://venturebeat.com/2016/02/04/youtube-will-livestream-googles-ai-playing-go-superstar-lee-sedol-in-march/ |titulo=YouTube will livestream Google's AI playing Go superstar Lee Sedol in March |data=4 February 2016 |acessodata=7 February 2016 |website=[[VentureBeat]]}}</ref> De cinco jogos, AlphaGo venceu quatro e Lee venceu o quarto jogo, o que o tornou o único jogador humano que venceu AlphaGo em todos os seus 74 jogos oficiais. <ref name="koreatimes beatable">{{Citar jornal |ultimo=Yoon Sung-won |url=https://www.koreatimes.co.kr/www/news/tech/2016/03/133_200267.html |titulo=Lee Se-dol shows AlphaGo beatable |data=14 March 2016 |acessodata=15 March 2016 |website=[[The Korea Times]]}}</ref> AlphaGo rodou na computação em nuvem do Google com seus servidores localizados nos Estados Unidos. <ref name="JoongAng Ilbo">{{Citar jornal |url=http://chinese.joins.com/gb/article.do?method=detail&art_id=148225&category=005001 |titulo=李世乭：即使Alpha Go得到升级也一样能赢 |data=23 February 2016 |acessodata=24 February 2016 |website=[[JoongAng Ilbo]] |lingua=zh}}</ref> A partida usou as regras chinesas com um komi de 7,5 pontos, e cada lado teve duas horas de tempo para pensar mais três períodos de byoyomi de 60 segundos. <ref name="Korea Baduk Association">{{Citar web |url=http://www.baduk.or.kr/news/report_view.asp?news_no=1671 |titulo=이세돌 vs 알파고, '구글 딥마인드 챌린지 매치' 기자회견 열려 |data=22 February 2016 |acessodata=22 February 2016 |publicado=[[Korea Baduk Association]] |lingua=ko |arquivourl=https://web.archive.org/web/20160303210212/http://www.baduk.or.kr/news/report_view.asp?news_no=1671 |arquivodata=3 March 2016}}</ref> A versão de AlphaGo jogando contra Lee usou uma quantidade semelhante de poder de computação que foi usado na partida de Fan Hui. <ref>{{Citar tweet |numero=708488229750591488 |usuario=demishassabis |titulo=We are using roughly same amount of compute power as in Fan Hui match: distributing search over further machines has diminishing returns |autor=Demis Hassabis |autorlink=Demis_Hassabis |data=11 March 2016}}</ref> ''[[The Economist]]'' relatou que ele usou 1.920 CPUs e 280 GPUs. <ref>{{Citar jornal |url=https://www.economist.com/news/science-and-technology/21694540-win-or-lose-best-five-battle-contest-another-milestone |titulo=Showdown |acessodata=19 November 2016 |website=The Economist}}</ref> No momento do jogo, Lee Sedol tinha o segundo maior número de vitórias em campeonatos internacionais Go no mundo, depois do sul-coreano Lee Changho, que manteve o título mundial por 16 anos. <ref>{{Citar jornal |ultimo=Steven Borowiec |url=https://www.theguardian.com/technology/2016/mar/09/googles-ai-machine-v-world-champion-of-go-everything-you-need-to-know |titulo=Google's AI machine v world champion of 'Go': everything you need to know |data=9 March 2016 |acessodata=15 March 2016 |website=The Guardian}}</ref> Como não existe um único método oficial de classificação no Go internacional, as classificações podem variar entre as fontes. Embora às vezes fosse o melhor classificado, algumas fontes classificaram Lee Sedol como o quarto melhor jogador do mundo na época. <ref name="goratings.org 2016">{{Citar web |ultimo=Rémi Coulom |url=http://www.goratings.org/history/2016-01-01.html |titulo=Rating List of 2016-01-01 |acessodata=18 March 2016 |arquivourl=https://web.archive.org/web/20160318041922/http://www.goratings.org/history/2016-01-01.html |arquivodata=18 March 2016}}</ref> <ref>{{Citar jornal |url=http://digital.asiaone.com/digital/news/korean-go-master-proves-human-intuition-still-powerful-go |titulo=Korean Go master proves human intuition still powerful in Go |data=14 March 2016 |acessodata=15 March 2016 |website=[[The Korean Herald]]/[[Asia News Network|ANN]] |arquivourl=https://web.archive.org/web/20160412234130/http://digital.asiaone.com/digital/news/korean-go-master-proves-human-intuition-still-powerful-go |arquivodata=12 April 2016}}</ref> |
