906 機器人

人工智能裏程碑：新AlphaGo Zero橫空出世，徹底擺脫人類

摘要：穀歌人工智能團隊DeepMind宣布，新版AlphaGo——AlphaGo Zero可以隻在了解比賽的規則，且沒有人類指導的情況下自我學習。短短3天，AlphaGo Zero就完勝曾擊敗世界冠軍李世石版本的AlphaGo。

打敗目前人類圍棋最高水平選手才過去不久，DeepMind團隊又宣布了一個在AI曆史上具有裏程碑式意義的重磅消息：新版AlphaGo可以徹底擺脫人類的知識。

10月18日，穀歌人工智能團隊DeepMind團隊在期刊《Nature》上發表論文，宣布新版AlphaGo——AlphaGo Zero可以在沒有人類指導的情況下學習。

我們在這裏介紹一種僅基於強化學習（reinforcement learning）的算法，沒有超越遊戲規則的人類數據、指導或領域知識。

也就是說，AlphaGo Zero就像人類初學者一樣，隻是了解比賽的規則和比賽的最終目標來自我學習。而作為首個擊敗人類圍棋冠軍的程序，之前版本的AlphaGo是通過分析人類圍棋高手的數千棋局來學習，並在自我對弈中不斷強化。

AlphaGo Zero學到的圍棋知識（圖片來源：DeepMind 論文）

此次的亮點在於，AlphaGo Zero無需人類指導就能讓自己成為自己的老師，並且訓練的時間更短。

短短3天時間，AlphaGo Zero不但從頭開始學習了圍棋，並且擊敗了先前版本的AlphaGo。在與擊敗世界冠軍李世石版本的AlphaGo對弈中，AlphaGo Zero以100:0的比分完勝。

AlphaGo Zero在擊敗AlphaGo Lee之前，進行了了490萬次自我對弈；而AlphaGo Lee的訓練時間則是數月。

團隊甚至表示，僅僅40天後，AlphaGo Zero已經可以在與最先進版本的AlphaGo對弈中獲得90%的勝率了。

AlphaGo Zero和先前版本AlphaGo的表現比較（圖片來源：DeepMind 論文）

此次AlphaGo Zero的出現不僅僅意味著圍棋上的成功，還意味著距離通過創建通用算法來解決科學中的難題又進了一步。

目前深度學習需要大量數據，而數據的獲得成本高昂且難度十分大，有了這項技術後，人類今後將有可能解決更大的挑戰，給人類生活帶來根本性的變化。

DeepMind首席執行官Demis Hassabis承認，以運用這個技術解決實際生活中的許多問題。範圍可以包括預測蛋白質分子的形狀，這也是新藥研發過重的重要一環；還可以設計新材料和進行氣候建模。

最後更新：2017-10-19 09:00:03