日前，DeepMind團隊發(fā)表了最新論文，提出了全新的強化學習算法AlphaZero，它是一種可以從零開始，通過自我對弈強化學習在多種任務上達到超越人類水平的新算法，堪稱“通用棋類AI”。
據了解，AlphaZero算法可以在8個小時訓練擊敗李世石版本AlphaGo；再用4小時訓練擊敗世界頂級的國際象棋程序Stockfish；再用2小時訓練擊敗世界頂級將棋程序Elmo。這是DeepMind團隊繼AlphaGo Zero的研究問世之后，帶給我們的又一全新算法，它是“更通用的版本”。
此外，我們看到這次的AlphaZero與AlphaGo Zero有幾點不同，首先AlphaGo Zero是在假設結果為贏/輸二元的情況下，對獲勝概率進行估計和優(yōu)化。而AlphaZero會將平局或其他潛在結果納入考慮，對結果進行估計和優(yōu)化。其次，AlphaGo和AlphaGo Zero會轉變棋盤位置進行數據增強，而AlphaZero不會。第三，AlphaZero只維護單一的一個神經網絡，這個神經網絡不斷更新，而不是等待迭代，四，AlphaZero中，所有對弈都重復使用相同的超參數，因此無需進行針對特定某種游戲的調整。
資料顯示，阿爾法圍棋（AlphaGo）是第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝圍棋世界冠軍的人工智能程序，它由谷歌（Google）旗下DeepMind公司戴密斯·哈薩比斯領銜的團隊開發(fā)。其主要工作原理是“深度學習”。
早在2016年3月，阿爾法圍棋與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn)，以4比1的總比分獲勝；2016年末2017年初，該程序在中國棋類網站上以“大師”（Master）為注冊帳號與中日韓數十位圍棋高手進行快棋對決，連續(xù)60局無一敗績；2017年5月，在中國烏鎮(zhèn)圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰(zhàn)，以3比0的總比分獲勝。圍棋界公認阿爾法圍棋的棋力已經超過人類職業(yè)圍棋頂尖水平，在GoRatings網站公布的世界職業(yè)圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。
2017年5月27日，在柯潔與阿爾法圍棋的人機大戰(zhàn)之后，阿爾法圍棋團隊宣布阿爾法圍棋將不再參加圍棋比賽。
2017年10月18日，DeepMind團隊公布了最強版AlphaGo ，代號AlphaGo Zero。
而這次，在短短的兩個月之后，最強版的AlphaGo Zero就完成了進化，變身AlphaZero。
查看更多內容請點擊論文地址：https://arxiv.org/pdf/1712.01815.pdf
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