|||
O prêmio dapartida foi de US$ 1 milhão. Visto que AlphaGo venceu quatro de cinco e, portanto, a série, o prêmio será doado a instituições de caridade, incluindo a [[Fundo das Nações Unidas para a Infância|UNICEF]]. <ref>{{Citar jornal |url=https://www.boston25news.com/news/human-champion-certain-hell-beat-ai-at-ancient-chinese-game/105803732 |titulo=Human champion certain he'll beat AI at ancient Chinese game |data=22 February 2016 |acessodata=22 February 2016 |agência=Associated Press}}</ref> Lee Sedol recebeu $150.000 por participar de todos os cinco jogos e $20.000 adicionais por sua vitória no Jogo 4. <ref name="Korea Baduk Association">{{Citar web |url=http://www.baduk.or.kr/news/report_view.asp?news_no=1671 |titulo=이세돌 vs 알파고, '구글 딥마인드 챌린지 매치' 기자회견 열려 |data=22 February 2016 |acessodata=22 February 2016 |publicado=[[Korea Baduk Association]] |lingua=ko |arquivourl=https://web.archive.org/web/20160303210212/http://www.baduk.or.kr/news/report_view.asp?news_no=1671 |arquivodata=3 March 2016}}</ref> |
|||
== Algoritmo == |
|||
A partir de 2016, o algoritmo do AlphaGo usa uma combinação de técnicas de [[aprendizado de máquina]] e de [[Busca por árvore|busca em árvore]], combinadas com um treinamento extensivo, tanto de jogo humano quanto de computador. Ele usa a [[pesquisa em árvore Monte Carlo]], guiada por uma "rede de valor" e uma "rede de políticas", ambas implementadas usando tecnologia de [[Aprendizagem profunda|aprendizagem profunda.]] <ref name="googlego">{{Citar web |url=http://googleresearch.blogspot.com/2016/01/alphago-mastering-ancient-game-of-go.html |titulo=Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning |data=27 January 2016 |website=Google Research Blog}}</ref> <ref name="DeepMindnature2016">{{Citar periódico |titulo=Mastering the game of Go with deep neural networks and tree search |data=28 January 2016 |ultimo=Silver |primeiro=David |ultimo2=Huang |primeiro2=Aja |autorlink2=Aja Huang |paginas=484–489 |bibcode=2016Natur.529..484S |doi=10.1038/nature16961 |issn=0028-0836 |pmid=26819042 |ultimo3=Maddison |primeiro3=Chris J. |ultimo4=Guez |primeiro4=Arthur |ultimo5=Sifre |primeiro5=Laurent |ultimo6=Driessche |primeiro6=George van den |ultimo7=Schrittwieser |primeiro7=Julian |ultimo8=Antonoglou |primeiro8=Ioannis |ultimo9=Panneershelvam |primeiro9=Veda |volume=529 |journal=[[Nature (journal)|Nature]]}}{{Acesso fechado}}</ref> Uma quantidade limitada de pré-processamento de detecção de recurso específico do jogo (por exemplo, para destacar se um movimento corresponde a um padrão nakade) é aplicada à entrada antes de ser enviada para as redes neurais. <ref name="DeepMindnature2016" /> |
|||
== Estilo de jogo == |
|||
Toby Manning, o árbitro da partida para AlphaGo vs. Fan Hui descreveu o estilo de jogo do programa como "conservador". <ref name=":0">{{Citar periódico |titulo=Google AI algorithm masters ancient game of Go |data=27 January 2016 |ultimo=Gibney |primeiro=Elizabeth |paginas=445–6 |bibcode=2016Natur.529..445G |doi=10.1038/529445a |pmid=26819021 |volume=529 |doi-access=free |journal=Nature}}</ref> O estilo de jogo do AlphaGo favorece fortemente uma maior probabilidade de ganhar por menos pontos em relação à menor probabilidade de ganhar por mais pontos. <ref name="pcworld_unusual">{{Citar jornal |ultimo=John Riberio |url=http://www.pcworld.com/article/3043668/analytics/alphagos-unusual-moves-prove-its-ai-prowess-experts-say.html |titulo=AlphaGo's unusual moves prove its AI prowess, experts say |data=14 March 2016 |acessodata=18 March 2016 |website=[[PC World]]}}</ref> Sua estratégia de maximizar sua probabilidade de vitória é diferente da que os jogadores humanos tendem a fazer, que é maximizar os ganhos territoriais, e explica alguns de seus movimentos estranhos. <ref>{{Citar periódico |url=http://www.nature.com/news/the-go-files-ai-computer-clinches-victory-against-go-champion-1.19553 |titulo=The Go Files: AI computer clinches victory against Go champion |data=12 March 2016 |ultimo=Chouard |primeiro=Tanguy |doi=10.1038/nature.2016.19553 |journal=[[Nature (journal)|Nature]]}}</ref> |
