DeepMind高管回答：Alpha zero 的強化學習是否真的不要訓練數據？

在MIT的達沃斯討論會上，DeepMind 的聯合創始人Mustafa Suleyman 被問到Alpha zero 的強化學習是否真的證明可以不要訓練數據？除了遊戲還有什麼應用？

DeepMind 的聯合創始人Mustafa Suleyman 非常坦誠地說：alpha zero 只是在三個前提條件成立的情況能夠工作：

可預測環境（圍棋規則）；

清晰獎勵系統（輸贏）；

無變數（variability) ；

Mustafa Suleyman還表示，他們正在探索在遊戲之外的應用，但是初步預測這不會是很容易的，因為真實世界比遊戲複雜很多，他預測會需要3-5年時間。

他也提到：alpha zero 本身並不能帶來AI對於數據的需求，但是他覺得在數據生成和模擬上的進步（比如說用真實語音合成、人臉合成、甚至類似Grand theft auto來做自動駕駛的模擬）是有可能在未來自動產生可補充的數據。（內容來自：李開復老師朋友圈）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！