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

AlphaGoZero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)團隊只是讓它自由隨意地在棋盤上下棋,，然后進行自我博弈。值得一提的是,，AlphaGoZero還非?！暗吞肌保挥玫搅艘慌_機器和4個TPU,，極大地節(jié)省了資源,。

AlphaGo Zero強化學習下的自我對弈,。

經(jīng)過幾天的訓練，AlphaGoZero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,，隨著訓練地加深，系統(tǒng)的表現(xiàn)一點一點地在進步,。自我博弈的成績也越來越好,，同時，神經(jīng)網(wǎng)絡(luò)也變得更準確,。

AlphaGo Zero習得知識的過程

“這些技術(shù)細節(jié)強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自身學習,?！? AlphaGo團隊負責人大衛(wèi)?席爾瓦(Dave Sliver)說。

據(jù)大衛(wèi)?席爾瓦介紹,，AlphaGoZero使用新的強化學習方法,，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)強大的搜索算法，進行了自我對弈,。

隨著自我博弈的增加,，神經(jīng)網(wǎng)絡(luò)逐漸調(diào)整，提升預測下一步的能力,，最終贏得比賽,。更為厲害的是，隨著訓練的深入,，DeepMind團隊發(fā)現(xiàn),，AlphaGoZero還獨立發(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。

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)

• 五名九段棋手組團迎戰(zhàn)AlphaGo：被團滅(組圖)

• 柯潔首輪不敵阿爾法狗 明知敗局已定依然下完全局