阿尔法狗再进化alphago zero横空出世 无师自学40天就可打败柯洁-k8凯发棋牌

据verge等外媒报道，专注于推进人工智能（ai）研究的谷歌子公司deepmind今天发布了一款新版本的alphago程序，它能通过自学玩转多种游戏。这套系统名为“alphago zero”，它通过一种名为“强化学习”的机器学习技术，可以在与自己的对决游戏中吸取教训。

在击败韩国棋神李世石，并且今年5月击败“世界围棋第一人”柯洁后，alphago迎来了一次新生。昨天，deepmind 在《自然》杂志上发表了一篇论文，正式介绍了这个人工智能围棋程序及其演化：

- alphago zero从零开始自我学习下围棋。

- 仅仅36小时后，alphago zero靠着自我学习，就摸索出所有基本且重要的围棋知识，达到了与李世石九段对战的alphago v18的相同水平。

- 30天后，不断进步的alphago zero达到了master的水平。master即年初在网上达成60连胜的alphago版本。

- 40天后，alphago zero对战master达到近90%胜率，成为有史以来alphago的最强版本。

之前的alphago版本首先基于数千场人类围棋比赛来训练如何学习围棋。但alphago zero跳过了这一步，从自己完全随机的下围棋开始来学习围棋。通过这种“无师自通”的方式，它快速超越了人类棋手的水平，并且以 100:0 的比分打败了之前战胜世界冠军的alphago，堪称“最强棋手”。

硬件和算法上的变化才是系统更加强大和高效的重要原因。alphago zero的运作非常高效，它只需要一台机器和4个tpu。在训练过程中，alphago zero每下一步需要思考的时间是0.4秒。

由于是自我对弈学习下棋，并且是在世界上最强大的棋手——alphago本身学起，alphago zero很快超过了人类水平，并且走出了很多新的步法。利用“强化学习”的新模式，从一个对围棋一无所知的神经网络开始，将该神经网络和一个强力搜索算法结合，自我对弈。在对弈过程中，神经网络不断调整、升级，预测每一步落子和最终的胜利者。

等级分排名（在围棋等竞争性比赛中对选手的相关技巧的水平的度量）：显示 alphago 如何在发展过程中逐渐变得强大。

alphago的首席研究员大卫·席尔瓦(david silver)表示，“由于未引入人类棋手的数据，alphago zero远比过去的版本强大，我们去除了人类知识的限制，它能够自己创造知识。

deepmind联合创始人宣布了alphago zero面世的消息，并称公司“要解决的是智能上的问题”

与此前的alphago一大不同之处在于，alphago zero仅用了单一的神经网络。在此前的版本中，alphago 用到了“策略网络”来选择下一步棋的走法，以及使用“价值网络”来预测每一步棋后的赢家。而在新的版本中，这两个神经网络合二为一，依靠的是其高质量的神经网络来评估下棋的局势，从而让它能得到更高效的训练和评估。

alphago zero中的自我对抗强化学习

这一进展标志着通用型ai发展的大一里程碑。大多数ai被认为“用途有限”，因为它们只能执行单一任务，例如，翻译、识别面孔。但通用型ai在许多不同任务上拥有超越人类的潜能。像alphago zero就正在研究蛋白质如何折叠的问题，这是一个艰难的科学挑战，不过有望成为药物发明的一大突破。类似的其他结构性问题如减少能耗和寻找新材料也有望利用通用型ai来完成。