哈萨比斯 阿尔法狗之父揭秘最强“狗”如何炼成：3天走完人类千年棋史

10月18日伦敦当地时间18: 00(北京时间19日01: 00)，谷歌的DeepMind团队宣布了进化后最强版的AlphaGo，代号AlphaGo Zero。

新版AlphaGo有多厉害？击败李世石的AlphaGo用了3000万游戏作为训练数据，AlphaGo Zero用了490万游戏数据。经过三天的训练，AlphaGo Zero以100: 0击败了版AlphaGo对阵李世石。

DeepMind联合创始人兼首席执行官、AlphaGo之父德米斯？戴密斯·哈萨比斯和阿尔法狼队队长大卫？戴夫·银等人也在官方博客上发表了一篇文章，详细解释了阿尔法狗的最强版本是如何制作的，以及它与上一代的不同之处。

哈萨比斯与上一代AlphaGo不同，alpha go是从学习大量人类棋谱开始的。AlphaGo Zero从“婴儿般的白纸”开始，经过三天的自我玩法，完成了人类围棋的千年历史，摸索出了很多横生空的招数。

Hassabis等专题文章:《AlphaGo Zero:从零开始》

席尔瓦在乌镇人机峰会上发言。从语音识别和图像分类到基因和药物研究，人工智能发展迅速。这些专家系统中的许多是通过借用大量的人类经验和数据开发的。

然而，在一些具体问题上，人类的知识要么太昂贵，要么不可靠，要么不可用。因此，人工智能研究的一个长期目标是跳过这一步，在没有人工输入的情况下，在最具挑战性的领域创造出可以达到超人水平的算法。我们发表在《自然》杂志上的最新论文显示了实现这一目标的关键一步。

本文介绍了AlphaGo的最新进化版本，第一个击败人类围棋冠军的计算机程序:AlphaGo Zero。AlphaGo Zero更强大，可以争夺史上最强围棋手。

最初，前几代AlphaGo使用数千名业余和专业棋手来训练和学习如何玩围棋。AlphaGo Zero跳过这一步，自学下棋，完全从混沌开始。就这样，迅速超越了人类的水平，连续100次战胜了之前击败过人类冠军李世石的前一代AlphaGo。

AlphaGo Zero之所以能成为自己的老师，就是用了一个名字叫做

强化学习的新模式。系统从一个对围棋一无所知的神经网络开始，结合这个神经网络和强大的搜索算法，自己下棋。游戏过程中，神经网络不断调整升级，预测每一步和最终的WINNER。

升级后的神经网络和搜索网络合并成更强的新版本AlphaGo Zero等等。每一轮过后，系统的性能都有一点提升，自我游戏的质量也有一点提升。神经网络越来越准，AlphaGo Zero的版本越来越强。

这项技术比AlphaGo之前的所有版本都更强大。这是因为它不再受人类知识的限制，而是可以直接从婴儿般的白纸状态学习到——AlphaGo本身，世界上最强大的玩家。

AlphaGo Zero与上一代产品有几个明显的区别:

首先，AlphaGo Zero只使用棋盘上的黑白字符作为输入，而上一代则包含了少量人工设计的特征输入。

其次，AlphaGo Zero只使用单一的神经网络。在之前的版本中，AlphaGo使用“策略网络”来选择下一步棋，使用“价值网络”来预测每一步棋之后的赢家。在新版本中，这两个神经网络被结合成一个，这样它可以得到更有效的训练和评估。

再次，AlphaGo Zero没有使用快速随机行走的方法。在以前的版本中，AlphaGo使用快速行走的方法从当前的情况来预测哪个玩家会赢得游戏。相反，新版本依靠其高质量的神经网络来评估下棋的情况。

所有这些差异都提高了系统的性能，使其更加通用。然而，正是算法的改变使得系统更加强大和高效。

仅仅三天的自玩，AlphaGo Zero就以100: 0击败了此前击败世界冠军李世石的AlphaGo版。经过40天的自玩，AlphaGo Zero变得更加强大，超越了打败今天第一人柯洁的AlphaGo“大师”版。

通过百万次的自我游戏，AlphaGo从零开始掌握了围棋，短短几天内就积累了人类几千年才有的知识。AlphaGo Zero也发现了新的知识，开发了非常规策略和新花样，与它在对抗李世石和柯洁时创造的那些很和谐，但都比别人强。

这些创造性的时刻让我们相信，人工智能将成为人类智能的增强器，帮助我们解决人类面临的一些严峻挑战。

虽然刚刚发展起来，但是AlphaGo Zero已经朝着上述目标迈出了至关重要的一步。如果能把类似的技术应用到其他结构问题上，比如蛋白质折叠，降低能耗，寻找新材料，就能创造出对社会有益的突破。