阿爾法狗再進(jìn)化碾壓舊狗不再受人類知識(shí)限制

小大

用微信掃描二維碼
分享至好友和朋友圈

掃描到手機(jī)×

2017-10-19 13:35:55 中國(guó)青年網(wǎng) 參與評(píng)論()人

在戰(zhàn)勝人類圍棋職業(yè)高手之前，它經(jīng)過(guò)了好幾個(gè)月的訓(xùn)練，依靠的是多臺(tái)機(jī)器和48個(gè)TPU(谷歌專為加速深層神經(jīng)網(wǎng)絡(luò)運(yùn)算能力而研發(fā)的芯片)。

AlphaGoZero的能力則在這個(gè)基礎(chǔ)上有了質(zhì)的提升。最大的區(qū)別是，它不再需要人類數(shù)據(jù)。也就是說(shuō)，它一開(kāi)始就沒(méi)有接觸過(guò)人類棋譜。研發(fā)團(tuán)隊(duì)只是讓它自由隨意地在棋盤上下棋，然后進(jìn)行自我博弈。值得一提的是，AlphaGoZero還非常“低碳”，只用到了一臺(tái)機(jī)器和4個(gè)TPU，極大地節(jié)省了資源。

AlphaGo Zero強(qiáng)化學(xué)習(xí)下的自我對(duì)弈。

經(jīng)過(guò)幾天的訓(xùn)練，AlphaGoZero完成了近5百萬(wàn)盤的自我博弈后，已經(jīng)可以超越人類，并擊敗了此前所有版本的AlphaGo。DeepMind團(tuán)隊(duì)在官方博客上稱，Zero用更新后的神經(jīng)網(wǎng)絡(luò)和搜索算法重組，隨著訓(xùn)練地加深，系統(tǒng)的表現(xiàn)一點(diǎn)一點(diǎn)地在進(jìn)步。自我博弈的成績(jī)也越來(lái)越好，同時(shí)，神經(jīng)網(wǎng)絡(luò)也變得更準(zhǔn)確。

AlphaGo Zero習(xí)得知識(shí)的過(guò)程

“這些技術(shù)細(xì)節(jié)強(qiáng)于此前版本的原因是，我們不再受到人類知識(shí)的限制，它可以向圍棋領(lǐng)域里最高的選手——AlphaGo自身學(xué)習(xí)?！? AlphaGo團(tuán)隊(duì)負(fù)責(zé)人大衛(wèi)?席爾瓦(Dave Sliver)說(shuō)。

據(jù)大衛(wèi)?席爾瓦介紹，AlphaGoZero使用新的強(qiáng)化學(xué)習(xí)方法，讓自己變成了老師。系統(tǒng)一開(kāi)始甚至并不知道什么是圍棋，只是從單一神經(jīng)網(wǎng)絡(luò)開(kāi)始，通過(guò)神經(jīng)網(wǎng)絡(luò)強(qiáng)大的搜索算法，進(jìn)行了自我對(duì)弈。

隨著自我博弈的增加，神經(jīng)網(wǎng)絡(luò)逐漸調(diào)整，提升預(yù)測(cè)下一步的能力，最終贏得比賽。更為厲害的是，隨著訓(xùn)練的深入，DeepMind團(tuán)隊(duì)發(fā)現(xiàn)，AlphaGoZero還獨(dú)立發(fā)現(xiàn)了游戲規(guī)則，并走出了新策略，為圍棋這項(xiàng)古老游戲帶來(lái)了新的見(jiàn)解。