10月19日消息，DeepMind今天發(fā)布了一款新版本的AlphaGo程序，經(jīng)過三天的訓練，該系統(tǒng)能夠擊敗AlphaGo Lee，后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(jīng)過大約40天的訓練（約2900萬場自玩游戲），AlphaGo Zero擊敗了AlphaGo Master(今年早些時候擊敗了世界冠軍柯潔)。

對此，柯潔回應稱：“一個純凈、純粹自我學習的alphago是最強的...對于alphago的自我進步來講...人類太多余了。”

相關閱讀：

阿爾法狗之父：AlphaGo Zero 3天走完千年棋史

DeepMind公布最強阿爾法狗：AlphaGo Zero（來源：網(wǎng)易科技頻道）

澎湃新聞記者 虞涵棋 王心馨

倫敦當?shù)貢r間10月18日18：00（北京時間19日01：00），谷歌旗下的DeepMind團隊公布了進化后的最強版AlphaGo ，代號AlphaGo Zero。

新版本的AlphaGo究竟有多厲害？打敗李世石的AlphaGo用了3000萬盤比賽作為訓練數(shù)據(jù)，AlphaGo Zero用了490萬盤比賽數(shù)據(jù)。經(jīng)過3天的訓練，AlphaGo Zero就以100：0的比分完勝對陣李世石的那版AlphaGo。

DeepMind聯(lián)合創(chuàng)始人兼CEO 、AlphaGo之父戴密斯·哈薩比斯（Demis Hassabis）和AlphaGo團隊負責人大衛(wèi)·席爾瓦（Dave Sliver） 等人同時在官方博客上發(fā)表文章，詳解最強版本阿爾法狗是如何煉成的，與前代有何不同。

哈薩比斯

與學習大量人類棋譜起步的前代AlphaGo不同，AlphaGo Zero是從“嬰兒般的白紙”開始，通過3天數(shù)百萬盤自我對弈，走完了人類千年的圍棋歷史，并探索出了不少橫空出世的招法。

哈薩比斯等人專文：《AlphaGo Zero：從零開始》

席爾瓦在烏鎮(zhèn)人機峰會上發(fā)言

從語音識別、圖像分類到基因和藥物研究，人工智能發(fā)展迅速。這些專家系統(tǒng)，很多是借用海量人類經(jīng)驗和數(shù)據(jù)開發(fā)出來的。

然而，在有些特定問題上，人類的知識要么過于昂貴，要么不靠譜，要么無法獲得。因此，人工智能研究的一個長期目標就是跳過這一步，創(chuàng)造能在最有挑戰(zhàn)性的領域，不用人類輸入就達到超人水平的算法。我們發(fā)表在《自然》期刊上的最新論文，展示了實現(xiàn)該目標的關鍵一步。

論文介紹了首個戰(zhàn)勝人類圍棋冠軍的電腦程序AlphaGo的最新進化版本：AlphaGo Zero。AlphaGo Zero更為強大，可以一爭史上最強圍棋手。

AlphaGo的前幾代版本，一開始用上千盤人類業(yè)余和專業(yè)棋手的棋譜進行訓練，學習如何下圍棋。AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始。用這種方法，它很快超過了人類水平，對陣此前戰(zhàn)勝人類冠軍李世石的前代AlphaGo取得了100連勝。

AlphaGo Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。系統(tǒng)從一個對圍棋一無所知的神經(jīng)網(wǎng)絡開始，將該神經(jīng)網(wǎng)絡和一個強力搜索算法結(jié)合，自我對弈。在對弈過程中，神經(jīng)網(wǎng)絡不斷調(diào)整、升級，預測每一步落子和最終的勝利者。

升級后的神經(jīng)網(wǎng)絡與搜索網(wǎng)絡結(jié)合成一個更強的新版本AlphaGo Zero，如此往復循環(huán)。每過一輪，系統(tǒng)的表現(xiàn)就提高了一點點，自我對弈的質(zhì)量也提高了一點點。神經(jīng)網(wǎng)絡越來越準確，AlphaGo Zero的版本也越來越強。

