|
掀翻世界围棋冠军后仅仅19个月，计算机程序AlphaGo跨越了一个更大的障碍：它现在能全凭自学达到前所未有的围棋水平。  取名AlphaGo Zero的新版程序刚开始对围棋策略一无所知，在不接受任何人为训练的情况下，只用了三天时间，就创造出几千年来人类围棋手从未想到的高明策略。这项突破让人工智能摆脱对人类知识的依赖，为智能机器的未来消除了一个主要限制。 早期版本的AlphaGo在人类的指导下，利用两种方法来学习围棋。
 AlphaGo Zero跳过了第一步。该程序从白丁开始，只知道围棋的规则，自己跟自己对弈。 起初，它把棋子随机地放在棋盘上。随着时间的推移，它能更好地评估棋盘上的局势，发现有利的落子位置。它还学会了围棋策略中的很多诀窍，自己发明了新招数。 “如果你学习模仿人类，那最多也就只能模仿人类而已，”密歇根大学计算机科学家桑汀德·辛格（Satinder Singh）说，“在很多复杂的局面中，存在着你永远发现不了的新见解。”  经过三天的训练和490万场练习赛后，研究人员让AlphaGo Zero和曾经打败世界围棋冠军的旧版AlphaGo一决高下。 AlphaGo Zero取得了100:0的全胜战绩。 在行家眼中，这个结果令人震惊。围棋比国际象棋复杂得多，走法多不胜数，单纯的强化学习似乎无法掌握，你会认为AlphaGo Zero将永远摸不着头绪，盲目地寻找可行的策略。然而，它很快就培养出了人类无法企及的能力。  高效的学习过程归功于反馈回路。和其前身一样，AlphaGo Zero通过一个名为“树搜索”的过程来确定下一步棋的走法。该程序从当前的盘面入手，考虑可能的落子位置，接着考虑对手会怎么下，然后再考虑自己如何应对，以此类推，形成一个模拟不同落子组合、产生不同盘面的分支树图。 AlphaGo Zero无法穷尽搜索树的每个分支，因为这需要极为强大的计算能力。它通过确定哪些路径最有取胜希望，有选择地修剪枝丫。它根据以前学到的致胜走法和盘面，来计算应该修剪哪些枝丫。  早期版本的AlphaGo也是这么做，但AlphaGo Zero的新颖之处在于，它不是运行树搜索，然后走一步棋，而是记住树搜索的结果以及对弈的结果，然后利用这些信息，调整它对具有取胜希望的走法和不同落子位置的致胜可能性的判断。 因此，下一次运行树搜索的时候，它能利用改善后的判断（经由以前的树搜索结果加以训练），来进一步改善对最佳可能走法的判断。 AlphaGo Zero背后的计算策略很有效，特别是在拥有众多可能性、需要找到最优解的情况下。在描述AlphaGo Zero研究的论文中，作者们写到，他们的系统可用于材料研究（识别让材料具有不同属性的原子组合）和蛋白质折叠（了解蛋白质的三维结构如何决定其功能）。  至于围棋，AlphaGo Zero带来的影响可能是惊天动地的。迄今为止，游戏公司未能开发出世界级的围棋软件。AlphaGo Zero可能改变这一点。 美国围棋协会执行副总裁安德鲁·杰克逊（Andrew Jackson）认为，不久后围棋应用程序将面市。这将改变人类围棋手的训练方式，也将使作弊变得更容易。 对于AlphaGo来说，其未来是无限宽广的。围棋十分复杂，没人知道一个能够自学的计算机程序将达到怎样的高度。现在，AlphaGo有了能够匹配围棋之广博的学习方法。 翻译：于波 来源：Quanta Magazine |
|
|
