茶年 · 中文维基百科

AlphaGo Zero

Wikipedia · 2026-07-11 维基百科 👁 1 阅读

AlphaGo Zero是Google DeepMind圍棋軟體AlphaGo的最新版。2017年10月19日，AlphaGo团队在《自然》上发表文章介绍了AlphaGo Zero，文中指出此版本不採用人类玩家的棋譜，且比之前的所有版本都要强大。通过自我对弈，AlphaGo Zero在三天内以100比0的戰績战胜了AlphaGo Lee，花了21天达到AlphaGo Master的水平，用40天超越了所有旧版本。DeepMind联合创始人兼CEO杰米斯·哈萨比斯说，AlphaGo Zero不再受限于人类认知，很强大。由于专家数据「經常很贵、不可靠或是無法取得」，不借助人类专家的数据集训练人工智能，对于人工智能开发超人技能具有重大意义，因為這樣的AI不是學習人，是透過對自我的反思和獨有的創造力直接超越人類。文章作者之一戴维·西尔弗表示，摒弃向人类学习的需求，这有可能是对现有人工智能算法的拓展。

训练
AlphaGo Zero神经網路使用TensorFlow在64个GPU和19个CPU参数服务器训练，推理的TPU只有四个。神经網路最初除了规则，对围棋一无所知。AI进行“非监督式学习”，自己和自己对弈，直到能预测自己的每一手棋及其对棋局结果的影响。前三天，AlphaGo Zero连续自我对弈490万局。几天之内它就发展出击败人类顶尖棋手的技能，而早期的AlphaGo要达到同等水平需要数月的训练。为了比较，研究人员还用人类对局数据训练了另一版AlphaGo Zero，发现该版本学习更加迅速，但从长远来看，表现反而较差。

应用
哈萨比斯表示，AlphaGo的算法对需要智能搜索巨大概率空间的领域建树最大，如蛋白质折叠或精准模拟化学反应。对于很难模拟的领域，如学习如何开车，用处可能相对较低。悉尼大学的说AlphaGo Zero是“巨大的技术进展”，带领我们进入“未至之地”。

然而，纽约大学心理学家对我们目前所知的则表示谨慎，AlphaGo或许包括“程序员如何建造一台解决围棋等问题的机器的隐晦知识”，在确保它的基础结构比玩围棋时更有效率之前，它需要在其他的领域受检测。相反，DeepMind“自信这种方法可以归纳至更多的领域中”。”中国职业棋手柯洁在他的微博上表示：“一个纯净、纯粹自我学习的AlphaGo是最强的……对于AlphaGo的自我进步来讲……人类太多余了。”

历史版本比较
参考

  • AlphaZero
  • ELF OpenGo
  • Leela Zero
  • Minigo
  • PhoenixGo

参考资料
外部連結

#机器学习 #人工智能应用 #围棋软件 #2017年软件

评论 (0)

  • 还没有评论，来抢沙发吧。