|||
== Respostas à vitória de 2016 == |
|||
=== Comunidade de IA === |
|||
A vitória da AlphaGo em março de 2016 foi um marco importante na pesquisa de inteligência artificial. <ref name="latimes milestone">{{Citar jornal |ultimo=Steven Borowiec |ultimo2=Tracey Lien |url=https://www.latimes.com/world/asia/la-fg-korea-alphago-20160312-story.html |titulo=AlphaGo beats human Go champ in milestone for artificial intelligence |data=12 March 2016 |acessodata=13 March 2016 |website=[[Los Angeles Times]]}}</ref> O Go já havia sido considerado um problema difícil no aprendizado de máquina, que deveria estar fora do alcance da tecnologia da época. <ref name="latimes milestone" /> <ref>{{Citar jornal |ultimo=Connor |primeiro=Steve |url=https://www.independent.co.uk/life-style/gadgets-and-tech/news/google-alphago-computer-beats-professional-at-worlds-most-complex-board-game-go-a6837506.html |titulo=A computer has beaten a professional at the world's most complex board game |data=27 January 2016 |acessodata=28 January 2016 |website=[[The Independent]]}}</ref> <ref>{{Citar jornal |url=http://www.cbc.ca/news/technology/alphago-ai-1.3422347 |titulo=Google's AI beats human champion at Go |data=27 January 2016 |acessodata=28 January 2016 |website=[[CBC News]]}}</ref> A maioria dos especialistas achava que um programa Go tão poderoso quanto AlphaGo estava a pelo menos cinco anos de distância. <ref>{{Citar jornal |ultimo=Dave Gershgorn |url=http://www.popsci.com/googles-alphago-beats-world-champion-in-third-match-to-win-entire-series |titulo=GOOGLE'S ALPHAGO BEATS WORLD CHAMPION IN THIRD MATCH TO WIN ENTIRE SERIES |data=12 March 2016 |acessodata=13 March 2016 |website=[[Popular Science (magazine)|Popular Science]]}}</ref> Alguns especialistas pensaram que levaria pelo menos mais uma década antes que os computadores derrotassem os campeões de Go. <ref name="DeepMindnature2016">{{Citar periódico |titulo=Mastering the game of Go with deep neural networks and tree search |data=28 January 2016 |ultimo=Silver |primeiro=David |ultimo2=Huang |primeiro2=Aja |autorlink2=Aja Huang |paginas=484–489 |bibcode=2016Natur.529..484S |doi=10.1038/nature16961 |issn=0028-0836 |pmid=26819042 |ultimo3=Maddison |primeiro3=Chris J. |ultimo4=Guez |primeiro4=Arthur |ultimo5=Sifre |primeiro5=Laurent |ultimo6=Driessche |primeiro6=George van den |ultimo7=Schrittwieser |primeiro7=Julian |ultimo8=Antonoglou |primeiro8=Ioannis |ultimo9=Panneershelvam |primeiro9=Veda |volume=529 |journal=[[Nature (journal)|Nature]]}}{{Acesso fechado}}</ref> <ref name="cbc sweeps">{{Citar jornal |url=http://www.cbc.ca/news/technology/go-google-alphago-lee-sedol-deepmind-1.3488913 |titulo=Google DeepMind computer AlphaGo sweeps human champ in Go matches |data=12 March 2016 |acessodata=13 March 2016 |website=[[CBC News]] |agência=[[Associated Press]]}}</ref> <ref>{{Citar jornal |ultimo=Sofia Yan |url=https://money.cnn.com/2016/03/12/technology/google-deepmind-alphago-wins/ |titulo=A Google computer victorious over the world's 'Go' champion |data=12 March 2016 |acessodata=13 March 2016 |website=[[CNN Money]]}}</ref> A maioria dos observadores no início das partidas de 2016 esperava que Lee derrotasse o AlphaGo. <ref name="latimes milestone" /> |
|||
=== Comunidade Go === |
|||
