749
機器人
100：0無師自通被完爆，阿爾法狗成為過去，是算法讓“新狗”成為最強
圍棋界曾有這麼一位鬥士…
剛剛出世，就以4:1的成績戰勝韓國高手李世石九段；隨後一波60連勝，宣告著征服人類最為精妙的遊戲。2017年5月，麵對帶著天才光環的現世界第一棋手柯潔九段，3:0強勢碾壓。Alphago這位初出茅廬的“毛頭小子”，在圍棋界大殺四方，短短一年時間，打敗無數人類高手，5月比賽後，它宣布退役，自此再無消息。
英國時間10月18日18點（北京時間19日淩晨1點），AlphaGo 再次出現在《自然》雜誌的封麵，而這次100:0的數字不再是它的勝利。最新的AlphaGo Zero在對陣曾贏下韓國棋手李世石那版AlphaGo時，以100:0的壓倒性戰績獲得勝利，經過40天的自我訓練，AlphaGo Zero又打敗了AlphaGo Master版本。“Master”曾擊敗過世界頂尖的圍棋選手，甚至包括世界排名第一的柯潔。“新王”就此誕生。
代號AlphaGo Zero 的最強版AlphaGo ，是DeepMind團隊最新傑作。它的獨門秘籍，是“自學成才”。而且，是從一張白紙開始，零基礎學習，在短短3天內，成為頂級高手。
相較於之前的版本，AlphaGo Zero的能力有了質的提升。最大的區別在於它不再需要人類數據。也就是說，它一開始就沒有接觸過人類棋譜。研發團隊隻是讓它自由隨意地在棋盤上下棋，然後進行自我博弈。
功耗上也有極大的突破，前代需要多台機器和48個TPU（穀歌專為加速深層神經網絡運算能力而研發的芯片）支持，經過多月訓練方才戰勝人類棋手，而新版的Zero隻用到了一台機器和4個TPU，極大地節省了資源。
人工智能從0到1
據AlphaGo團隊負責人大衛·席爾瓦（Dave Sliver）介紹，AlphaGo Zero使用新的強化學習方法，讓自己變成了老師。係統一開始甚至並不知道什麼是圍棋，隻是從單一神經網絡開始。DeepMind團隊在官方博客上稱，Zero用更新後的神經網絡和搜索算法重組，隨著訓練地加深，係統的表現一點一點地在進步。自我博弈的成績也越來越好，同時，神經網絡也變得更準確。
隨著自我博弈的增加，神經網絡逐漸調整，提升預測下一步的能力，最終贏得比賽。更為厲害的是，隨著訓練的深入，DeepMind團隊發現，AlphaGo Zero還獨立發現了遊戲規則，並走出了新策略，為圍棋這項古老遊戲帶來了新的見解。
自學3天，就打敗了舊版AlphaGo
除了上述的區別之外，AlphaGo Zero還在3個方麵與此前版本有明顯差別。
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征輸入。
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麵中贏得比賽。相反，新版本依靠地是其高質量的神經網絡來評估下棋的局勢。
算法的改變成就“新狗”
我們不難看出，以上這些不同幫助新版AlphaGo在係統上有了提升，但算法的改變讓係統變得更強更有效。
算法（Algorithm）是指解題方案的準確而完整的描述，是一係列解決問題的清晰指令，算法代表著用係統的方法描述解決問題的策略機製。也就是說，能夠對一定規範的輸入，在有限時間內獲得所要求的輸出。不同的算法可能用不同的時間、空間或效率來完成同樣的任務。
李開複博士曾經說過，算法是計算機科學領域最重要的基石之一，從AlphaGo的這次升級中，更加明確了算法的重要性。青少年學習編程需要學習算法嗎？我們的答案是肯定的。
達內童程童美集合優秀師資，創新研發編程數學課程，針對1-6年級學生，用“程序案例”的創新型數學輔導課程，以圖形化語言為輔助，將編程作為工具的數學培訓，實現數學思維與編程思維完美結合，快速掌握學習數學的技巧，讓應試教育素質化。
學習編程數學學生會在那些方麵有所提升呢？
通過不同類型的程序案例實現數學的動畫演示、動手實操和編程算法，幫助學生加深對數學概念和方法的理解，回歸數學問題的本質，不僅僅是做題，而是通過可視化的編程揭示數學問題的本質，把握數學問題的邏輯思維。同時讓學生理解程序算法並學會簡單的編程技巧，而不是簡單的敲代碼，注重數學邏輯與專業編程算法的有機融合，擴充知識並訓練思維！
最後更新：2017-10-20 00:10:39