當前位置:
首頁 > 科技 > AlphaGo新版本問世:自學40天就能勝贏柯潔的版本

AlphaGo新版本問世:自學40天就能勝贏柯潔的版本

10月19日消息,專註於推進人工智慧(AI)研究的谷歌子公司DeepMind今天發布了一款新版本的AlphaGo程序,它能通過自學玩轉多種遊戲。這套系統名為「AlphaGo Zero」,它通過一種名為「強化學習」的機器學習技術,可以在與自己遊戲中吸取教訓。

僅三天時間,AlphaGo Zero自行掌握了圍棋的下法,還發明了更好的棋步。這期間,除了被告知圍棋的基本規則,它未獲得人類的幫助。隨著AlphaGo Zero被不斷訓練時,它開始在圍棋遊戲中學習先進的概念,並挑選出一些有利的位置和序列。

經過三天的訓練,該系統能夠擊敗AlphaGo Lee,後者是去年擊敗了韓國選手李世石(Lee Sedol)的DeepMind軟體,勝率是100比0。。經過大約40天的訓練(約2900萬場自玩遊戲),AlphaGo Zero擊敗了AlphaGo Master(今年早些時候擊敗了世界冠軍柯潔)。

舊版AlphaGo接受的訓練是,觀摩由實力強大的業餘或專業棋手對弈的海量棋局。但AlphaGo Zero沒有獲得這樣的幫助。它自我對弈數百萬次,並從中學習。一開始,它只是隨意把棋子放在棋盤上,但後來它發現了獲勝的策略,棋藝就快速提升了。

AlphaGo的首席研究員大衛·席爾瓦(David Silver)表示,「由於未引入人類棋手的數據,AlphaGo Zero遠比過去的版本強大,我們去除了人類知識的限制,它能夠自己創造知識。」

AlphaGo Zero通過「強化學習」這一程序來積累技能。當AlphaGo Zero走出一步好棋,它更有可能獲勝。若這步棋沒走好,它輸棋的概率變大了。

這一程序的核心是一組連在一起形成人造神經網路的 「神經元」。對於棋局的每個回合,神經網路會觀察棋子在棋盤上的位置,並推算接下來的棋步以及這些棋步讓全盤獲勝的概率。每次對弈後,它會更新神經網路,讓棋藝更精進。雖然性能遠勝於以前的版本,但AlphaGo Zero是一個更簡單的程序,掌握棋法的速度更快,接受訓練的數據更少,使用的電腦更小。席爾瓦表示,如果擁有更多的時間,AlphaGo Zero還能夠自己學會圍棋規則。

研究團隊在《自然》雜誌上發表的文章寫道,一開始AlphaGo Zero的棋藝糟透了,後來它逐漸成為一名缺乏經驗的業餘棋手,最終進階為圍棋高手,能夠走出極具戰略性的棋步。這些進步僅花費了幾天時間。最初10小時內它就發現了一個定式。隨後不久它又領悟了一些棋法。三天後,AlphaGo Zero發現了人類專家正在研究的全新棋步。有趣的是,程序在發現更簡單的棋步之前就早已掌握了一些複雜棋步。

GIF/74K

這一進展標誌著通用型AI發展的大一里程碑。除了下棋贏過人類,通用型AI能做更多事情。由於AlphaGo Zero能夠從一無所知實現自學成才,如今其天賦可以在諸多現實問題上派上用場。

AlphaGo Zero正在研究蛋白質如何摺疊的問題,這是一個艱難的科學挑戰,不過有望成為藥物發明的一大突破。

(丹米斯·哈撒比斯)

DeepMind的CEO丹米斯·哈撒比斯(Demis Hassabis)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。哈撒比斯認為,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。

此外,AlphaGo Zero比它的許多前輩都要高效得多。AlphaGo Lee需要使用幾台機器和48個谷歌張量處理單元機器學習加速器晶元,該系統的早期版本AlphaGo Fan需要176個GPU。而AlphaGo Zero和AlphaGo Master一樣,只需要一台機器和4個TPU。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 CSMO創新資訊 的精彩文章:

CSMOCHANNEL一分鐘資訊1019
世界最強激光器將再升級,功率最高可提升兩倍
畢格羅計劃在月球軌道上放置一個可擴展的太空棲息地
雙面玻璃應用進入加速階段 智能手機屏市場將超千億

TAG:CSMO創新資訊 |