Go é um jogo popular na China, Japão e Coreia, e as partidas de 2016 foram assistidas por talvez cem milhões de pessoas em todo o mundo. <ref name="latimes milestone">{{Citar jornal |ultimo=Steven Borowiec |ultimo2=Tracey Lien |url=https://www.latimes.com/world/asia/la-fg-korea-alphago-20160312-story.html |titulo=AlphaGo beats human Go champ in milestone for artificial intelligence |data=12 March 2016 |acessodata=13 March 2016 |website=[[Los Angeles Times]]}}</ref> <ref>{{Citar jornal |ultimo=CHOE SANG-HUN |url=https://www.nytimes.com/2016/03/16/world/asia/korea-alphago-vs-lee-sedol-go.html |titulo=Google's Computer Program Beats Lee Se-dol in Go Tournament |data=16 March 2016 |acessodata=18 March 2016 |website=[[The New York Times]] |citação=More than 100 million people watched the AlphaGo-Lee matches, Mr. Hassabis said.}}</ref> Muitos dos melhores jogadores de Go caracterizaram as jogadas pouco ortodoxas de AlphaGo como movimentos aparentemente questionáveis que inicialmente confundiram os espectadores, mas faziam sentido em retrospectiva: <ref name="cbc sweeps">{{Citar jornal |url=http://www.cbc.ca/news/technology/go-google-alphago-lee-sedol-deepmind-1.3488913 |titulo=Google DeepMind computer AlphaGo sweeps human champ in Go matches |data=12 March 2016 |acessodata=13 March 2016 |website=[[CBC News]] |agência=[[Associated Press]]}}</ref> "Todos, exceto os melhores jogadores de Go, criam seu estilo imitando os melhores jogadores. AlphaGo parece ter movimentos totalmente originais que ele mesmo cria." <ref name="latimes milestone" /> |
|||
== Sistemas semelhantes == |
|||
[[Facebook|O Facebook]] também está trabalhando em seu próprio sistema de Go, ''darkforest'', também baseado na combinação de aprendizado de máquina e pesquisa de árvore Monte Carlo. <ref name=":0">{{Citar periódico |titulo=Google AI algorithm masters ancient game of Go |data=27 January 2016 |ultimo=Gibney |primeiro=Elizabeth |paginas=445–6 |bibcode=2016Natur.529..445G |doi=10.1038/529445a |pmid=26819021 |volume=529 |doi-access=free |journal=Nature}}</ref> <ref name="Facebook-paper">{{Citar arXiv|arxiv=1511.06410v1|classe=cs.LG|nome=Yuandong|sobrenome=Tian|nome2=Yan|sobrenome2=Zhu|titulo=Better Computer Go Player with Neural Network and Long-term Prediction}}</ref> Embora um jogador forte contra outros programas de computador Go, no início de 2016, ainda não havia derrotado um jogador profissional humano. <ref>{{Citar jornal |ultimo=HAL 90210 |url=https://www.theguardian.com/technology/2016/jan/28/go-playing-facebook-spoil-googles-ai-deepmind |titulo=No Go: Facebook fails to spoil Google's big AI day |data=28 January 2016 |acessodata=1 February 2016 |website=The Guardian |lingua=en-GB |issn=0261-3077}}</ref> Darkforest perdeu para CrazyStone e Zen e estima-se que tenha capacidade semelhante |
|||
à deles. <ref>{{Citar web |url=http://livestream.com/oxuni/StracheyLectureDrDemisHassabis |titulo=Strachey Lecture – Dr Demis Hassabis |acessodata=17 March 2016 |website=The New Livestream}}</ref> |
|||
Um artigo de 2018 na [[Nature]] citou a abordagem do AlphaGo como a base para um novo meio de calcular moléculas de potenciais medicamentos farmacêuticos. <ref>{{Citar web |url=https://www.theengineer.co.uk/go-make-drugs/ |titulo=Go and make some drugs The Engineer |acessodata=2018-04-03 |website=www.theengineer.co.uk |lingua=en-UK}}</ref> |
|||
== Veja também == |
|||
| ⚫ | |||
| ⚫ | |||
[[Categoria:Software de 2015]] |
|||
[[Categoria:!Páginas com traduções não revistas]] |
|||
Revisão das 19h39min de 11 de setembro de 2021
AlphaGo é um programa de computador que joga o jogo de tabuleiro Go. [1] Foi desenvolvido pela DeepMind Technologies, [2] que mais tarde foi adquirida pelo Google. As versões subsequentes do AlphaGo tornaram-se cada vez mais poderosas, incluindo uma versão que competia com o nome de Master. [3] Depois de se aposentar do jogo competitivo, AlphaGo Master foi sucedido por uma versão ainda mais poderosa conhecida como AlphaGo Zero, que foi completamente autodidata, sem aprender com jogos humanos. AlphaGo Zero foi então generalizado em um programa conhecido como AlphaZero, que jogava jogos adicionais, incluindo xadrez e shogi. AlphaZero, por sua vez, foi sucedido por um programa conhecido como MuZero, que aprende sem ser ensinado as regras.
