close
10月19日，谷歌旗下的DeepMind團隊公佈瞭進化後的最強版“阿爾法狗” ，代號AlphaGo Zero。DeepMind聯合創始人兼CEO 、阿爾法狗之父戴密斯·哈薩比斯稱，“升級後的阿爾法狗更為強大，可以一爭史上最強圍棋手。”
阿爾法狗上一次出現在公眾視野中，還是今年5月在浙江烏鎮圍棋峰會的現場。阿爾法狗直落三盤戰勝世界排名第一的中國棋手柯潔，這位年僅20歲的天才少年曾被認為是狙擊岩盤浴機器多少錢阿爾法狗的唯一可能。
“我輸得沒什麼脾氣。”在賽後新聞發佈會上，柯潔說，“AlphaGo跟去年比完全是兩個‘人’，第一次時很接近人，現在越來越像上帝瞭。”
就連戴密斯·哈薩比斯都沒有想到阿法爾狗能達到這樣的高度，“寫出圍棋的評估函數是一件不可能的事情”。因為更多時候，圍棋與棋手的一些類似於“直覺”的東西有關，“圍棋遊戲更像是藝術，而非科學”。
不少網友嘲笑柯潔，因為他曾經此前說過“阿爾法狗能贏下李世石，但是未必能贏我”，“和阿爾法狗下棋，我的勝率在六成”類似的話語。但在與阿爾法狗戰敗後，柯潔豪取22連勝，大傢才意識到不是柯潔說大話，而是阿爾法狗太強瞭。
第一次升級後，就未嘗敗績
正如柯潔所言，阿爾法狗的確換瞭一個“人”——系統升級後，AlphaGoLee變成瞭AlphaGoMaster。
在野狐圍棋網橫掃中日韓多位人類圍棋高手後，它取得瞭60勝0負1平的恐怖戰績。其中的1平，還是因為在與陳耀燁的快棋家用岩盤浴賽中，陳耀燁意外掉線，系統自動判和。
2016年3月，AlphaGoLee以4:1的比分瞭戰勝韓國名將李世石九段，引發瞭圍棋圈的震驚。此前，阿爾法狗的成名戰是5:0戰勝歐洲冠軍、法國國傢隊主教練樊麾，但當時，樊麾和外界都認為阿爾法狗並沒有那麼強，至少他是有機會拿下一盤的。
“圍棋有很多不確定的因素，機器的局限性是很多的，在下棋過程中也會出現漏洞，因此之前觀看阿爾法狗跟樊麾的比賽，讓我以為計算機達不到圍棋選手的最高水平。結果大傢都知道，我輸瞭。”慘敗讓李世石改變瞭他對阿爾法狗的看法。
《南方周末》的報道中提到：阿爾法狗對陣樊麾時，“吃過”的棋譜是3000萬個，但到瞭挑戰世界棋壇16冠王李世石的時候，嚼進肚子裡的棋譜已經達到1億。
“吃棋譜”正是AlphaGo的主要訓練模式之一，開發者能做的就是盡可能多地把棋譜塞給程序岩盤浴烤箱。
此外，Deep Mind團隊在AlphaGo程序中加入瞭“策略網絡”和“值網絡”的技術。所謂策略網絡，是指程序在吃下過億棋譜後，能夠分析出下一步棋在不同下法時得出的不同勝率。值網絡則是對盤面優勢的判斷機制，以便及時止損和改變下法。
學習3天打之前版本，比分高達100比0
在輸給阿爾法狗後，柯潔豪取22場連勝，拿下全運會圍棋比賽冠軍。但再次升級的阿法爾狗，已經不需要柯潔的棋譜瞭。
根據《自然》雜志的最新介紹，Alpha Zero的設計理念和系統配置和Lee/Master完全不同。
此前，Lee/Master都是用上千盤人類業餘和專業棋手的棋譜進行訓練，而升級後的阿爾法狗不依托於人類的先驗成果，不靠“吃棋譜”進步，完全靠自我對弈學習下棋。
AlphaGo Zero之所以能當自己的老師，是用瞭一種叫強化學習的新模式。系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝率。
僅僅經過3天的訓練，這套系統已經可以擊敗AlphaGoLee，也就是去年擊敗韓國頂尖棋手李世石的那套系統，而且比分高達100比0。
40天訓練後，AlphaGo Zero總計運行瞭大約2900萬次自我對弈，使得AlphaGoZero得以擊敗AlphaGoMaster，比分為89比11。
在系統配置方面，AlphaGoZero也比前幾代系統更加節能，AlphaGoLee需要使用幾臺機器和48個谷歌TPU機器學習加速芯片，AlphaGoZero隻需要使用一臺配有4個TPU的機器即可。
阿爾法狗贏瞭李世石後，哈薩比斯說，“阿爾法狗從來都不是我們的唯一，甚至不是我們最重要的研發，我們希望將此應用於更大的真實世界的問題。”升級過後融入瞭Deep Mind最新技術的新阿爾法狗，目標已經不再隻是打敗人類棋手，而是將目光轉向瞭實際應用方面。
解讀《教育信息化"十三五"規劃》
《教育信息化“十三五”規劃》提出，到2020年，基本建成“人人皆學、處處能學、時時可學”...
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
