倫敦當地時間10月18日18：00（北京時間19日01：00）,，谷歌旗下的DeepMind團隊公布了進化后的最強版AlphaGo ,，代號AlphaGo Zero。
新版本的AlphaGo究竟有多厲害,？打敗李世石的AlphaGo用了3000萬盤比賽作為訓練數據,，AlphaGo Zero用了490萬盤比賽數據,。經過3天的訓練，AlphaGo Zero就以100：0的比分完勝對陣李世石的那版AlphaGo,。
DeepMind聯合創(chuàng)始人兼CEO ,、AlphaGo之父戴密斯,？哈薩比斯（Demis Hassabis）和AlphaGo團隊負責人大衛(wèi)？席爾瓦（Dave Sliver） 等人同時在官方博客上發(fā)表文章,，詳解最強版本阿爾法狗是如何煉成的,，與前代有何不同。
哈薩比斯與學習大量人類棋譜起步的前代AlphaGo不同,，AlphaGo Zero是從“嬰兒般的白紙”開始,，通過3天數百萬盤自我對弈，走完了人類千年的圍棋歷史,，并探索出了不少橫空出世的招法,。
哈薩比斯等人專文：《AlphaGo Zero：從零開始》
席爾瓦在烏鎮(zhèn)人機峰會上發(fā)言從語音識別、圖像分類到基因和藥物研究,，人工智能發(fā)展迅速,。這些專家系統(tǒng)，很多是借用海量人類經驗和數據開發(fā)出來的,。
然而,，在有些特定問題上，人類的知識要么過于昂貴,，要么不靠譜,，要么無法獲得。因此,，人工智能研究的一個長期目標就是跳過這一步,，創(chuàng)造能在最有挑戰(zhàn)性的領域，不用人類輸入就達到超人水平的算法,。我們發(fā)表在《自然》期刊上的最新論文,，展示了實現該目標的關鍵一步。
論文介紹了首個戰(zhàn)勝人類圍棋冠軍的電腦程序AlphaGo的最新進化版本：AlphaGo Zero,。AlphaGo Zero更為強大,，可以一爭史上最強圍棋手。
AlphaGo的前幾代版本,，一開始用上千盤人類業(yè)余和專業(yè)棋手的棋譜進行訓練,，學習如何下圍棋。AlphaGo Zero則跳過了這個步驟,，自我對弈學習下棋，完全從亂下開始,。用這種方法,，它很快超過了人類水平，對陣此前戰(zhàn)勝人類冠軍李世石的前代AlphaGo取得了100連勝,。
AlphaGo Zero之所以能當自己的老師,，是用了一種叫
強化學習的新模式,。系統(tǒng)從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合,，自我對弈,。在對弈過程中，神經網絡不斷調整,、升級,，預測每一步落子和最終的勝利者。
升級后的神經網絡與搜索網絡結合成一個更強的新版本AlphaGo Zero,，如此往復循環(huán),。每過一輪，系統(tǒng)的表現就提高了一點點,，自我對弈的質量也提高了一點點,。神經網絡越來越準確，AlphaGo Zero的版本也越來越強,。
這種技術比此前所有版本的AlphaGo都更為強大,。這是因為，它不再受到人類知識的限制,，而能夠從嬰兒般的白紙狀態(tài),，直接向世界上最強大的棋手——AlphaGo本身學起。
AlphaGo Zero相較前代還有幾點明顯的差別：
首先,，AlphaGo Zero僅用棋盤上的黑白子作為輸入,，而前代則包括了小部分人工設計的特征輸入。
其次,，AlphaGo Zero僅用了單一的神經網絡,。在此前的版本中，AlphaGo用到了“策略網絡”來選擇下一步棋的走法,，以及使用“價值網絡”來預測每一步棋后的贏家,。而在新的版本中，這兩個神經網絡合二為一,，從而讓它能得到更高效的訓練和評估,。
第三，AlphaGo Zero并不使用快速,、隨機的走子方法,。在此前的版本中，AlphaGo用的是快速走子方法,，來預測哪個玩家會從當前的局面中贏得比賽,。相反，新版本依靠的是其高質量的神經網絡來評估下棋的局勢,。
所有這些差異,，都提高了系統(tǒng)的表現,，使其更為普適。不過,，是算法上的變化使得系統(tǒng)更為強大和高效,。
僅僅自我對弈3天后，AlphaGo Zero就以100：0完勝了此前擊敗世界冠軍李世石的AlphaGo版本,。自我對弈40天后,，AlphaGo Zero變得更為強大，超過了此前擊敗當今第一人柯潔的“大師”版AlphaGo,。
通過數百萬次自我對弈,，AlphaGo從零開始掌握了圍棋，在短短幾天內就積累起了人類幾千年才有的知識,。AlphaGo Zero也發(fā)現了新的知識,，發(fā)展出打破常規(guī)的策略和新招，與它在對戰(zhàn)李世石和柯潔時創(chuàng)造的那些交相輝映,，卻又更勝一籌,。
這些創(chuàng)造性的時刻給了我們信心：人工智能會成為人類智慧的增強器，幫助我們解決人類正在面臨的一些嚴峻挑戰(zhàn) ,。
盡管才剛剛發(fā)展起來,，AlphaGo Zero已經走出了通向上述目標的關鍵一步。如果類似的技術可以應用在其他結構性問題,，比如蛋白質折疊,、減少能耗和尋找新材料上，就能創(chuàng)造出有益于社會的突破,。
