AlphaGo进化：3天100:0碾压旧版 不使用人类知识

AlphaGo进化：3天100:0碾压旧版 不使用人类知识

当地时间10月18日，谷歌人工智能团队DeepMind团队在在国际学术期刊《自然》（Nature）上发表论文，宣布新版AlphaGo——AlphaGo Zero可以在没有人类指导的情况下学习，其水平超过此前所有AlphaGo（阿尔法狗），仅用3天就碾压了此前击败李世石的旧阿尔法狗。

AlphaGo Zero仅拥有4个TPU，零人类经验，所以，它的名字叫作零（Zero），Nature这篇论文——《Mastering the game of Go without human knowledge》中，Deepmind展示新版本围棋程序AlphaGo Zero在数百万局自我对弈后，随着程序训练的进行，独立发现了人类用几千年才总结出来的围棋规则，还建立了新的战略。《自然》为该论文配发两篇评论文章，一篇来自计算机科学家，一篇来自围棋选手。

强大的围棋程序：可通过与自己对弈学习

今年5月乌镇大会上，中国棋手、世界冠军柯洁9段以0:3不敌AlphaGo。随后Deepmind创始人Hassabis宣布，AlphaGo将永久退出竞技舞台，不再进行比赛。

同时Hassbis表示：“我们计划在今年稍晚时候发布最后一篇学术论文，详细介绍我们在算法效率上所取得的一系列进展，以及应用在其他更全面领域中的可能性。就像第一篇 AlphaGo 论文一样，我们希望更多的开发者能够接过接力棒，利用这些全新的进展开发出属于自己的强大围棋程序。”

Deepmind如约在Nature发布了这篇论文《Mastering the game of Go without human knowledge》。

论文中，Deepmind展示了AlphaGo Zero一种新的强化学习方式，通过自我对弈学习AlphaGo Zero 成为自己的老师。这个学习系统从一个对围棋游戏完全没有任何知识的神经网络开始。然后，通过将这个神经网络与一种强大的搜索算法相结合，它就可以自己和自己下棋了。

在它自我对弈的过程中，神经网络被调整、更新，以预测下一个落子位置以及对局的最终赢家。这个更新后的神经网络又将与搜索算法重新组合，进而创建一个新的、更强大的 AlphaGo Zero 版本，再次重复这个过程。在每一次迭代中，系统的性能都得到一点儿的提高，自我对弈的质量也在提高，这就使得神经网络的预测越来越准确，得到更加强大的 AlphaGo Zero 版本。

这种技术比上一版本的 AlphaGo 更强大，因为它不再受限于人类知识的局限。在进行了3天的自我训练后，AlphaGo Zero 在100局比赛中以100：0击败了上一版本的 AlphaGo——而上一版本的 AlphaGo 击败了曾18次获得围棋世界冠军的韩国九段棋士李世石。经过 40 天的自我训练后，AlphaGo Zero 变得更加强大，超越了“Master”版本的 AlphaGo——Master 曾击败世界上最优秀的棋士、世界第一的柯洁。

人工智能的探索无止境

围棋起源于中国，已经流传了近3000年。2016年春天，AlphaGo与世界围棋选手李世石的一场世纪人机大战，标志着人工智能取得了历史性的突破，更引发了一波人工智能创业热。一年之后，高智能的机器来到中国，打败了中国的顶尖选手。

AlphaGo的诞生惊艳了世人，现在AlphaGo Zero又将机器能做到的极限往后推了几个量级。

DeepMind的CEO得米斯·哈萨比斯( DemisHassabis)表示，“对我们来说，AlphaGo不仅限于在围棋对弈中获胜，这也是我们开发通用算法的一大进步。”大多数AI被认为“用途有限”，因为它们只能执行单一任务，例如，翻译、识别面孔。但通用型AI在许多不同任务上拥有超越人类的潜能。哈萨比斯认为，在接下来十年，AlphaGo的迭代产品将成为科学家和医学专家，与人类并肩工作。

DeepMind团队现在正在研究如何将与AlphaGo Zero相同的算法应用到真正的科学挑战中，比如蛋白质折叠、降低能耗、寻找新材料或发现新药。哈萨比斯表示:“我们正在努力建立通用学习算法，而这只是向前迈出的一步，但它的确令人感到兴奋不已。AlphaGo团队许多成员现在正在开发其他项目，并试图将这项技术应用到其他领域。”

当被问及DeepMind使用了多少资金开发AlphaGo时，哈萨比斯表示，这个数字“可能相当可怕”，很难量化。大约有15名DeepMind顶级员工年薪在六位甚至七位数以上，他们已经全职研发AlphaGo很长时间，而且该公司使用了大量的谷歌计算能力。

人机大战已经落幕，但人类围绕人工智能的探索才刚刚起步。