10月19日消息，專注于推進人工智能(AI)研究的谷歌子公司DeepMind今天發(fā)布了一款新版本的AlphaGo程序，它能通過自學玩轉多種游戲。這套系統(tǒng)名為“AlphaGo Zero”，它通過一種名為“強化學習”的機器學習技術，可以在與自己游戲中吸取教訓。

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

　　經過三天的訓練，該系統(tǒng)能夠擊敗AlphaGo Lee，后者是去年擊敗了韓國選手李世石(Lee Sedol)的DeepMind軟件，勝率是100比0。。經過大約40天的訓練(約2900萬場自玩游戲)，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(yè)余或專業(yè)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，并從中學習。一開始，它只是隨意把棋子放在棋盤上，但后來它發(fā)現了獲勝的策略，棋藝就快速提升了。

　　AlphaGo的首席研究員大衛(wèi)·席爾瓦(David Silver)表示，“由于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(chuàng)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絡的 “神經元”。對于棋局的每個回合，神經網絡會觀察棋子在棋盤上的位置，并推算接下來的棋步以及這些棋步讓全盤獲勝的概率。每次對弈后，它會更新神經網絡，讓棋藝更精進。雖然性能遠勝于以前的版本，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(guī)則。

　　研究團隊在《自然》雜志上發(fā)表的文章寫道，一開始AlphaGo Zero的棋藝糟透了，后來它逐漸成為一名缺乏經驗的業(yè)余棋手，最終進階為圍棋高手，能夠走出極具戰(zhàn)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(fā)現了一個定式。隨后不久它又領悟了一些棋法。三天后，AlphaGo Zero發(fā)現了人類專家正在研究的全新棋步。有趣的是，程序在發(fā)現更簡單的棋步之前就早已掌握了一些復雜棋步。

　　這一進展標志著通用型AI發(fā)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。由于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折疊的問題，這是一個艱難的科學挑戰(zhàn)，不過有望成為藥物發(fā)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不僅限于在圍棋對弈中獲勝，這也是我們開發(fā)通用算法的一大進步。”大多數AI被認為“用途有限”，因為它們只能執(zhí)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(yī)學專家，與人類并肩工作。

　　此外，AlphaGo Zero比它的許多前輩都要高效得多。AlphaGo Lee需要使用幾臺機器和48個谷歌張量處理單元機器學習加速器芯片，該系統(tǒng)的早期版本AlphaGo Fan需要176個GPU。而AlphaGo Zero和AlphaGo Master一樣，只需要一臺機器和4個TPU。(惜辰)

特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創(chuàng)性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。