這種技術比此前所有版本的AlphaGo都更為強大。這是因為，它不再受到人類知識的限制，而能夠從嬰兒般的白紙狀態(tài)，直接向世界上最強大的棋手——AlphaGo本身學起。

AlphaGo Zero相較前代還有幾點明顯的差別：

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(jīng)網(wǎng)絡。在此前的版本中，AlphaGo用到了“策略網(wǎng)絡”來選擇下一步棋的走法，以及使用“價值網(wǎng)絡”來預測每一步棋后的贏家。而在新的版本中，這兩個神經(jīng)網(wǎng)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并不使用快速、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，新版本依靠的是其高質(zhì)量的神經(jīng)網(wǎng)絡來評估下棋的局勢。

所有這些差異，都提高了系統(tǒng)的表現(xiàn)，使其更為普適。不過，是算法上的變化使得系統(tǒng)更為強大和高效。

僅僅自我對弈3天后，AlphaGo Zero就以100：0完勝了此前擊敗世界冠軍李世石的AlphaGo版本。自我對弈40天后，AlphaGo Zero變得更為強大，超過了此前擊敗當今第一人柯潔的“大師”版AlphaGo。

通過數(shù)百萬次自我對弈，AlphaGo從零開始掌握了圍棋，在短短幾天內(nèi)就積累起了人類幾千年才有的知識。AlphaGo Zero也發(fā)現(xiàn)了新的知識，發(fā)展出打破常規(guī)的策略和新招，與它在對戰(zhàn)李世石和柯潔時創(chuàng)造的那些交相輝映，卻又更勝一籌。

這些創(chuàng)造性的時刻給了我們信心：人工智能會成為人類智慧的增強器，幫助我們解決人類正在面臨的一些嚴峻挑戰(zhàn) 。

盡管才剛剛發(fā)展起來，AlphaGo Zero已經(jīng)走出了通向上述目標的關鍵一步。如果類似的技術可以應用在其他結(jié)構(gòu)性問題，比如蛋白質(zhì)折疊、減少能耗和尋找新材料上，就能創(chuàng)造出有益于社會的突破。

10月19日消息，DeepMind今天發(fā)布了一款新版本的AlphaGo程序，經(jīng)過三天的訓練，該系統(tǒng)能夠擊敗AlphaGo Lee，后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(jīng)過大約40天的訓練（約2900萬場自玩游戲），AlphaGo Zero擊敗了AlphaGo Master(今年早些時候擊敗了世界冠軍柯潔)。

對此，柯潔回應稱：“一個純凈、純粹自我學習的alphago是最強的...對于alphago的自我進步來講...人類太多余了。”

相關閱讀：

阿爾法狗之父：AlphaGo Zero 3天走完千年棋史

DeepMind公布最強阿爾法狗：AlphaGo Zero（來源：網(wǎng)易科技頻道）

澎湃新聞記者 虞涵棋 王心馨

倫敦當?shù)貢r間10月18日18：00（北京時間19日01：00），谷歌旗下的DeepMind團隊公布了進化后的最強版AlphaGo ，代號AlphaGo Zero。

新版本的AlphaGo究竟有多厲害？打敗李世石的AlphaGo用了3000萬盤比賽作為訓練數(shù)據(jù)，AlphaGo Zero用了490萬盤比賽數(shù)據(jù)。經(jīng)過3天的訓練，AlphaGo Zero就以100：0的比分完勝對陣李世石的那版AlphaGo。

DeepMind聯(lián)合創(chuàng)始人兼CEO 、AlphaGo之父戴密斯·哈薩比斯（Demis Hassabis）和AlphaGo團隊負責人大衛(wèi)·席爾瓦（Dave Sliver） 等人同時在官方博客上發(fā)表文章，詳解最強版本阿爾法狗是如何煉成的，與前代有何不同。

哈薩比斯

與學習大量人類棋譜起步的前代AlphaGo不同，AlphaGo Zero是從“嬰兒般的白紙”開始，通過3天數(shù)百萬盤自我對弈，走完了人類千年的圍棋歷史，并探索出了不少橫空出世的招法。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。