AlphaGo新版本問世：自學40天就能贏柯潔

10月19日消息，專注於推進人工智能（AI）研究的谷歌子公司DeepMind今天發佈了一款新版本的AlphaGo程序，它能通過自學玩轉多種遊戲。這套系統名為“AlphaGo Zero”，它通過一種名為“強化學習”的機器學習技術，可以在與自己遊戲中吸取教訓。

僅三天時間，AlphaGo Zero自行掌握了圍棋的下法，還發明瞭更好的棋步。這期間，除了被告知圍棋的基本規則，它未獲得人類的幫助。隨着AlphaGo Zero被不斷訓練時，它開始在圍棋遊戲中學習先進的概念，並挑選出一些有利的位置和序列。

經過三天的訓練，該系統能夠擊敗AlphaGo Lee，後者是去年擊敗了韓國選手李世石（Lee Sedol）的DeepMind軟件，勝率是100比0。。經過大約40天的訓練（約2900萬場自玩遊戲），AlphaGo Zero擊敗了AlphaGo Master(今年早些時候擊敗了世界冠軍柯潔)。

舊版AlphaGo接受的訓練是，觀摩由實力強大的業餘或專業棋手對弈的海量棋局。但AlphaGo Zero沒有獲得這樣的幫助。它自我對弈數百萬次，並從中學習。一開始，它只是隨意把棋子放在棋盤上，但後來它發現了獲勝的策略，棋藝就快速提升了。

AlphaGo的首席研究員大衞·席爾瓦(David Silver)表示，“由於未引入人類棋手的數據，AlphaGo Zero遠比過去的版本強大，我們去除了人類知識的限制，它能夠自己創造知識。”

AlphaGo Zero通過“強化學習”這一程序來積累技能。當AlphaGo Zero走出一步好棋，它更有可能獲勝。若這步棋沒走好，它輸棋的概率變大了。

這一程序的核心是一組連在一起形成人造神經網絡的 “神經元”。對於棋局的每個回合，神經網絡會觀察棋子在棋盤上的位置，並推算接下來的棋步以及這些棋步讓全盤獲勝的概率。每次對弈後，它會更新神經網絡，讓棋藝更精進。雖然性能遠勝於以前的版本，但AlphaGo Zero是一個更簡單的程序，掌握棋法的速度更快，接受訓練的數據更少，使用的電腦更小。席爾瓦表示，如果擁有更多的時間，AlphaGo Zero還能夠自己學會圍棋規則。

研究團隊在《自然》雜誌上發表的文章寫道，一開始AlphaGo Zero的棋藝糟透了，後來它逐漸成為一名缺乏經驗的業餘棋手，最終進階為圍棋高手，能夠走出極具戰略性的棋步。這些進步僅花費了幾天時間。最初10小時內它就發現了一個定式。隨後不久它又領悟了一些棋法。三天後，AlphaGo Zero發現了人類專家正在研究的全新棋步。有趣的是，程序在發現更簡單的棋步之前就早已掌握了一些複雜棋步。

這一進展標誌着通用型AI發展的大一里程碑。除了下棋贏過人類，通用型AI能做更多事情。由於AlphaGo Zero能夠從一無所知實現自學成才，如今其天賦可以在諸多現實問題上派上用場。

AlphaGo Zero正在研究蛋白質如何摺疊的問題，這是一個艱難的科學挑戰，不過有望成為藥物發明的一大突破。

(丹米斯·哈撒比斯)

DeepMind的CEO丹米斯·哈撒比斯(Demis Hassabis)表示，“對我們來説，AlphaGo不僅限於在圍棋對弈中獲勝，這也是我們開發通用算法的一大進步。”大多數AI被認為“用途有限”，因為它們只能執行單一任務，例如，翻譯、識別面孔。但通用型AI在許多不同任務上擁有超越人類的潛能。哈撒比斯認為，在接下來十年，AlphaGo的迭代產品將成為科學家和醫學專家，與人類並肩工作。

此外，AlphaGo Zero比它的許多前輩都要高效得多。AlphaGo Lee需要使用幾台機器和48個谷歌張量處理單元機器學習加速器芯片，該系統的早期版本AlphaGo Fan需要176個GPU。而AlphaGo Zero和AlphaGo Master一樣，只需要一台機器和4個TPU。(惜辰)