贊助本站

日前，DeepMind團隊發(fā)表了最新論文，提出了全新的強化學(xué)習(xí)算法AlphaZero，它是一種可以從零開始，通過自我對弈強化學(xué)習(xí)在多種任務(wù)上達到超越人類水平的新算法，堪稱“通用棋類AI”。

據(jù)了解，AlphaZero算法可以在8個小時訓(xùn)練擊敗李世石版本AlphaGo；再用4小時訓(xùn)練擊敗世界頂級的國際象棋程序Stockfish；再用2小時訓(xùn)練擊敗世界頂級將棋程序Elmo。這是DeepMind團隊繼AlphaGo Zero的研究問世之后，帶給我們的又一全新算法，它是“更通用的版本”。

此外，我們看到這次的AlphaZero與AlphaGo Zero有幾點不同，首先AlphaGo Zero是在假設(shè)結(jié)果為贏/輸二元的情況下，對獲勝概率進行估計和優(yōu)化。而AlphaZero會將平局或其他潛在結(jié)果納入考慮，對結(jié)果進行估計和優(yōu)化。其次，AlphaGo和AlphaGo Zero會轉(zhuǎn)變棋盤位置進行數(shù)據(jù)增強，而AlphaZero不會。第三，AlphaZero只維護單一的一個神經(jīng)網(wǎng)絡(luò)，這個神經(jīng)網(wǎng)絡(luò)不斷更新，而不是等待迭代，四，AlphaZero中，所有對弈都重復(fù)使用相同的超參數(shù)，因此無需進行針對特定某種游戲的調(diào)整。

資料顯示，阿爾法圍棋（AlphaGo）是第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝圍棋世界冠軍的人工智能程序，它由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領(lǐng)銜的團隊開發(fā)。其主要工作原理是“深度學(xué)習(xí)”。

早在2016年3月，阿爾法圍棋與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn)，以4比1的總比分獲勝；2016年末2017年初，該程序在中國棋類網(wǎng)站上以“大師”（Master）為注冊帳號與中日韓數(shù)十位圍棋高手進行快棋對決，連續(xù)60局無一敗績；2017年5月，在中國烏鎮(zhèn)圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰(zhàn)，以3比0的總比分獲勝。圍棋界公認(rèn)阿爾法圍棋的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平，在GoRatings網(wǎng)站公布的世界職業(yè)圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。

2017年5月27日，在柯潔與阿爾法圍棋的人機大戰(zhàn)之后，阿爾法圍棋團隊宣布阿爾法圍棋將不再參加圍棋比賽。

2017年10月18日，DeepMind團隊公布了最強版AlphaGo ，代號AlphaGo Zero。

而這次，在短短的兩個月之后，最強版的AlphaGo Zero就完成了進化，變身AlphaZero。

查看更多內(nèi)容請點擊論文地址：https://arxiv.org/pdf/1712.01815.pdf