close
撰文 | 李傢勁（加州大學洛杉磯分校）
AlphaGo又“進化”瞭！新一代機器人AlphaGo Zero誕生，在圍棋領域，它會不會感到孤獨？
本周，Nature雜志報道瞭英國DeepMind團隊的最新進展：他們開發出瞭新一代的圍棋AI——AlphaGo Zero。AlphaGo Zero使用強化學習技術（Reinforcement Learning），大幅提升瞭棋力。它現在能夠以更少的計算資源，輕松擊敗曾經戰勝世界冠軍李世石、柯潔的AlphaGo前代版本。
AlphaGo Zero與之前版本最大的區別在於，AlphaGo Zero從隨機對局開始，通過自我對弈來提升自己的棋藝，從不依靠任何人類的監督或對局數據。而在以往版本中，AlphaGo都是使用業餘和專業人類棋手的對局數據來訓練自己。雖然使用人類棋手的數據可以讓AI學習到人類的圍棋技巧，但是人類專傢的數據通台中產後護理之家介紹常難以獲得且很昂貴。此外，即使是專業棋手，也難免會有失誤，而使用錯誤的訓練數據可能會降低AlphaGo的棋力。況且，僅僅使用人類數據會讓AI局限於人類的圍棋知識。
AlphaGo Zero的自我強化學習，圖片來自Nature
更重要的是，AlphaGo在圍棋界已是台中坐月子中心推薦“獨孤求敗”的境界，所以，要突破自己的界限，甚至圍棋知識的界限，顯然隻有AlphaGo自己才能做自己的老師。
張崢（上海紐約大學終身教授、國傢千人計劃特聘專傢）：
從算法上來說，AlphaGo Zero更簡潔、漂亮，讓我想起愛因斯坦的KISS原則：simple but not simpler。這一次，AI在人類的幫助下，在一個給定的規則下，自主發現新知識，並且糾正人類的錯誤知識，而且以驚人的速度達到這一點。有趣的是，AlphaGo無法解釋，隻能demo給人類。在這個特定的小領域，人類和人工智能一起創造瞭新知識。
經過幾百萬盤的自我博弈後，AlphaGo Zero進步明顯，不僅棋力大幅增強，運算速度也提升瞭不少。在100盤對局中，僅使用1臺機器、4個TPU的AlphaGo Zero對使用多臺機器、48個TPU的AlphaGo Lee取得全勝，後者曾經擊敗韓國名將李世石。在同樣配置下，AlphaGo Zero對AlphaGo Master取得89勝11負的壓倒性優勢，後者就是2017年1月在頂級圍棋在線對戰平臺上取得60戰60勝的神秘選手Master。而且，AlphaGo Zero訓練瞭72小時就完勝AlphaGo Lee，僅用40天就超越瞭AlphaGo Master。這主要得益於DeepMind團隊開發的新型強化學習技術。
何為強化學習技術？簡單來講，強化學習使用一套獎勵機制，讓AI從中學習到能夠獲得最大回報的策略。AlphaGo Zero的強化學習主要包含兩個部分，蒙特卡洛樹搜索算法（Monte Carlo Tree Search，MCTS）與神經網絡算法。其中，神經網絡算法給出落子方案，以及預測當前形勢下的勝方；MCTS算法可以看成是一個弈棋策略的評價和改進工具，它能夠模擬出AlphaGo Zero落子在哪些地方可以獲得更高的勝率。如果AlphaGo Zero從神經網絡得出的下一手棋的走法越相似於MCTS算法輸出的結果，則勝率越大，即所謂回報越高。如此，在每一著棋中，AlphaGo Zero都要優化神經網絡中的參數，使其計算出的落子方案更接近MCTS算法的結果，同時盡量減少勝者預測的偏差。開始的時候，AlphaGo Zero的神經網絡完全不瞭解圍棋，隻好盲目下棋。但經過日以繼夜的“左右互搏”般的訓練，無數盤對局後，AlphaGo Zero迅速從圍棋小白成長為傳奇棋神。
除瞭改進人工智能技術外，DeepMind團隊也希望能夠通過AlphaGo項目獲得對圍棋更深的認識。他們發現，AlphaGo Zero僅僅自我對弈幾十天就掌握瞭人類幾百年來研究出來的圍棋技術，而且棋路獨特。例如，AlphaGo Zero很喜歡下出定石（台中產後照護介紹圍棋術語）的新型變種。這是因為它沒有使用人類數據，不再囿於人類現有的圍棋理論。
“當前的最強版本，AlphaGo Zero向我們展示瞭即使不用人類的數據，即使使用更少的計算資源，也能夠取得長足進步。最終我們想用這些技術進展去解決現實問題，如蛋白質折疊或者新材料設計。如果我們能夠在這些問題上取得同樣進展，這將會增進人類的認知，從而改善每個人的生活。”DeepMind的共同創辦者兼CEO，Demis Hassabis如是說。
參考資料
Silver D. Mastering the game of Go without human knowledge. Nature. doi：10.1038/nature24270.
