谷歌的DeepMind揭开了AlphaGo人工智能的面纱

专注于推进人工智能研究的谷歌部门DeepMind今天发布了一个新版本的AlphaGo程序，它只通过玩自己来学习游戏。

该系统被称为AlphaGoZero，通过学习其自我游戏的结果，使用一种称为强化学习的机器学习技术来工作。 随着零的不断训练，该系统开始学习先进的概念，在游戏中，自己去挑选某些有利的位置和序列。

经过三天的训练，该系统能够击败AlphaGoLee，DeepMind的软件，去年击败了韩国顶级球员LeeSedol，100场比赛为零。 经过大约40天的训练-这意味着2900万场自我游戏-阿尔法戈零能够击败阿尔法戈大师(今年早些时候击败了世界冠军克杰)89场比赛到11场。

结果表明，当涉及到不同技术的有效性时，在人工智能领域还有很多需要学习的东西。 阿尔法围棋大师是使用许多类似的方法，阿尔法围棋零是，但它开始训练人类数据，首先开始自我游戏。

一个有趣的注意是，虽然AlphaGoZero在几周的训练中学习了几个关键概念，但该系统的学习方式不同于许多接近围棋游戏的人类玩家。 连续的“拉粉”石头，以一个楼梯一样的模式在棋盘上玩，是人类在练习游戏时学到的第一件事之一。 《自然》杂志发表的论文《深度心灵》(Deep Mind)指出，Zero在后来的训练中才理解这一概念。

此外，AlphaGoZero比它的许多前辈更有效率。 阿尔法·戈·李需要使用几台机器和48台谷歌的张量处理单元机器学习加速器芯片。 系统的早期版本AlphaGo Fan需要176个GPU。 阿尔法围棋零，连同阿尔法围棋大师，每个只需要一个单一的机器与四个TPU。