倫敦當(dāng)?shù)貢r(shí)間10月18日18：00（北京時(shí)間19日01：00），谷歌旗下的DeepMind團(tuán)隊(duì)公布了進(jìn)化后的最強(qiáng)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(xùn)練數(shù)據(jù),，AlphaGo Zero用了490萬盤比賽數(shù)據(jù),。經(jīng)過3天的訓(xùn)練，AlphaGo Zero就以100：0的比分完勝對陣?yán)钍朗哪前鍭lphaGo。

DeepMind聯(lián)合創(chuàng)始人兼CEO ,、AlphaGo之父戴密斯,？哈薩比斯（Demis Hassabis）和AlphaGo團(tuán)隊(duì)負(fù)責(zé)人大衛(wèi)？席爾瓦（Dave Sliver） 等人同時(shí)在官方博客上發(fā)表文章,，詳解最強(qiáng)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(xué)習(xí)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(shù)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(jī)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(jīng)驗(yàn)和數(shù)據(jù)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(gè)長期目標(biāo)就是跳過這一步,，創(chuàng)造能在最有挑戰(zhàn)性的領(lǐng)域，不用人類輸入就達(dá)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(shí)現(xiàn)該目標(biāo)的關(guān)鍵一步。

論文介紹了首個(gè)戰(zhàn)勝人類圍棋冠軍的電腦程序AlphaGo的最新進(jìn)化版本：AlphaGo Zero,。AlphaGo Zero更為強(qiáng)大,，可以一爭史上最強(qiáng)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(jìn)行訓(xùn)練,，學(xué)習(xí)如何下圍棋。AlphaGo Zero則跳過了這個(gè)步驟,，自我對弈學(xué)習(xí)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(dāng)自己的老師，是用了一種叫

強(qiáng)化學(xué)習(xí)的新模式,。系統(tǒng)從一個(gè)對圍棋一無所知的神經(jīng)網(wǎng)絡(luò)開始,，將該神經(jīng)網(wǎng)絡(luò)和一個(gè)強(qiáng)力搜索算法結(jié)合，自我對弈,。在對弈過程中，神經(jīng)網(wǎng)絡(luò)不斷調(diào)整,、升級,，預(yù)測每一步落子和最終的勝利者。

升級后的神經(jīng)網(wǎng)絡(luò)與搜索網(wǎng)絡(luò)結(jié)合成一個(gè)更強(qiáng)的新版本AlphaGo Zero,，如此往復(fù)循環(huán),。每過一輪，系統(tǒng)的表現(xiàn)就提高了一點(diǎn)點(diǎn),，自我對弈的質(zhì)量也提高了一點(diǎn)點(diǎn),。神經(jīng)網(wǎng)絡(luò)越來越準(zhǔn)確，AlphaGo Zero的版本也越來越強(qiáng),。

這種技術(shù)比此前所有版本的AlphaGo都更為強(qiáng)大,。這是因?yàn)椋辉偈艿饺祟愔R的限制,，而能夠從嬰兒般的白紙狀態(tài),，直接向世界上最強(qiáng)大的棋手——AlphaGo本身學(xué)起。

AlphaGo Zero相較前代還有幾點(diǎn)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(shè)計(jì)的特征輸入。

其次,，AlphaGo Zero僅用了單一的神經(jīng)網(wǎng)絡(luò),。在此前的版本中，AlphaGo用到了“策略網(wǎng)絡(luò)”來選擇下一步棋的走法,，以及使用“價(jià)值網(wǎng)絡(luò)”來預(yù)測每一步棋后的贏家,。而在新的版本中，這兩個(gè)神經(jīng)網(wǎng)絡(luò)合二為一,，從而讓它能得到更高效的訓(xùn)練和評估,。

第三，AlphaGo Zero并不使用快速,、隨機(jī)的走子方法,。在此前的版本中，AlphaGo用的是快速走子方法,，來預(yù)測哪個(gè)玩家會從當(dāng)前的局面中贏得比賽,。相反，新版本依靠的是其高質(zhì)量的神經(jīng)網(wǎng)絡(luò)來評估下棋的局勢。

所有這些差異,，都提高了系統(tǒng)的表現(xiàn),，使其更為普適。不過,，是算法上的變化使得系統(tǒng)更為強(qiáng)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(qiáng)大，超過了此前擊敗當(dāng)今第一人柯潔的“大師”版AlphaGo,。

通過數(shù)百萬次自我對弈,，AlphaGo從零開始掌握了圍棋，在短短幾天內(nèi)就積累起了人類幾千年才有的知識,。AlphaGo Zero也發(fā)現(xiàn)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(shí)創(chuàng)造的那些交相輝映,，卻又更勝一籌,。

這些創(chuàng)造性的時(shí)刻給了我們信心：人工智能會成為人類智慧的增強(qiáng)器，幫助我們解決人類正在面臨的一些嚴(yán)峻挑戰(zhàn) ,。

盡管才剛剛發(fā)展起來,，AlphaGo Zero已經(jīng)走出了通向上述目標(biāo)的關(guān)鍵一步。如果類似的技術(shù)可以應(yīng)用在其他結(jié)構(gòu)性問題,，比如蛋白質(zhì)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,。