算法比数据和计算更重要，AlphaGo Zero自学3天100:0完爆旧狗

​​译者｜核子可乐
编辑｜Vincent
AI前线出品｜ ID：ai-front   原文连接：http://t.cn/ROkzAzb

时至今日，人工智能研究已经在从语音识别到图像分类，再到基因组学乃至药物发现等各个领域取得快速发展。而其中大多数场景本来都是须要投入大量人力资源与数据的专业系统。

然而，对于一部分特定问题，利用人类知识加以解决则每每成本太高——包括不够可靠或者根本没法承担如此庞大的工做量等。所以，AI 研究的长期目标在于绕过人为阶段，而是创造算法，最终在无需人类介入的前提下立足各种挑战性领域实现超越人类的成效表现。在最近发表于《天然》杂志的论文当中，DeepMind 展示了迈向这一目标的重要一步。

从零开始

这篇论文介绍了 AlphaGo Zero，即 AlphaGo 的最新发展成果、亦是第一款可以在围棋这种古老的中国竞技项目当中击败世界冠军的计算机程序。Zero 则更为强大，能够说是有史以来最卓越的围棋棋手。

AlphaGo 以前的各个版本最初由数千名业余及专业围棋棋手进行训练，借以学习围棋的规则与技巧。AlphaGo Zero 则路过了这一步，其可以从彻底随机的对弈开始自行学习规则。在这样的前提之下，Zero 很快即超过了人类的棋艺水平，并以 100 比 0 的成绩迅速击败上一代“世界冠军”AlphaGo。

其之因此可以取得如此优秀的成绩，是由于 AlphaGo Zero 利用一种全新强化学习形式实现“自为自师”。该系统最初只是一套彻底不了解围棋游戏规则的神经网络。在此以后，经过将该神经网络与强大的搜索算法相结合，便可进行自我对战。在对弈过程中，该神经网络经历高速与更新，从而预测接下来的最佳行动并最终在游戏中胜出。

这套通过更新的神经网络随后与搜索算法进行重组，借以建立新的、更为强大的 AlphaGo Zero 版本，这一过程将周而复始不断进行。在每一次迭代当中，系统成效都将迎来小幅提高，并使得 AlphaGo Zero 变得棋力愈盛、神经网络自己也愈来愈精确。

这项技术之因此比本来的 AlphaGo 更为强大，是由于其再也不受限于人类的知识水平。相反，其可以像一张白纸般从世界上最强的棋手——AlphaGo——身上学习技巧。

另外，Zero 与第一版 AlphaGo 相比还拥有如下不一样之处。• AlphaGo Zero 仅使用围棋棋盘上的黑白棋子做为输入信息，而 AlphaGo 的以往版本仍包含少许手动设计功能。

• 其仅采用单一神经网络，而非像第一版 AlphaGo 那样使用两套。AlphaGo 的各早期版本利用一套“策略网络”选择下一步行动，另外配合一套“价值网络”以预测各个点位对游戏结果的影响。两者在 AlphaGo Zero 当中并合而为一，使其可以更为高效地实现训练与评估。

• AlphaGo Zero 并不使用“推演”——即常见于其它围棋程序当中，根据现有盘面局势进行结果预测的快速随机对弈流程。相反，其依赖于高质量神经网络以评估当前盘面形势。

上述差别的存在有助于提高系统成效并令其具有更为理想的通用能力。而在另外一方面，算法的改变也令系统自己更为强大且高效。

随着硬件性能的提高以及近期算法的持续改进，AlphaGo 的效率正在不断突破新高。

仅仅在三天的自我对弈以后，AlphaGo Zero 就已经以 100 比 0 的结果强势击败了此前发布的 AlphaGo 版本——然后者曾经击败 18 项世界冠军头衔拥有者李世石。通过 40 天的自我训练以后，AlphaGo Zero 变得更为强大，且全面碾压此前曾击败全球最强棋手柯杰的 AlphaGo“Master”版本。

Elo 评分——一项用于衡量竞争性游戏（例如围棋）中选手相对技能水平的指标，其结果显示出 AlphaGo 在发展过程中如何逐步走向强大。

在数百万场 AlphaGo 对 AlphaGo 的比赛当中，这套系统从零开始逐步掌握了围棋技巧，并在短短数天时间中积累到了数千年孕育而来的人类知识。AlphaGo Zero 亦从中发现更多新适度，制定出更多很是规型策略以及创新下法，这进一步反映甚至超越了此前 AlphaGo 在对阵李世石与柯杰时所发挥出的水平。

这些创造性的时刻让咱们相信，人工智能终将为人类带来更为强大的创造力，从而帮助咱们解决人类所面临的一系列最为重要的挑战。

发现新知识

尽管尚处于早期发展阶段，但 AlphaGo Zero 已经成为迈向这一目标的关键性一步。若是可以将相似的技术应用于其它结构化问题当中——例如蛋白质折叠、能源消耗控制或者发现革命性新材料等等，那么这些突破无疑将对整我的类社会产生积极的推进做用。

论文连接

www.nature.com/articles/na…

原文连接

deepmind.com/blog/alphag…

－全文完－

AI前线提供最新最全AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、最新AI论文解读。欢迎关注咱们的专栏：AI前线 ，也欢迎关注咱们的同名公众号，ID：ai-front