新功能、新界面、新体验,扫描即可下载生物谷APP!
首页 » 智能机器人 » 不以人类为师的阿尔法狗,为人类与人工智能对话提供“窗口”

不以人类为师的阿尔法狗,为人类与人工智能对话提供“窗口”

来源:澎湃新闻 2017-10-19 11:44

1997 年国际象棋神话卡斯帕罗夫输给计算机后,围棋成为人类的最后尊严。在大多数人看来,计算机想要在围棋领域打败人类,至少需要十年,甚至更长的时间。然而,AlphaGo 的出现,直接击碎了这一想法。

2016 年,谷歌旗下的 DeepMind 团队发布 AlphaGo,并在以 4:1 的成绩击败了世界围棋冠军、韩国棋手李世石,震撼全球。战胜李世石的这版 AlphaGo,参考学习了大量的人类专业棋手的棋谱。此后,AlphaGo 又进化出了 AlphaGo Master 版本,并以 3:0 战胜了当今世界围棋第一人、中国棋手柯洁。“功成名就”后,Deepmind 公司宣布 AlphaGo 退役,不再与人类下棋。不过,故事并未结束。退出人类棋坛、无敌寂寞的 AlphaGo 开始了闭关学习,进行“左右手互博”,从而实现“挑战自我”、“战胜自我”。2017 年 10 月 18 日,神秘面纱揭开:DeepMind 推出了最新版本,也是迄今为止最强版本——AlphaGo Zero。

在 DeepMind 的最新论文中,AlphaGo Zero 利用了强化学习的方法,在没有人类指导的情况下,只用 3 天时间进行学习,就打败了战胜过李世石的那版 AlphaGo,比分是 100:0。

在《自然》杂志上为 DeepMind 论文撰写的评论中,密歇根大学计算机科学和工程学院教授 Satinder Singh 写道,这是强化学习转化为应用领域里取得的最大进步之一。

那么 AlphaGo Zero 是如何实现这种飞跃的?前文提到,AlphaGo Zero 采用的是人工神经网络。这种网络可以计算出下一步走棋的可能性,估算出下棋选手赢的概率。随后根据计算,AlphaGo Zero 会选择最大概率赢的一步去下。整个训练过程中,并没有人类参与,全程是 AlphaGo Zero 自我学习,自我对弈。

在训练过程中,AlphaGo Zero 每下一步需要思考的时间是 0.4 秒。但正是通过对围棋游戏的模拟和训练,神经网络变得越来越好。值得一提的是,AlphaGo Zero 相比之前的版本,仅使用了单一的神经网络。

新版本的 AlphaGo 究竟有多厉害?打败李世石的 AlphaGo 用了 3000 万盘比赛作为训练数据,AlphaGo Zero 用了 490 万盘比赛数据。经过 3 天的训练,AlphaGo Zero 就以 100:0 的比分赢下了李世石版 AlphaGo,并且只用了 1 台机器和 4 个 TPU(谷歌专为加速深层神经网络运算能力而研发的芯片)。而李世石版 AlphaGo 则用了 48 个 TPU。

这一切的意义在哪里?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。Satinder Singh 认为,AlphaGo 和 AlphaGo Zero 在一年多时间里取得的进步已经证明,基于强化学习的人工智能比基于人类知识经验的智能表现地更好。实际上,AlphaGo Zero 将来很有可能会帮助人类棋手提高棋艺,并启发他们对围棋的理解。还有一点也是毋庸置疑的,那就是 AlphaGo 的成功带来了全球媒体对于人工智能的关注,也让围棋变成流行与美并存的游戏。

美国围棋协会的 Andy Okun 和 Andrew Jackson 也为此次的论文在《自然》杂志上撰写了评论,他们认为,围棋人工智能的出现,重启了我们究竟对围棋这项游戏了解多少这个问题。通常一个世纪才会出现一位传奇的围棋棋手,他能改变人类对围棋的理解。而当 AlphaGo 打败李世石,Master 以 60:0 的成绩横扫各国顶尖棋手,并以 3:0 赢下柯洁后,关于人工智能给围棋带来的启示一直不绝于耳。

这一次,AlphaGo Zero 带来的进步肯定也是围棋棋手日后学习的宝库。要知道,AlphaGo Zero 是独立学习训练的,但它使用的招数却超越了许多人类棋手的下棋顺序和招法。也就说,人工智能丰富了我们下围棋的选择。或许它在下棋过程中有些下法是人类无法理解的,甚至认为是错误的,但在机器的理解看来确实万分正确的。从这些经验中,人类棋手看到了与以往不同的围棋世界。

“之前,人类与人工智能对话总是显得非常遥远,甚至像科学小说。但现在对于围棋选手来说,对话已经发生了,就在这里。” Andy Okun 和 Andrew Jackson 说。(生物谷Bioon.com)

温馨提示:87%用户都在生物谷APP上阅读,扫描立刻下载! 天天精彩!



相关标签

最新会议 培训班 期刊库