AlphaGo e seus sucessores usam um algoritmo de busca em árvore Monte Carlo para encontrar seus movimentos com base no conhecimento previamente adquirido por aprendizado de máquina, especificamente por uma rede neural artificial (um método de aprendizado profundo) por meio de treinamento extensivo, tanto do jogo humano quanto do computador. [4] Uma rede neural é treinada para identificar os melhores movimentos e as porcentagens de vitória desses movimentos. Essa rede neural melhora a força da busca em árvore, resultando em uma seleção de movimento mais forte na próxima iteração.
Em outubro de 2015, em uma partida contra Fan Hui, o AlphaGo original tornou-se o primeiro programa de computador Go a derrotar um jogador profissional de Go humano sem handicaps em um tabuleiro 19×19 de tamanho normal. [5] [6] Em março de 2016, ele derrotou Lee Sedol em uma partida de cinco jogos, a primeira vez em que um programa de computador Go derrotou um profissional de 9 dan sem handicap. [7] Embora tenha perdido para Lee Sedol no quarto game, Lee renunciou no jogo final, dando um placar final de 4 jogos a 1 a favor do AlphaGo. Em reconhecimento à vitória, AlphaGo foi premiado com um 9-dan honorário da Associação de Baduk da Coreia. [8] A preparação e o desafio com Lee Sedol foram documentados em um documentário também intitulado AlphaGo, [9] dirigido por Greg Kohs. A vitória do AlphaGo foi escolhida pela revista científica Science como uma das vice-campeãs do Breakthrough of the Year em 22 de dezembro de 2016. [10]
No Future of Go Summit 2017, a versão Master do AlphaGo derrotou Ke Jie, o jogador número um do mundo na época, em uma partida de três jogos, após o qual o AlphaGo foi premiado com um 9-dan profissional pela Associação Weiqi Chinesa. [11]
Após a partida entre AlphaGo e Ke Jie, a DeepMind aposentou AlphaGo, enquanto continuava a pesquisa de IA em outras áreas. [12] O autodidata AlphaGo Zero alcançou uma vitória de 100-0 contra a versão competitiva inicial de AlphaGo, e seu sucessor AlphaZero é atualmente considerado o melhor jogador do mundo de Go, bem como possivelmente de xadrez. [13] [14]
História
O jogo Go é considerado muito mais difícil para os computadores vencerem do que outros jogos, como o xadrez, porque seu fator de ramificação muito maior torna proibitivamente difícil o uso de métodos tradicionais de IA, como poda alfa-beta, travessia de árvore e pesquisa heurística. [5] [15]
Quase duas décadas depois que o computador da IBM Deep Blue derrotou o campeão mundial de xadrez Garry Kasparov na partida de 1997, os programas Go mais fortes usando técnicas de inteligência artificial atingiram apenas o nível amador de 5 dan [4] e ainda não podiam vencer um jogador profissional de Go sem um handicap. [5] [6] [16] Em 2012, o programa de software Zen, rodando em um cluster de quatro PCs, venceu Masaki Takemiya (9p) duas vezes em handicaps de cinco e quatro pedras. [17] Em 2013, Crazy Stone venceu Yoshio Ishida (9p) em uma desvantagem de quatro pedras. [18]
De acordo com David Silver, da DeepMind, o projeto de pesquisa AlphaGo foi formado por volta de 2014 para testar o quão bem uma rede neural usando aprendizado profundo pode competir no jogo Go. [19] AlphaGo representa uma melhoria significativa em relação aos programas Go anteriores. Em 500 jogos contra outros programas Go disponíveis, incluindo Crazy Stone e Zen, AlphaGo rodando em um único computador venceu todos exceto um. [20] Em um confronto semelhante, AlphaGo rodando em vários computadores venceu todos os 500 jogos disputados contra outros programas Go, e 77% dos jogos jogados contra AlphaGo rodando em um único computador. A versão distribuída em outubro de 2015 usava 1.202 CPUs e 176 GPUs. [4]
Jogo contra Fan Hui
Em outubro de 2015, a versão distribuída de AlphaGo derrotou o campeão europeu de Go Fan Hui, [21] um profissional de 2 dan (de 9 dan possíveis), de cinco a zero. [6] [22] Esta foi a primeira vez que um programa de computador Go derrotou um jogador humano profissional em uma placa de tamanho normal sem deficiência. [23] O anúncio da notícia foi adiado até 27 de janeiro de 2016 para coincidir com a publicação de um artigo na revista Nature [4] descrevendo os algoritmos usados. [6]
Jogo contra Lee Sedol