作品來源：《知識分子》（微信公號：The-Intellectual）
《知識分子》是由饒毅、魯白、謝宇三位學者創辦的移動新媒體平臺，致力於關註科學、人文、思想
文章很值，贊賞激勵一下贊 賞首席贊賞官虛位以待贊賞是一種態度1元3元6元12元50元108元其他金額金額（元）：贊 賞
2017年10月31日11:24
【能源局：可再生能源已成為我國新增電力主力】三季度以來，國傢能源局啟動瞭風電平價上網示范工作。與有關部門共同發文進一步強化光伏“領跑者”技術要求，前三季度新增風電裝機中約一半位於中東部和南方地區。將再組織實施一批光伏領跑者項目，同時正在組織各地編制光伏扶貧“十三五”計劃，擬於近期統籌各地情況後下達實施。
2017年10月31日11:16
【保監會：切實維護保險消費者合法權益】近日，保監會針對“亮劍行動”中發現的侵害消費者合法權益違法違規行為，依法對中華聯合財產保險股份有限公司、華安財產保險股份有限公司、安盛天平財產保險股份有限公司、渤海財產保險股份有限公司、光大永明人壽保險有限公司和國華人壽保險股份有限公司等6傢保險公司進行瞭處罰，共計罰款121萬元，處罰個人11名，罰款49萬元。
2017年10月31日11:03
【shibor連續兩日全線上漲】隔夜shibor報2.7360%，上漲1.60個基點；7天shibor報2.8940%，上漲0.60個基點；3個月shibor報4.3954%，上漲0.28個基點。
2017年10月31日10:54
【樂視網估值再遭下調】10月最後一個交易日，多傢公司發佈公告下調樂視網估值。諾安基金旗下產品估值調整不低，仍有9.05元，而國投瑞銀、國海富蘭克林等公司已將估值下調至7.82元。以停牌前15.33元收盤價計算，樂視網估值下跌近49%，幾近腰斬。
2017年10月31日10:45
【小金屬概念股拉升】寒銳鈷台中產後月子中心價格業漲逾8%，華友鈷業、天齊鋰業、翔鷺鎢業、東方鉭業、道氏技術、洛陽鉬業、鵬欣資源等股均有上漲。
2017年10月31日10:35
【美國商務部初裁中國產封箱釘存在傾銷行為】美國商務部30日公佈初裁結果，認定從中國進口的封箱釘存在傾銷行為。根據美方程序，美國商務部和國際貿易委員會將於明年初作出終裁。數據顯示，2016年美國從中國進口的這類產品金額為7320萬美元。（新華社）
2017年10月31日10:24
【嘉能可將在港交所撤回上市】嘉能可在港交所公告稱，建議其股份在香港聯交所撤回上市，預期明年1月10日收市後停止買賣，1月31日正式除牌。在香港退市後，嘉能可股份繼續在英國及約翰內斯堡證券交易所上市。
2017年10月31日10:16台中月子中心親子房
【河北：加大去產能工作力度】10月30日河北省委召開常委會（擴大）會議，會議強調，要大力推進京津冀協同發展，全面落實“三區一基地”功能定位，全力支持服務北京和天津協同發展。深入推進供給側結構性改革，加大鋼鐵、水泥、煤炭等去產能工作力度。（河北日報）
2017年10月31日10:00
【重慶市出臺三十六條金融創新舉措 助力重慶自貿試驗區建設】據瞭解，此次推出的36條舉措，主要涉及八個方面：簡化跨境收支管理，提高跨境結算效率；創新跨境結算管理方式，支持新興業態發展；擴大人民幣跨境使用，降低匯率風險和匯兌成本；拓展跨境投融資，支持用好兩個市場、兩種資源；優化結售匯管理，促進提高資金使用效率等。（重慶日報）
【音頻】O2O市場雙雄爭霸將走向何方？
聽！財新周刊：O2O變局 · 眾安招股 · 打破剛兌
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
