“看评论学象棋 英国科学家尝试“另类”人工智能棋类算法”

本篇文章844字，读完约2分钟

让ai下棋，成为“国际象棋高手”，是人工智能行业广泛研究的课题。 最近，来自伦敦大学学院的kamlish等人发表了一项新的研究实验——sentimate，这是一种利用自然语言解决方案训练互联网评论文案学习国际象棋的算法。 通过分解专家解说员的反应来评价将棋的动作质量。

在sentimate之前，人工智能首先继续进行游戏训练，学习围棋。 年打败围棋世界冠军李世石的alphago采用神经网络，进行了人类棋手的棋谱和训练，学习了围棋的下法。 年，alphazero依靠深度神经互联网、通用强化学习算法和蒙特卡罗树搜索，通过自对弈进行强化学习。

与alpha系列使用神经互联网和自我训练不同，sentimate尝试了自然语言学习路径。 该小组首先从互联网上收集了2700个国际象棋游戏的评论副本，然后建立了一个分类器，可以从大量的评论数据集中提取描述象棋动作质量的评论。 他们根据象棋的评论数据训练情感分析模型，分析人们通过语言传播的正向情感，判断象棋的动作质量，指导机器人在棋局中的下一步行动。 研究人员表示，这两个模型都达到了90%以上的分类精度。 在此基础上，他们提出了根据事先训练好的情绪判断功能判断将棋动作的将棋引擎sentimate。

令研究者惊讶的是，sentimate了解了国际象棋的一点，基本上能够制定一些重要的战略。 《麻省理工科学技术评论》据此指出，sentimate从未战胜过以前流传于训练路径的象棋机器人，难以被称为“象棋高手”，但这个新路径更少，计算更低。

“自然语言解决的下一步是将机器学到的新闻变成切实的行动，处理现实世界的任务”，研究人员在麻省理工学院科技评论中表示，sentimate使用的学习技术还可以用于拆解体育赛事，预测金融活动。 “结果，很多书、博客和论文在等着学习”。 信息推荐

画眉一千次或纹眉一次宝黛纹绣都不怕素颜

如果你认为纹绣只是为了美，则不然。 大部分女性朋友平时都化妆出门。 可能没有考虑现在的空气污染和化妆品的金属含量。 ...