O AlphaGo enfrentou o jogador profissional de Go sul-coreano Lee Sedol, classificado com 9-dan, um dos melhores jogadores de Go, [16] com cinco jogos ocorrendo no Four Seasons Hotel em Seul, Coreia do Sul em 9, 10, 12, 13 e 15 de março de 2016, [24] [25] que foram transmitidos por vídeo ao vivo. [26] De cinco jogos, AlphaGo venceu quatro e Lee venceu o quarto jogo, o que o tornou o único jogador humano que venceu AlphaGo em todos os seus 74 jogos oficiais. [27] AlphaGo rodou na computação em nuvem do Google com seus servidores localizados nos Estados Unidos. [28] A partida usou as regras chinesas com um komi de 7,5 pontos, e cada lado teve duas horas de tempo para pensar mais três períodos de byoyomi de 60 segundos. [29] A versão de AlphaGo jogando contra Lee usou uma quantidade semelhante de poder de computação que foi usado na partida de Fan Hui. [30] The Economist relatou que ele usou 1.920 CPUs e 280 GPUs. [31] No momento do jogo, Lee Sedol tinha o segundo maior número de vitórias em campeonatos internacionais Go no mundo, depois do sul-coreano Lee Changho, que manteve o título mundial por 16 anos. [32] Como não existe um único método oficial de classificação no Go internacional, as classificações podem variar entre as fontes. Embora às vezes fosse o melhor classificado, algumas fontes classificaram Lee Sedol como o quarto melhor jogador do mundo na época. [33] [34]
O prêmio dapartida foi de US$ 1 milhão. Visto que AlphaGo venceu quatro de cinco e, portanto, a série, o prêmio será doado a instituições de caridade, incluindo a UNICEF. [35] Lee Sedol recebeu $150.000 por participar de todos os cinco jogos e $20.000 adicionais por sua vitória no Jogo 4. [29]
Algoritmo
A partir de 2016, o algoritmo do AlphaGo usa uma combinação de técnicas de aprendizado de máquina e de busca em árvore, combinadas com um treinamento extensivo, tanto de jogo humano quanto de computador. Ele usa a pesquisa em árvore Monte Carlo, guiada por uma "rede de valor" e uma "rede de políticas", ambas implementadas usando tecnologia de aprendizagem profunda. [5] [4] Uma quantidade limitada de pré-processamento de detecção de recurso específico do jogo (por exemplo, para destacar se um movimento corresponde a um padrão nakade) é aplicada à entrada antes de ser enviada para as redes neurais. [4]
Estilo de jogo
Toby Manning, o árbitro da partida para AlphaGo vs. Fan Hui descreveu o estilo de jogo do programa como "conservador". [36] O estilo de jogo do AlphaGo favorece fortemente uma maior probabilidade de ganhar por menos pontos em relação à menor probabilidade de ganhar por mais pontos. [19] Sua estratégia de maximizar sua probabilidade de vitória é diferente da que os jogadores humanos tendem a fazer, que é maximizar os ganhos territoriais, e explica alguns de seus movimentos estranhos. [37]
Respostas à vitória de 2016
Comunidade de IA
A vitória da AlphaGo em março de 2016 foi um marco importante na pesquisa de inteligência artificial. [38] O Go já havia sido considerado um problema difícil no aprendizado de máquina, que deveria estar fora do alcance da tecnologia da época. [38] [39] [40] A maioria dos especialistas achava que um programa Go tão poderoso quanto AlphaGo estava a pelo menos cinco anos de distância. [41] Alguns especialistas pensaram que levaria pelo menos mais uma década antes que os computadores derrotassem os campeões de Go. [4] [42] [43] A maioria dos observadores no início das partidas de 2016 esperava que Lee derrotasse o AlphaGo. [38]
Comunidade Go
Go é um jogo popular na China, Japão e Coreia, e as partidas de 2016 foram assistidas por talvez cem milhões de pessoas em todo o mundo. [38] [44] Muitos dos melhores jogadores de Go caracterizaram as jogadas pouco ortodoxas de AlphaGo como movimentos aparentemente questionáveis que inicialmente confundiram os espectadores, mas faziam sentido em retrospectiva: [42] "Todos, exceto os melhores jogadores de Go, criam seu estilo imitando os melhores jogadores. AlphaGo parece ter movimentos totalmente originais que ele mesmo cria." [38]
Sistemas semelhantes
