目　錄 第　一部分 基礎(chǔ)知識 第　1章 走近深度學(xué)習(xí)：機(jī)器學(xué)習(xí)入門　3 1.1　什么是機(jī)器學(xué)習(xí)　4 1.1.1　機(jī)器學(xué)習(xí)與AI的關(guān)系　5 1.1.2　機(jī)器學(xué)習(xí)能做什么，不能做什么　6 1.2　機(jī)器學(xué)習(xí)示例　7 1.2.1　在軟件應(yīng)用中使用機(jī)器學(xué)習(xí)　9 1.2.2　監(jiān)督學(xué)習(xí)　11 1.2.3　無監(jiān)督學(xué)習(xí)　12 1.2.4　強(qiáng)化學(xué)習(xí)　12 1.3　深度學(xué)習(xí)　13 1.4　閱讀本書能學(xué)到什么　14 1.5　小結(jié)　15 第　2章 圍棋與機(jī)器學(xué)習(xí)　16 2.1　為什么選擇游戲　16 2.2　圍棋快速入門　17 2.2.1　了解棋盤　17 2.2.2　落子與吃子　18 2.2.3　終盤與勝負(fù)計(jì)算　19 2.2.4　理解劫爭　20 2.2.5　讓子　20 2.3　更多學(xué)習(xí)資源　20 2.4　我們可以教會(huì)計(jì)算機(jī)什么　21 2.4.1　如何開局　21 2.4.2　搜索游戲狀態(tài)　21 2.4.3　減少需要考慮的動(dòng)作數(shù)量　22 2.4.4　評估游戲狀態(tài)　22 2.5　如何評估圍棋AI的能力　23 2.5.1　傳統(tǒng)圍棋評級　23 2.5.2　對圍棋AI進(jìn)行基準(zhǔn)測試　24 2.6　小結(jié)　24 第3章　實(shí)現(xiàn)第 一個(gè)圍棋機(jī)器人　25 3.1　在Python中表達(dá)圍棋游戲　25 3.1.1　實(shí)現(xiàn)圍棋棋盤　28 3.1.2　在圍棋中跟蹤相連的棋組：棋鏈　28 3.1.3　在棋盤上落子和提子　30 3.2　跟蹤游戲狀態(tài)并檢查非法動(dòng)作　32 3.2.1　自吃　33 3.2.2　劫爭　34 3.3　終盤　36 3.4　創(chuàng)建自己的第 一個(gè)機(jī)器人：理論上最弱的圍棋AI　37 3.5　使用Zobrist哈希加速棋局　41 3.6　人機(jī)對弈　46 3.7　小結(jié)　47 第二部分　機(jī)器學(xué)習(xí)和游戲AI 第4章　使用樹搜索下棋　51 4.1　游戲分類　52 4.2　利用極小化極大搜索預(yù)測對手　53 4.3　井字棋推演：一個(gè)極小化極大算法的示例　56 4.4　通過剪枝算法縮減搜索空間　58 4.4.1　通過棋局評估減少搜索深度　60 4.4.2　利用α-β剪枝縮減搜索寬度　63 4.5　使用蒙特卡洛樹搜索評估游戲狀態(tài)　66 4.5.1　在Python中實(shí)現(xiàn)蒙特卡洛樹搜索　69 4.5.2　如何選擇繼續(xù)探索的分支　72 4.5.3　將蒙特卡洛樹搜索應(yīng)用于圍棋　74 4.6　小結(jié)　76 第5章　神經(jīng)網(wǎng)絡(luò)入門　77 5.1　一個(gè)簡單的用例：手寫數(shù)字分類　78 5.1.1　MNIST手寫數(shù)字?jǐn)?shù)據(jù)集　78 5.1.2　MNIST數(shù)據(jù)的預(yù)處理　79 5.2　神經(jīng)網(wǎng)絡(luò)基礎(chǔ)　85 5.2.1　將對率回歸描述為簡單的神經(jīng)網(wǎng)絡(luò)　85 5.2.2　具有多個(gè)輸出維度的神經(jīng)網(wǎng)絡(luò)　85 5.3　前饋網(wǎng)絡(luò)　86 5.4　我們的預(yù)測有多好？損失函數(shù)及優(yōu)化　89 5.4.1　什么是損失函數(shù)　89 5.4.2　均方誤差　89 5.4.3　在損失函數(shù)中找極小值　90 5.4.4　使用梯度下降法找極小值　91 5.4.5　損失函數(shù)的隨機(jī)梯度下降算法　92 5.4.6　通過網(wǎng)絡(luò)反向傳播梯度　93 5.5　在Python中逐步訓(xùn)練神經(jīng)網(wǎng)絡(luò)　95 5.5.1　Python中的神經(jīng)網(wǎng)絡(luò)層　96 5.5.2　神經(jīng)網(wǎng)絡(luò)中的激活層　97 5.5.3　在Python中實(shí)現(xiàn)稠密層　98 5.5.4　Python順序神經(jīng)網(wǎng)絡(luò)　100 5.5.5　將網(wǎng)絡(luò)集成到手寫數(shù)字分類應(yīng)用中　102 5.6　小結(jié)　103 第6章　