倫敦當地時間10月18日18：00，谷歌旗下的DeepMind團隊公布了進化後的最強版AlphaGo ，代號AlphaGo Zero。
新版本的AlphaGo究竟有多厲害？打敗李世石的AlphaGo用了3000萬盤比賽作為訓練數據，AlphaGo Zero用了490萬盤比賽數據。經過3天的訓練，AlphaGo Zero就以100：0的比分完勝對陣李世石的那版AlphaGo。
DeepMind聯合創始人兼CEO 、AlphaGo之父戴密斯·哈薩比斯（Demis Hassabis）和AlphaGo團隊負責人大衛·席爾瓦（Dave Sliver） 等人同時在官方博客上發表文章，詳解最強版本阿爾法狗是如何煉成的，與前代有何不同。
與學習大量人類棋譜起步的前代AlphaGo不同，AlphaGo Zero是從「嬰兒般的白紙」開始，通過3天數百萬盤自我對弈，走完了人類千年的圍棋歷史，並探索出了不少橫空出世的招法。
哈薩比斯等人專文：《AlphaGo Zero：從零開始》
從語音識別、圖像分類到基因和藥物研究，人工智能發展迅速。這些專家系統，很多是藉用海量人類經驗和數據開發出來的。
然而，在有些特定問題上，人類的知識要麼過於昂貴，要麼不靠譜，要麼無法獲得。因此，人工智能研究的一個長期目標就是跳過這一步，創造能在最有挑戰性的領域，不用人類輸入就達到超人水平的算法。我們發表在《自然》期刊上的最新論文，展示了實現該目標的關鍵一步。
論文介紹了首個戰勝人類圍棋冠軍的電腦程序AlphaGo的最新進化版本：AlphaGo Zero。 AlphaGo Zero更為強大，可以一爭史上最強圍棋手。
AlphaGo的前幾代版本，一開始用上千盤人類業餘和專業棋手的棋譜進行訓練，學習如何下圍棋。 AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始。用這種方法，它很快超過了人類水平，對陣此前戰勝人類冠軍李世石的前代AlphaGo取得了100連勝。
AlphaGo Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝利者。
升級後的神經網絡與搜索網絡結合成一個更強的新版本AlphaGo Zero，如此往複循環。每過一輪，系統的表現就提高了一點點，自我對弈的質量也提高了一點點。神經網絡越來越準確，AlphaGo Zero的版本也越來越強。
這種技術比此前所有版本的AlphaGo都更為強大。這是因為，它不再受到人類知識的限制，而能夠從嬰兒般的白紙狀態，直接向世界上最強大的棋手——AlphaGo本身學起。
AlphaGo Zero相較前代還有幾點明顯的差別：
首先，AlphaGo Zero僅用棋盤上的黑白子作為輸入，而前代則包括了小部分人工設計的特徵輸入。
其次，AlphaGo Zero僅用了單一的神經網絡。在此前的版本中，AlphaGo用到了「策略網絡」來選擇下一步棋的走法，以及使用「價值網絡」來預測每一步棋後的贏家。而在新的版本中，這兩個神經網絡合二為一，從而讓它能得到更高效的訓練和評估。
第三，AlphaGo Zero並不使用快速、隨機的走子方法。在此前的版本中，AlphaGo用的是快速走子方法，來預測哪個玩家會從當前的局面中贏得比賽。相反，新版本依靠的是其高質量的神經網絡來評估下棋的局勢。
所有這些差異，都提高了系統的表現，使其更為普適。不過，是算法上的變化使得系統更為強大和高效。
僅僅自我對弈3天後，AlphaGo Zero就以100：0完勝了此前擊敗世界冠軍李世石的AlphaGo版本。自我對弈40天後，AlphaGo Zero變得更為強大，超過了此前擊敗當今第一人柯潔的「大師」版AlphaGo。
通過數百萬次自我對弈，AlphaGo從零開始掌握了圍棋，在短短几天內就積累起了人類幾千年才有的知識。 AlphaGo Zero也發現了新的知識，發展出打破常規的策略和新招，與它在對戰李世石和柯潔時創造的那些交相輝映，卻又更勝一籌。
這些創造性的時刻給了我們信心：人工智能會成為人類智慧的增強器，幫助我們解決人類正在面臨的一些嚴峻挑戰 。
儘管才剛剛發展起來，AlphaGo Zero已經走出了通向上述目標的關鍵一步。如果類似的技術可以應用在其他結構性問題，比如蛋白質摺疊、減少能耗和尋找新材料上，就能創造出有益於社會的突破。
來源：新浪
C08
