完爆圍棋、國際象棋、將棋 最強(qiáng)版本AlphaZero問世

• 2017年12月7日 ZhouXun來源：網(wǎng)易智能 639 37
• 繁體

• 

  2018-2023年中國人工智能行業(yè)競爭格局分析及發(fā)展前景預(yù)測報告

  人工智能（Artificial Intelligence，簡稱AI）是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機(jī)的軟...

AlphaZero算法可以在8個小時訓(xùn)練擊敗李世石版本AlphaGo;再用4小時訓(xùn)練擊敗世界頂級的國際象棋程序Stockfish;再用2小時訓(xùn)練擊敗世界頂級將棋程序Elmo。

日前，DeepMind團(tuán)隊發(fā)表了最新論文，提出了全新的強(qiáng)化學(xué)習(xí)算法AlphaZero，它是一種可以從零開始，通過自我對弈強(qiáng)化學(xué)習(xí)在多種任務(wù)上達(dá)到超越人類水平的新算法，堪稱“通用棋類AI”。

據(jù)了解，AlphaZero算法可以在8個小時訓(xùn)練擊敗李世石版本AlphaGo;再用4小時訓(xùn)練擊敗世界頂級的國際象棋程序Stockfish;再用2小時訓(xùn)練擊敗世界頂級將棋程序Elmo。這是DeepMind團(tuán)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(shè)結(jié)果為贏/輸二元的情況下，對獲勝概率進(jìn)行估計和優(yōu)化。而AlphaZero會將平局或其他潛在結(jié)果納入考慮，對結(jié)果進(jìn)行估計和優(yōu)化。其次，AlphaGo和AlphaGo Zero會轉(zhuǎn)變棋盤位置進(jìn)行數(shù)據(jù)增強(qiáng)，而AlphaZero不會。第三，AlphaZero只維護(hù)單一的一個神經(jīng)網(wǎng)絡(luò)，這個神經(jīng)網(wǎng)絡(luò)不斷更新，而不是等待迭代，四，AlphaZero中，所有對弈都重復(fù)使用相同的超參數(shù)，因此無需進(jìn)行針對特定某種游戲的調(diào)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(lǐng)銜的團(tuán)隊開發(fā)。其主要工作原理是“深度學(xué)習(xí)”。

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(jìn)行圍棋人機(jī)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(wǎng)站上以“大師”(Master)為注冊帳號與中日韓數(shù)十位圍棋高手進(jìn)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(rèn)阿爾法圍棋的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平，在GoRatings網(wǎng)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(jī)大戰(zhàn)之后，阿爾法圍棋團(tuán)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(tuán)隊公布了最強(qiáng)版AlphaGo ，代號AlphaGo Zero。

而這次，在短短的兩個月之后，最強(qiáng)版的AlphaGo Zero就完成了進(jìn)化，變身AlphaZero。

延伸閱讀

推薦閱讀

猜您喜歡