日前，DeepMind團隊發(fā)表了最新論文，提出了全新的強化學習算法AlphaZero，它是一種可以從零開始，通過自我對弈強化學習在多種任務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個小時訓練擊敗李世石版本AlphaGo；再用4小時訓練擊敗世界頂級的國際象棋程序Stockfish；再用2小時訓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“深度學習”。
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
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
