倫敦當(dāng)?shù)貢r間10月18日18：00（北京時間19日01：00）,，AlphaGo再次登上世界頂級科學(xué)雜志——《自然》,。

一年多前,，AlphaGo便是2016年1月28日當(dāng)期的封面文章,，Deepmind公司發(fā)表重磅論文,，介紹了這個擊敗歐洲圍棋冠軍樊麾的人工智能程序,。

今年5月,，以3:0的比分贏下中國棋手柯潔后,，AlphaGo宣布退役,，但DeepMind公司并沒有停下研究的腳步。倫敦當(dāng)?shù)貢r間10月18日,，DeepMind團(tuán)隊公布了最強(qiáng)版AlphaGo ,，代號AlphaGo Zero。它的獨(dú)門秘籍,，是“自學(xué)成才”,。而且，是從一張白紙開始,，零基礎(chǔ)學(xué)習(xí),，在短短3天內(nèi)，成為頂級高手,。

團(tuán)隊稱,，AlphaGo Zero的水平已經(jīng)超過之前所有版本的AlphaGo,。在對陣曾贏下韓國棋手李世石那版AlphaGo時，AlphaGo Zero取得了100:0的壓倒性戰(zhàn)績,。DeepMind團(tuán)隊將關(guān)于AlphaGo Zero的相關(guān)研究以論文的形式,，刊發(fā)在了10月18日的《自然》雜志上。

“AlphaGo在兩年內(nèi)達(dá)到的成績令人震驚?，F(xiàn)在,，AlphaGo Zero是我們最強(qiáng)版本，它提升了很多,。Zero提高了計算效率,，并且沒有使用到任何人類圍棋數(shù)據(jù)，”AlphaGo之父,、DeepMind聯(lián)合創(chuàng)始人兼CEO 戴密斯·哈薩比斯（Demis Hassabis）說,，“最終，我們想要利用它的算法突破,，去幫助解決各種緊迫的現(xiàn)實世界問題，如蛋白質(zhì)折疊或設(shè)計新材料,。如果我們通過AlphaGo,，可以在這些問題上取得進(jìn)展，那么它就有潛力推動人們理解生命,，并以積極的方式影響我們的生活,。”

不再受人類知識限制,，只用4個TPU

AlphaGo此前的版本,，結(jié)合了數(shù)百萬人類圍棋專家的棋譜，以及強(qiáng)化學(xué)習(xí)的監(jiān)督學(xué)習(xí)進(jìn)行了自我訓(xùn)練,。

在戰(zhàn)勝人類圍棋職業(yè)高手之前,，它經(jīng)過了好幾個月的訓(xùn)練，依靠的是多臺機(jī)器和48個TPU（谷歌專為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的芯片）,。

AlphaGo Zero的能力則在這個基礎(chǔ)上有了質(zhì)的提升,。最大的區(qū)別是，它不再需要人類數(shù)據(jù),。也就是說,，它一開始就沒有接觸過人類棋譜。研發(fā)團(tuán)隊只是讓它自由隨意地在棋盤上下棋,，然后進(jìn)行自我博弈,。值得一提的是，AlphaGo Zero還非?！暗吞肌?，只用到了一臺機(jī)器和4個TPU,，極大地節(jié)省了資源。

AlphaGo Zero強(qiáng)化學(xué)習(xí)下的自我對弈,。

經(jīng)過幾天的訓(xùn)練,，AlphaGo Zero完成了近5百萬盤的自我博弈后，已經(jīng)可以超越人類,，并擊敗了此前所有版本的AlphaGo,。DeepMind團(tuán)隊在官方博客上稱，Zero用更新后的神經(jīng)網(wǎng)絡(luò)和搜索算法重組,，隨著訓(xùn)練地加深,，系統(tǒng)的表現(xiàn)一點一點地在進(jìn)步。自我博弈的成績也越來越好,，同時,，神經(jīng)網(wǎng)絡(luò)也變得更準(zhǔn)確。

AlphaGo Zero習(xí)得知識的過程

“這些技術(shù)細(xì)節(jié)強(qiáng)于此前版本的原因是,，我們不再受到人類知識的限制,，它可以向圍棋領(lǐng)域里最高的選手——AlphaGo自身學(xué)習(xí)?！?nbsp;AlphaGo團(tuán)隊負(fù)責(zé)人大衛(wèi)·席爾瓦（Dave Sliver）說,。

據(jù)大衛(wèi)·席爾瓦介紹，AlphaGo Zero使用新的強(qiáng)化學(xué)習(xí)方法,，讓自己變成了老師,。系統(tǒng)一開始甚至并不知道什么是圍棋，只是從單一神經(jīng)網(wǎng)絡(luò)開始,，通過神經(jīng)網(wǎng)絡(luò)強(qiáng)大的搜索算法,，進(jìn)行了自我對弈。

隨著自我博弈的增加,，神經(jīng)網(wǎng)絡(luò)逐漸調(diào)整,，提升預(yù)測下一步的能力，最終贏得比賽,。更為厲害的是,，隨著訓(xùn)練的深入，DeepMind團(tuán)隊發(fā)現(xiàn),，AlphaGo Zero還獨(dú)立發(fā)現(xiàn)了游戲規(guī)則,，并走出了新策略，為圍棋這項古老游戲帶來了新的見解,。

自學(xué)3天,，就打敗了舊版AlphaGo

除了上述的區(qū)別之外，AlphaGo Zero還在3個方面與此前版本有明顯差別,。

AlphaGo-Zero的訓(xùn)練時間軸

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)測哪個玩家會從當(dāng)前的局面中贏得比賽,。相反，新版本依靠地是其高質(zhì)量的神經(jīng)網(wǎng)絡(luò)來評估下棋的局勢,。

AlphaGo幾個版本的排名情況,。

據(jù)哈薩比斯和席爾瓦介紹，以上這些不同幫助新版AlphaGo在系統(tǒng)上有了提升,，而算法的改變讓系統(tǒng)變得更強(qiáng)更有效,。

經(jīng)過短短3天的自我訓(xùn)練,，AlphaGo Zero就強(qiáng)勢打敗了此前戰(zhàn)勝李世石的舊版AlphaGo,，戰(zhàn)績是100:0的。經(jīng)過40天的自我訓(xùn)練,，AlphaGo Zero又打敗了AlphaGo Master版本,。“Master”曾擊敗過世界頂尖的圍棋選手,，甚至包括世界排名第一的柯潔,。

對于希望利用人工智能推動人類社會進(jìn)步為使命的DeepMind來說，圍棋并不是AlphaGo的終極奧義,，他們的目標(biāo)始終是要利用AlphaGo打造通用的,、探索宇宙的終極工具。AlphaGo Zero的提升,，讓DeepMind看到了利用人工智能技術(shù)改變?nèi)祟惷\(yùn)的突破,。他們目前正積極與英國醫(yī)療機(jī)構(gòu)和電力能源部門合作，提高看病效率和能源效率,。

相關(guān)報道:

• 柯潔阿爾法狗和李世石 他們的恩怨已經(jīng)延續(xù)幾十年了

• 王思聰懟柯潔之后 馬云又懟上阿爾法狗:沒意思!(圖)

• 五名九段棋手組團(tuán)迎戰(zhàn)AlphaGo：被團(tuán)滅(組圖)

• 柯潔首輪不敵阿爾法狗 明知敗局已定依然下完全局