為圍棋數(shù)據(jù)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)　105 6.1　為神經(jīng)網(wǎng)絡(luò)編碼圍棋棋局　107 6.2　生成樹搜索游戲用作網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)　109 6.3　使用Keras深度學(xué)習(xí)庫　112 6.3.1　了解Keras的設(shè)計(jì)原理　112 6.3.2　安裝Keras深度學(xué)習(xí)庫　113 6.3.3　熱身運(yùn)動(dòng)：在Keras中運(yùn)行一個(gè)熟悉的示例　113 6.3.4　使用Keras中的前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行動(dòng)作預(yù)測　115 6.4　使用卷積網(wǎng)絡(luò)分析空間　119 6.4.1　卷積的直觀解釋　119 6.4.2　用Keras構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)　122 6.4.3　用池化層縮減空間　123 6.5　預(yù)測圍棋動(dòng)作概率　124 6.5.1　在最后一層使用softmax激活函數(shù)　125 6.5.2　分類問題的交叉熵?fù)p失函數(shù)　126 6.6　使用丟棄和線性整流單元構(gòu)建更深的網(wǎng)絡(luò)　127 6.6.1　通過丟棄神經(jīng)元對網(wǎng)絡(luò)進(jìn)行正則化　128 6.6.2　線性整流單元激活函數(shù)　129 6.7　構(gòu)建更強(qiáng)大的圍棋動(dòng)作預(yù)測網(wǎng)絡(luò)　130 6.8　小結(jié)　133 第7章　從數(shù)據(jù)中學(xué)習(xí)：構(gòu)建深度學(xué)習(xí)機(jī)器人　134 7.1　導(dǎo)入圍棋棋譜　135 7.1.1　SGF文件格式　136 7.1.2　從KGS下載圍棋棋譜并復(fù)盤　136 7.2　為深度學(xué)習(xí)準(zhǔn)備圍棋數(shù)據(jù)　137 7.2.1　從SGF棋譜中復(fù)盤圍棋棋局　138 7.2.2　構(gòu)建圍棋數(shù)據(jù)處理器　139 7.2.3　構(gòu)建可以高效地加載數(shù)據(jù)的圍棋數(shù)據(jù)生成器　146 7.2.4　并行圍棋數(shù)據(jù)處理和生成器　147 7.3　基于真實(shí)棋局?jǐn)?shù)據(jù)訓(xùn)練深度學(xué)習(xí)模型　148 7.4　構(gòu)建更逼真的圍棋數(shù)據(jù)編碼器　152 7.5　使用自適應(yīng)梯度進(jìn)行高效的訓(xùn)練　155 7.5.1　在SGD中采用衰減和動(dòng)量　155 7.5.2　使用Adagrad優(yōu)化神經(jīng)網(wǎng)絡(luò)　156 7.5.3　使用Adadelta優(yōu)化自適應(yīng)梯度　157 7.6　運(yùn)行自己的實(shí)驗(yàn)并評估性能　157 7.6.1　測試架構(gòu)與超參數(shù)的指南　158 7.6.2　評估訓(xùn)練與測試數(shù)據(jù)的性能指標(biāo)　159 7.7　小結(jié)　160 第8章　實(shí)地部署圍棋機(jī)器人　162 8.1　用深度神經(jīng)網(wǎng)絡(luò)創(chuàng)建動(dòng)作預(yù)測代理　163 8.2　為圍棋機(jī)器人提供Web前端　165 8.3　在云端訓(xùn)練與部署圍棋機(jī)器人　169 8.4　與其他機(jī)器人對話：圍棋文本協(xié)議　170 8.5　在本地與其他機(jī)器人對弈　172 8.5.1　機(jī)器人應(yīng)該何時(shí)跳過回合或認(rèn)輸　172 8.5.2　讓機(jī)器人與其他圍棋程序進(jìn)行對弈　173 8.6　將圍棋機(jī)器人部署到在線圍棋服務(wù)器　178 8.7　小結(jié)　182 第9章　通過實(shí)踐學(xué)習(xí)：強(qiáng)化學(xué)習(xí)　183 9.1　強(qiáng)化學(xué)習(xí)周期　184 9.2　經(jīng)驗(yàn)包括哪些內(nèi)容　185 9.3　建立一個(gè)有學(xué)習(xí)能力的代理　188 9.3.1　從某個(gè)概率分布中進(jìn)行抽樣　189 9.3.2　剪裁概率分布　190 9.3.3　初始化一個(gè)代理實(shí)例　191 9.3.4　在磁盤上加載并保存代理　191 9.3.5　實(shí)現(xiàn)動(dòng)作選擇　