O Facebook também está trabalhando em seu próprio sistema de Go, darkforest, também baseado na combinação de aprendizado de máquina e pesquisa de árvore Monte Carlo. [36] [45] Embora um jogador forte contra outros programas de computador Go, no início de 2016, ainda não havia derrotado um jogador profissional humano. [46] Darkforest perdeu para CrazyStone e Zen e estima-se que tenha capacidade semelhante
à deles. [47]
Um artigo de 2018 na Nature citou a abordagem do AlphaGo como a base para um novo meio de calcular moléculas de potenciais medicamentos farmacêuticos. [48]
Veja também
Referências
- ↑ «Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol». BBC News. Consultado em 17 March 2016 Verifique data em:
|acessodata=(ajuda) - ↑ «DeepMind AlphaGO». DeepMind Artificial Intelligence AlphaGo
- ↑ «AlphaGo | DeepMind». DeepMind
- ↑ a b c d e f g Silver, David; Huang, Aja; Maddison, Chris J.; Guez, Arthur; Sifre, Laurent; Driessche, George van den; Schrittwieser, Julian; Antonoglou, Ioannis; Panneershelvam, Veda (28 January 2016). «Mastering the game of Go with deep neural networks and tree search». Nature. 529: 484–489. Bibcode:2016Natur.529..484S. ISSN 0028-0836. PMID 26819042. doi:10.1038/nature16961 Verifique data em:
|data=(ajuda)
- ↑ a b c d «Research Blog: AlphaGo: Mastering the ancient game of Go with Machine Learning». Google Research Blog. 27 January 2016 Verifique data em:
|data=(ajuda) - ↑ a b c d «Google achieves AI 'breakthrough' by beating Go champion». BBC News. 27 January 2016 Verifique data em:
|data=(ajuda) - ↑ «Match 1 – Google DeepMind Challenge Match: Lee Sedol vs AlphaGo». 8 March 2016 Verifique data em:
|data=(ajuda) - ↑ «Google's AlphaGo gets 'divine' Go ranking». straitstimes.com. 15 March 2016. Consultado em 9 December 2017 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «AlphaGo Movie»
- ↑ «From AI to protein folding: Our Breakthrough runners-up». Science. 22 December 2016. Consultado em 29 December 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «中国围棋协会授予AlphaGo职业九段 并颁发证书» (em chinês). Sohu.com. 27 May 2017. Consultado em 9 December 2017 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «After Win in China, AlphaGo's Designers Explore New AI». 27 de maio de 2017
- ↑ «AlphaZero Crushes Stockfish In New 1,000-Game Match». 17 April 2019 Verifique data em:
|data=(ajuda) - ↑ «A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play». 7 December 2018 Verifique data em:
|data=(ajuda) - ↑ Schraudolph, Nicol N.; Terrence, Peter Dayan; Sejnowski, J., Temporal Difference Learning of Position Evaluation in the Game of Go (PDF)
- ↑ a b «Computer scores big win against humans in ancient game of Go». CNN. 28 January 2016. Consultado em 28 January 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «Zen computer Go program beats Takemiya Masaki with just 4 stones!». Go Game Guru. Consultado em 28 January 2016. Cópia arquivada em 1 February 2016 Verifique data em:
|acessodata=, |arquivodata=(ajuda) - ↑ «「アマ六段の力。天才かも」囲碁棋士、コンピューターに敗れる 初の公式戦». MSN Sankei News. Consultado em 27 March 2013. Cópia arquivada em 24 March 2013 Verifique data em:
|acessodata=, |arquivodata=(ajuda) - ↑ a b John Riberio (14 March 2016). «AlphaGo's unusual moves prove its AI prowess, experts say». PC World. Consultado em 18 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «Google AlphaGo AI clean sweeps European Go champion». ZDNet. 28 January 2016. Consultado em 28 January 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Metz, Cade (27 January 2016). «In Major AI Breakthrough, Google System Secretly Beats Top Player at the Ancient Game of Go». WIRED (em inglês). Consultado em 1 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «Special Computer Go insert covering the AlphaGo v Fan Hui match» (PDF). British Go Journal. 2017. Consultado em 1 February 2016 Verifique data em:
|acessodata=(ajuda) - ↑ «Première défaite d'un professionnel du go contre une intelligence artificielle». Le Monde (em francês). 27 January 2016 Verifique data em:
