用NewsHub追踪最热门的话题,分分钟更新,不容错过。 现在马上安装。

超進化AlphaGo震撼出世!放棄人類經驗後棋力飆漲,自學3天100:0大敗前代,它怎麼辦到的?

2017年10月19日 星期四 上午6:21
88 0
超進化AlphaGo震撼出世!放棄人類經驗後棋力飆漲,自學3天100:0大敗前代,它怎麼辦到的?

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AlphaGo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。

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,人工智慧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準的演算法。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式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準,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路開始,將該神經網路和一個強力搜索演算法結合,自我對弈。在對弈過程中,神經網路不斷調整、升級,預測每一步落子和最終的勝利者。

升級後的神經網路與搜索網路結合成一個更強的新版本AlphaGo Zero,如此往復迴圈。每過一輪,系統的表現就提高了一點點,自我對弈的品質也提高了一點點。神經網路越來越準確,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。

其次,AlphaGo Zero僅用了單一的神經網路。在此前的版本中,AlphaGo用到了「策略網路」來選擇下一步棋的走法,以及使用「價值網路」來預測每一步棋後的贏家。而在新的版本中,這兩個神經網路合二為一,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品質的神經網路來評估下棋的局勢。

僅僅自我對弈3天后,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天后,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,在短短幾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:人工智慧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,比如蛋白質折疊、減少能耗和尋找新材料上,就能創造出有益於社會的突破。

来源: storm.mg

分享社交网络:

评论 - 0