谷歌DeepMind開發(fā)AlphaZero，輕松擊敗國際象棋、圍棋世界冠軍

Alphabet旗下人工智能部門DeepMind一年前宣布開發(fā)了一套名為AlphaZero的系統(tǒng)，它可以教會自己如何掌握國際象棋、日本將棋和中國圍棋，而且都能擊敗世界冠軍。

雖然DeepMind的說法令人印象深刻，但當(dāng)時卻未能通過同行評審。不過，DeepMind今天宣布，經(jīng)過數(shù)月的反復(fù)修訂，該公司在AlphaZero上的成果已經(jīng)被《科學(xué)》雜志接受，并登上該雜志的首頁。

“幾年前，我們的AlphaGo以4:1擊敗了18次獲得圍棋世界冠軍的棋手李世石。但對于我們來說，這實際上是構(gòu)建一個通用學(xué)習(xí)系統(tǒng)的開始，這個系統(tǒng)可以自己學(xué)習(xí)不同的游戲，最終達到超越人類的水平。“AlphaZero的首席研究員大衛(wèi)·西爾沃(David Silver)對參加蒙特利爾NeurIPS 2018大會的記者說，“AlphaZero是這一段旅程的下一步。它從頭開始學(xué)習(xí)擊敗圍棋、國際象棋和日本將棋的世界冠軍。除了游戲規(guī)則外，它什么知識都沒有。“

Silver解釋說，選擇這些游戲既考慮了它們的復(fù)雜性，也考慮了之前針對它們進行人工智能研究的豐富歷史。

為此，本周發(fā)表的論文描述了DeepMind如何利用深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)優(yōu)于Stockfish、Elmo和IBM深藍的游戲算法。

“傳統(tǒng)引擎非常強大并且?guī)缀鯖]有明顯的錯誤，但當(dāng)面對沒有具體和可計算解決方案的位置時，可能會發(fā)生漂移。”國際象棋大師馬修·薩德勒(Matthew Sadler)說，“正是在這樣的位置，AlphaZero才能實現(xiàn)‘感覺’，‘洞察力’或‘直覺’。“

為了測試經(jīng)過全面訓(xùn)練的AlphaZero，除了其前身AlphaGo Zero之外，DeepMind的研究人員還對上述的Stockfish和Elmo游戲引擎進行了測試。在具有44個處理器內(nèi)核和4個谷歌第一代TPU的單臺機器上運行時，AlphaZero都能輕松贏得大多數(shù)比賽。