阿爾法狗再進化：自學3天，就100:0碾壓李世石版舊狗

[摘要]團隊稱，AlphaGo Zero的水平已經超過之前所有版本的AlphaGo。在對陣曾贏下韓國棋手李世石那版AlphaGo時，AlphaGo Zero取得了100:0的壓倒性戰績。

倫敦當地時間10月18日18：00（北京時間19日01：00），AlphaGo再次登上世界頂級科學雜誌——《自然》。

一年多前，AlphaGo便是2016年1月28日當期的封面文章，Deepmind公司發表重磅論文，介紹了這個擊敗歐洲圍棋冠軍樊麾的人工智能程序。

今年5月，以3:0的比分贏下中國棋手柯潔後，AlphaGo宣佈退役，但DeepMind公司並沒有停下研究的腳步。倫敦當地時間10月18日，DeepMind團隊公佈了最強版AlphaGo ，代號AlphaGo Zero。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。

團隊稱，AlphaGo Zero的水平已經超過之前所有版本的AlphaGo。在對陣曾贏下韓國棋手李世石那版AlphaGo時，AlphaGo Zero取得了100:0的壓倒性戰績。DeepMind團隊將關於AlphaGo Zero的相關研究以論文的形式，刊發在了10月18日的《自然》雜誌上。

“AlphaGo在兩年內達到的成績令人震驚。現在，AlphaGo Zero是我們最強版本，它提升了很多。Zero提高了計算效率，並且沒有使用到任何人類圍棋數據，”AlphaGo之父、DeepMind聯合創始人兼CEO 戴密斯⋅哈薩比斯（Demis Hassabis）説，“最終，我們想要利用它的算法突破，去幫助解決各種緊迫的現實世界問題，如蛋白質摺疊或設計新材料。如果我們通過AlphaGo，可以在這些問題上取得進展，那麼它就有潛力推動人們理解生命，並以積極的方式影響我們的生活。”

不再受人類知識限制，只用4個TPU

AlphaGo此前的版本，結合了數百萬人類圍棋專家的棋譜，以及強化學習的監督學習進行了自我訓練。

在戰勝人類圍棋職業高手之前，它經過了好幾個月的訓練，依靠的是多台機器和48個TPU（谷歌專為加速深層神經網絡運算能力而研發的芯片）。

AlphaGo Zero的能力則在這個基礎上有了質的提升。最大的區別是，它不再需要人類數據。也就是説，它一開始就沒有接觸過人類棋譜。研發團隊只是讓它自由隨意地在棋盤上下棋，然後進行自我博弈。值得一提的是，AlphaGo Zero還非常“低碳”，只用到了一台機器和4個TPU，極大地節省了資源。

AlphaGo Zero強化學習下的自我對弈。經過幾天的訓練，AlphaGo Zero完成了近5百萬盤的自我博弈後，已經可以超越人類，並擊敗了此前所有版本的AlphaGo。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，隨着訓練地加深，系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。

AlphaGo Zero習得知識的過程“這些技術細節強於此前版本的原因是，我們不再受到人類知識的限制，它可以向圍棋領域裏最高的選手——AlphaGo自身學習。” AlphaGo團隊負責人大衞⋅席爾瓦（Dave Sliver）説。

據大衞⋅席爾瓦介紹，AlphaGo Zero使用新的強化學習方法，讓自己變成了老師。系統一開始甚至並不知道什麼是圍棋，只是從單一神經網絡開始，通過神經網絡強大的搜索算法，進行了自我對弈。

隨着自我博弈的增加，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，隨着訓練的深入，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個方面與此前版本有明顯差別。

AlphaGo-Zero的訓練時間軸首先，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徵輸入。

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面中贏得比賽。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。

AlphaGo幾個版本的排名情況。據哈薩比斯和席爾瓦介紹，以上這些不同幫助新版AlphaGo在系統上有了提升，而算法的改變讓系統變得更強更有效。

經過短短3天的自我訓練，AlphaGo Zero就強勢打敗了此前戰勝李世石的舊版AlphaGo，戰績是100:0的。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。

對於希望利用人工智能推動人類社會進步為使命的DeepMind來説，圍棋並不是AlphaGo的終極奧義，他們的目標始終是要利用AlphaGo打造通用的、探索宇宙的終極工具。AlphaGo Zero的提升，讓DeepMind看到了利用人工智能技術改變人類命運的突破。他們目前正積極與英國醫療機構和電力能源部門合作，提高看病效率和能源效率。