阿爾法狗再進化碾壓舊狗 不再受人類知識限制
原標題：阿爾法狗再進化自學3天就100：0碾壓李世石版舊狗
倫敦當地時間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雜志——《自然》,。
一年多前，AlphaGo便是2016年1月28日當期的封面文章,，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。倫敦當地時間10月18日,，DeepMind團隊公布了最強版AlphaGo ,，代號AlphaGo Zero。它的獨門秘籍,，是“自學成才”,。而且，是從一張白紙開始,，零基礎學習,，在短短3天內，成為頂級高手,。
團隊稱,，AlphaGo Zero的水平已經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團隊將關于AlphaGo Zero的相關研究以論文的形式，刊發(fā)在了10月18日的《自然》雜志上,。
“AlphaGo在兩年內達到的成績令人震驚?，F在，AlphaGoZero是我們最強版本,，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據,，”AlphaGo之父,、DeepMind聯合創(chuàng)始人兼CEO戴密斯?哈薩比斯(DemisHassabis)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實世界問題,，如蛋白質折疊或設計新材料。如果我們通過AlphaGo,，可以在這些問題上取得進展,，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,?！?/p>
不再受人類知識限制，只用4個TPU
AlphaGo此前的版本,，結合了數百萬人類圍棋專家的棋譜,，以及強化學習的監(jiān)督學習進行了自我訓練。
在戰(zhàn)勝人類圍棋職業(yè)高手之前,，它經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網絡運算能力而研發(fā)的芯片)。
AlphaGoZero的能力則在這個基礎上有了質的提升,。最大的區(qū)別是,，它不再需要人類數據。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還非常“低碳”,，只用到了一臺機器和4個TPU,，極大地節(jié)省了資源。
AlphaGo Zero強化學習下的自我對弈,。
經過幾天的訓練,，AlphaGoZero完成了近5百萬盤的自我博弈后，已經可以超越人類,，并擊敗了此前所有版本的AlphaGo,。DeepMind團隊在官方博客上稱，Zero用更新后的神經網絡和搜索算法重組,，隨著訓練地加深,，系統的表現一點一點地在進步。自我博弈的成績也越來越好,，同時,，神經網絡也變得更準確。
AlphaGo Zero習得知識的過程
“這些技術細節(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,。系統一開始甚至并不知道什么是圍棋,，只是從單一神經網絡開始，通過神經網絡強大的搜索算法,，進行了自我對弈,。
隨著自我博弈的增加,，神經網絡逐漸調整,，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,，AlphaGoZero還獨立發(fā)現了游戲規(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計的特征輸入,。
其次,，AlphaGoZero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,，AlphaGoZero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，新版本依靠地是其高質量的神經網絡來評估下棋的局勢,。
AlphaGo幾個版本的排名情況,。
據哈薩比斯和席爾瓦介紹，以上這些不同幫助新版AlphaGo在系統上有了提升,，而算法的改變讓系統變得更強更有效,。
經過短短3天的自我訓練，AlphaGo Zero就強勢打敗了此前戰(zhàn)勝李世石的舊版AlphaGo,，戰(zhàn)績是100:0的,。經過40天的自我訓練，AlphaGo Zero又打敗了AlphaGo Master版本,?！癕aster”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步為使命的DeepMind來說,，圍棋并不是AlphaGo的終極奧義，他們的目標始終是要利用AlphaGo打造通用的,、探索宇宙的終極工具,。AlphaGoZero的提升，讓DeepMind看到了利用人工智能技術改變人類命運的突破,。他們目前正積極與英國醫(yī)療機構和電力能源部門合作,，提高看病效率和能源效率。
