AlphaGo進化：3天100：0碾壓舊版 不使用人類知識

當地時間10月18日，谷歌人工智慧團隊DeepMind團隊在在國際學術期刊《自然》（Nature）上發表論文，宣布新版AlphaGo——AlphaGo Zero可以在沒有人類指導的情況下學習，其水平超過此前所有AlphaGo（阿爾法狗），僅用3天就碾壓了此前擊敗李世石的舊阿爾法狗。

AlphaGo Zero僅擁有4個TPU，零人類經驗，所以，它的名字叫作零（Zero），Nature這篇論文——《Mastering the game of Go without human knowledge》中，Deepmind展示新版本圍棋程序AlphaGo Zero在數百萬局自我對弈後，隨著程序訓練的進行，獨立發現了人類用幾千年才總結出來的圍棋規則，還建立了新的戰略。《自然》為該論文配發兩篇評論文章，一篇來自計算機科學家，一篇來自圍棋選手。

強大的圍棋程序：可通過與自己對弈學習

今年5月烏鎮大會上，中國棋手、世界冠軍柯潔9段以0:3不敵AlphaGo。隨後Deepmind創始人Hassabis宣布，AlphaGo將永久退出競技舞台，不再進行比賽。

同時Hassbis表示：「我們計劃在今年稍晚時候發布最後一篇學術論文，詳細介紹我們在演算法效率上所取得的一系列進展，以及應用在其他更全面領域中的可能性。就像第一篇 AlphaGo 論文一樣，我們希望更多的開發者能夠接過接力棒，利用這些全新的進展開發出屬於自己的強大圍棋程序。」

Deepmind如約在Nature發布了這篇論文《Mastering the game of Go without human knowledge》。

論文中，Deepmind展示了AlphaGo Zero一種新的強化學習方式，通過自我對弈學習AlphaGo Zero 成為自己的老師。這個學習系統從一個對圍棋遊戲完全沒有任何知識的神經網路開始。然後，通過將這個神經網路與一種強大的搜索演算法相結合，它就可以自己和自己下棋了。

在它自我對弈的過程中，神經網路被調整、更新，以預測下一個落子位置以及對局的最終贏家。這個更新後的神經網路又將與搜索演算法重新組合，進而創建一個新的、更強大的 AlphaGo Zero 版本，再次重複這個過程。在每一次迭代中，系統的性能都得到一點兒的提高，自我對弈的質量也在提高，這就使得神經網路的預測越來越準確，得到更加強大的 AlphaGo Zero 版本。

這種技術比上一版本的 AlphaGo 更強大，因為它不再受限於人類知識的局限。在進行了3天的自我訓練後，AlphaGo Zero 在100局比賽中以100：0擊敗了上一版本的 AlphaGo——而上一版本的 AlphaGo 擊敗了曾18次獲得圍棋世界冠軍的韓國九段棋士李世石。經過 40 天的自我訓練後，AlphaGo Zero 變得更加強大，超越了「Master」版本的 AlphaGo——Master 曾擊敗世界上最優秀的棋士、世界第一的柯潔。

人工智慧的探索無止境

圍棋起源於中國，已經流傳了近3000年。2016年春天，AlphaGo與世界圍棋選手李世石的一場世紀人機大戰，標誌著人工智慧取得了歷史性的突破，更引發了一波人工智慧創業熱。一年之後，高智能的機器來到中國，打敗了中國的頂尖選手。

AlphaGo的誕生驚艷了世人，現在AlphaGo Zero又將機器能做到的極限往後推了幾個量級。

DeepMind的CEO得米斯·哈薩比斯( DemisHassabis)表示，「對我們來說，AlphaGo不僅限於在圍棋對弈中獲勝，這也是我們開發通用演算法的一大進步。」大多數AI被認為「用途有限」，因為它們只能執行單一任務，例如，翻譯、識別面孔。但通用型AI在許多不同任務上擁有超越人類的潛能。哈薩比斯認為，在接下來十年，AlphaGo的迭代產品將成為科學家和醫學專家，與人類並肩工作。

DeepMind團隊現在正在研究如何將與AlphaGo Zero相同的演算法應用到真正的科學挑戰中，比如蛋白質摺疊、降低能耗、尋找新材料或發現新葯。哈薩比斯表示:「我們正在努力建立通用學習演算法，而這只是向前邁出的一步，但它的確令人感到興奮不已。AlphaGo團隊許多成員現在正在開發其他項目，並試圖將這項技術應用到其他領域。」

當被問及DeepMind使用了多少資金開發AlphaGo時，哈薩比斯表示，這個數字「可能相當可怕」，很難量化。大約有15名DeepMind頂級員工年薪在六位甚至七位數以上，他們已經全職研發AlphaGo很長時間，而且該公司使用了大量的谷歌計算能力。

人機大戰已經落幕，但人類圍繞人工智慧的探索才剛剛起步。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！