193 9.4　自我對弈：計(jì)算機(jī)程序進(jìn)行實(shí)踐訓(xùn)練的方式　194 9.4.1　經(jīng)驗(yàn)數(shù)據(jù)的表示　194 9.4.2　模擬棋局　197 9.5　小結(jié)　199 第　10章 基于策略梯度的強(qiáng)化學(xué)習(xí)　200 10.1　如何在隨機(jī)棋局中識別更佳的決策　201 10.2　使用梯度下降法修改神經(jīng)網(wǎng)絡(luò)的策略　204 10.3　使用自我對弈進(jìn)行訓(xùn)練的幾個(gè)小技巧　208 10.3.1　評估學(xué)習(xí)的進(jìn)展　208 10.3.2　衡量強(qiáng)度的細(xì)微差別　209 10.3.3　SGD優(yōu)化器的微調(diào)　210 10.4　小結(jié)　213 第　11章 基于價(jià)值評估方法的強(qiáng)化學(xué)習(xí)　214 11.1　使用Q學(xué)習(xí)進(jìn)行游戲　214 11.2　在Keras中實(shí)現(xiàn)Q學(xué)習(xí)　218 11.2.1　在Keras中構(gòu)建雙輸入網(wǎng)絡(luò)　218 11.2.2　用Keras實(shí)現(xiàn)ε貪婪策略　222 11.2.3　訓(xùn)練一個(gè)行動(dòng)-價(jià)值函數(shù)　225 11.3　小結(jié)　226 第　12章 基于演員-評價(jià)方法的強(qiáng)化學(xué)習(xí)　227 12.1　優(yōu)勢能夠告訴我們哪些決策更加重要　227 12.1.1　什么是優(yōu)勢　228 12.1.2　在自我對弈過程中計(jì)算優(yōu)勢值　230 12.2　為演員-評價(jià)學(xué)習(xí)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)　232 12.3　用演員-評價(jià)代理下棋　234 12.4　用經(jīng)驗(yàn)數(shù)據(jù)訓(xùn)練一個(gè)演員-評價(jià)代理　235 12.5　小結(jié)　240 第三部分　一加一大于二 第　13章 AlphaGo：全部集結(jié)　243 13.1　為AlphaGo訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)　245 13.1.1　AlphaGo的網(wǎng)絡(luò)架構(gòu)　246 13.1.2　AlphaGo棋盤編碼器　248 13.1.3　訓(xùn)練AlphaGo風(fēng)格的策略網(wǎng)絡(luò)　250 13.2　用策略網(wǎng)絡(luò)啟動(dòng)自我對弈　252 13.3　從自我對弈數(shù)據(jù)衍生出一個(gè)價(jià)值網(wǎng)絡(luò)　254 13.4　用策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)做出更好的搜索　254 13.4.1　用神經(jīng)網(wǎng)絡(luò)改進(jìn)蒙特卡洛推演　255 13.4.2　用合并價(jià)值函數(shù)進(jìn)行樹搜索　256 13.4.3　實(shí)現(xiàn)AlphaGo的搜索算法　258 13.5　訓(xùn)練自己的AlphaGo可能遇到的實(shí)踐問題　263 13.6　小結(jié)　265 第　14章 AlphaGo Zero：將強(qiáng)化學(xué)習(xí)集成到樹搜索中　266 14.1　為樹搜索構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)　267 14.2　使用神經(jīng)網(wǎng)絡(luò)來指導(dǎo)樹搜索　268 14.2.1　沿搜索樹下行　271 14.2.2　擴(kuò)展搜索樹　274 14.2.3　選擇一個(gè)動(dòng)作　276 14.3　訓(xùn)練　277 14.4　用狄利克雷噪聲改進(jìn)探索　281 14.5　處理超深度神經(jīng)網(wǎng)絡(luò)的相關(guān)最新技術(shù)　282 14.5.1　批量歸一化　282 14.5.2　殘差網(wǎng)絡(luò)　283 14.6　探索額外資源　284 14.7　結(jié)語　285 14.8　小結(jié)　285 附錄A　數(shù)學(xué)基礎(chǔ)　286 附錄B　反向傳播算法　293 附錄C　圍棋程序與圍棋服務(wù)器　297 附錄D　用AWS來訓(xùn)練和部署圍棋程序與圍棋服務(wù)器　300 附錄E　將機(jī)器人發(fā)布到OGS　307