新版阿尔法狗从零开始40天称王 仅3天就击败前辈

  新版“阿尔法围棋”从零开始40天称王

  人工智能“阿尔法围棋”在几次世界瞩目的人机大战后站在围棋之巅,又以一种新的方式超越了自己:新版本“从零开始”学习围棋,仅用3天就击败前辈版本,40天成为新的王者。

  自己与自己对弈

  英国“深度思维”公司开发出“阿尔法围棋”,该公司团队在新一期英国《自然》杂志上发表题为《在没有人类知识条件下掌握围棋游戏》的论文,介绍了最新版的“阿尔法围棋-零”。

  该公司将“阿尔法围棋”的发展分为四个阶段:第一个版本是“阿尔法围棋-樊”,它在2015年战胜欧洲围棋冠军樊麾,标志着人工智能首次战胜人类职业棋手;第二个版本是“阿尔法围棋-李”,它在2016年战胜曾多次夺得世界冠军的韩国棋手李世石,标志着人工智能战胜人类顶级棋手;第三个版本是“阿尔法围棋-大师”,在今年战胜现在世界排名第一的柯洁,并在与多位有世界冠军头衔的人类棋手“群战”中完胜。

  这些版本在刚开始学习围棋时,都要依靠人类知识,即先教它们一些人类摸索出的基本下法,然后再开始自己学习。

  “阿尔法围棋-零”摆脱了这个限制,研究人员没有给它除棋盘和棋子外的任何输入,它完全是“从零开始”,自己与自己对弈,通过更为优秀的算法,取得飞速进步。

  自学3天即击败“前辈”

  开始学习围棋3天后,“阿尔法围棋-零”就以100比0的成绩战胜“阿尔法围棋-李”;40天后,它又战胜了在所有人类高手看来已不可企及的“阿尔法围棋-大师”。

  研究人员认为,从需要预先输入人类知识,到能完全依靠自己摸索,“阿尔法围棋”的进步标志着人工智能的巨大突破,这意味着人工智能可以更好地进入对它来说本是一片空白的领域。

  “深度思维”公司首席执行官哈萨比斯说,他希望人工智能的这种进步能够被用于分析蛋白质结构、设计新材料等领域,为人们生活带来积极有益的影响。

  ■ 揭秘

  “阿尔法围棋-零”如何自学成才?

  “深度思维”(DeepMind)团队发表的论文提到,“阿尔法围棋-零”最大突破在于,实现“白板理论”。

  白板理论认为,婴儿是一块白板,可以通过后天学习和训练来提高智力。人工智能(AI)的先驱图灵认为,只要能用机器制造一个类似于小孩的AI,然后加以训练,就能得到一个近似甚至超越人类智力的AI。

  与经过亿万年演化的生物体相比,计算机是真正的“白板一块”。自学成才的“阿尔法围棋-零”正是实现了这一理论。

  如何让机器从零开始获得智能?

  论文中提到,“阿尔法围棋-零”是无监督学习的产物(机器自己摸索、发现规律),而它的双胞胎兄弟“阿尔法围棋-大师”则用了监督学习的方法(人把经验教给机器)。40天后,前者以89:11的成绩战胜后者。

  除学习原理外,新版本“阿尔法围棋-零”使用了单一的神经网络。

  此前版本的“阿尔法围棋”都用了两种神经网络:一种用来预测下一步棋最好的走法,另一种用来计算,根据这些走法谁更有可能获胜。

  “阿尔法围棋-零”则只让神经网络预测获胜者,从而能够得到更高效的训练和评估。它也不再使用快速而随机的走子方法,而是通过高质量的神经网络来评估棋局。它和不同版本的自己下棋,然后用胜者思路来训练新的版本,如此不断重复。

  通过这一方法,“阿尔法围棋-零”完全摸索出开局、收官、定式等以前人类已知的围棋知识,也摸索出新的定式。

  新京报记者 黄钟方辰 潘佳锟

分享