|data=(ajuda) - ↑ «Google's AI AlphaGo to take on world No 1 Lee Sedol in live broadcast». The Guardian. 5 February 2016. Consultado em 15 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «Google DeepMind is going to take on the world's best Go player in a luxury 5-star hotel in South Korea». Business Insider. 22 February 2016. Consultado em 23 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Novet, Jordan (4 February 2016). «YouTube will livestream Google's AI playing Go superstar Lee Sedol in March». VentureBeat. Consultado em 7 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Yoon Sung-won (14 March 2016). «Lee Se-dol shows AlphaGo beatable». The Korea Times. Consultado em 15 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «李世乭：即使Alpha Go得到升级也一样能赢». JoongAng Ilbo (em chinês). 23 February 2016. Consultado em 24 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ a b «이세돌 vs 알파고, '구글 딥마인드 챌린지 매치' 기자회견 열려» (em coreano). Korea Baduk Association. 22 February 2016. Consultado em 22 February 2016. Cópia arquivada em 3 March 2016 Verifique data em:
|acessodata=, |arquivodata=, |data=(ajuda) - ↑ Demis Hassabis [@demishassabis] (11 March 2016). «We are using roughly same amount of compute power as in Fan Hui match: distributing search over further machines has diminishing returns» (Tweet) – via Twitter Verifique data em:
|data=(ajuda) - ↑ «Showdown». The Economist. Consultado em 19 November 2016 Verifique data em:
|acessodata=(ajuda) - ↑ Steven Borowiec (9 March 2016). «Google's AI machine v world champion of 'Go': everything you need to know». The Guardian. Consultado em 15 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Rémi Coulom. «Rating List of 2016-01-01». Consultado em 18 March 2016. Cópia arquivada em 18 March 2016 Verifique data em:
|acessodata=, |arquivodata=(ajuda) - ↑ «Korean Go master proves human intuition still powerful in Go». The Korean Herald/ANN. 14 March 2016. Consultado em 15 March 2016. Cópia arquivada em 12 April 2016 Verifique data em:
|acessodata=, |arquivodata=, |data=(ajuda) - ↑ «Human champion certain he'll beat AI at ancient Chinese game». Associated Press. 22 February 2016. Consultado em 22 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ a b Gibney, Elizabeth (27 January 2016). «Google AI algorithm masters ancient game of Go». Nature. 529: 445–6. Bibcode:2016Natur.529..445G. PMID 26819021. doi:10.1038/529445a
Verifique data em: |data=(ajuda) - ↑ Chouard, Tanguy (12 March 2016). «The Go Files: AI computer clinches victory against Go champion». Nature. doi:10.1038/nature.2016.19553 Verifique data em:
|data=(ajuda) - ↑ a b c d e Steven Borowiec; Tracey Lien (12 March 2016). «AlphaGo beats human Go champ in milestone for artificial intelligence». Los Angeles Times. Consultado em 13 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Connor, Steve (27 January 2016). «A computer has beaten a professional at the world's most complex board game». The Independent. Consultado em 28 January 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «Google's AI beats human champion at Go». CBC News. 27 January 2016. Consultado em 28 January 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Dave Gershgorn (12 March 2016). «GOOGLE'S ALPHAGO BEATS WORLD CHAMPION IN THIRD MATCH TO WIN ENTIRE SERIES». Popular Science. Consultado em 13 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ a b «Google DeepMind computer AlphaGo sweeps human champ in Go matches». CBC News. Associated Press. 12 March 2016. Consultado em 13 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ Sofia Yan (12 March 2016). «A Google computer victorious over the world's 'Go' champion». CNN Money. Consultado em 13 March 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ CHOE SANG-HUN (16 March 2016). «Google's Computer Program Beats Lee Se-dol in Go Tournament». The New York Times. Consultado em 18 March 2016.
More than 100 million people watched the AlphaGo-Lee matches, Mr. Hassabis said.
Verifique data em:|acessodata=, |data=(ajuda) - ↑ Tian, Yuandong; Zhu, Yan. «Better Computer Go Player with Neural Network and Long-term Prediction». arXiv:1511.06410v1 [cs.LG]
- ↑ HAL 90210 (28 January 2016). «No Go: Facebook fails to spoil Google's big AI day». The Guardian (em inglês). ISSN 0261-3077. Consultado em 1 February 2016 Verifique data em:
|acessodata=, |data=(ajuda) - ↑ «Strachey Lecture – Dr Demis Hassabis». The New Livestream. Consultado em 17 March 2016 Verifique data em:
|acessodata=(ajuda) - ↑ «Go and make some drugs The Engineer». www.theengineer.co.uk (em inglês). Consultado em 3 de abril de 2018
