在金庸的小说《射雕英雄传》里，周伯通“左手画圆，右手画方”，左手攻击右手，右手及时反搏，自娱自乐，终无敌于天下。
现实世界中，亦有这么一个“幼童”，他没见过一个棋谱，也没有得到一个人指点，从零开始，自娱自乐，自己参悟，用了仅仅40天，便称霸围棋武林。
这个“幼童”，叫阿尔法元(AlphaGo Zero)，就是今年5月在乌镇围棋峰会上打败了人类第一高手柯洁的阿尔法狗强化版AlphaGo Master的同门“师弟”。不过，这个遍读人类几乎所有棋谱、以3比0打败人类第一高手的师兄，在“师弟”阿尔法元从零自学第21天后，便被其击败。
10月19日，一手创造了AlphaGo神话的谷歌DeepMind团队在Nature杂志上发表重磅论文Mastering the game of Go without human knowledge，介绍了团队最新研究成果——阿尔法元的出世，引起业内轰动。
虽师出同门，但是师兄弟的看家本领却有本质的差别。
“过去所有版本的AlphaGo都从利用人类数据进行培训开始，它们被告知人类高手在这个地方怎么下，在另一个地方又怎么下。” DeepMind阿尔法狗项目负责人David Silver博士在一段采访中介绍，“而阿尔法元不使用任何人类数据，完全是自我学习，从自我对弈中实践。”
David Silver博士介绍，在他们所设计的算法中，阿尔法元的对手，或者叫陪练，总是被调成与其水平一致。“所以它是从最基础的水平起步，从零开始，从随机招式开始，但在学习过程中的每一步，它的对手都会正好被校准为匹配器当前水平，一开始，这些对手都非常弱，但是之后渐渐变得越来越强大。”
这种学习方式正是当今人工智能最热门的研究领域之一——强化学习（Reinforcement learning）。
昆山杜克大学和美国杜克大学电子与计算机工程学教授李昕博士向澎湃新闻（www.thepaper.cn）介绍，DeepMind团队此次所利用的一种新的强化学习方式，是从一个对围棋没有任何知识的神经网络开始，然后与一种强大的搜索算法相结合，“简单地解释就是，它开始不知道该怎么做，就去尝试，尝试之后，看到了结果，若是正面结果，就知道做对了，反之，就知道做错了，这就是它自我学习的方法。”
亲爱的八阕网友：如果您见到这则通知，说明您所访问的网页不是《八阕之地》（popyard.org）的正版网页。而是长期盗取我们内容的野鸡网站。
在此，我们敬请您访问正版网页：popyard.org
http://www.moremorewin.net/imgserver/screen.jpg亲爱的八阕网友：如果您见到这则通知，说明您所访问的网页不是《八阕之地》（popyard.org）的正版网页。而是长期盗取我们内容的野鸡网站。
在此，我们敬请您访问正版网页：popyard.org
评论 (0)