DeepMind棋类游戏“终结者”AI登上Science封面,AlphaZero完整论文首次发布
发布时间:2020-11-18 01 来源: 互联网

扫描上图二维码购票,参与全球新兴科技峰会

经过数月的反复修改,DeepMind 最强棋类游戏 AI AlphaZero 的完整版论文终于在 Science 发表

 

17 年 12 月发表在 arxiv 上的 AlphaZero 预印版论文就曾引发广泛讨论,但当时并未经过同行评议,如今经过过同行评议的 AlphaZero 完整论文的发布,将其再次拉回大众视野。


图丨此次论文对应的封面(来源:Science

自从 DeepMind 的 AlphaGo 在围棋赛场上一战成名之后,这家 Google 旗下的人工智能公司并没有停止前进的脚步,又推出了实力更强的 AlphaZero,AlphaZero 首先经过 8 个小时的对世界顶级围棋棋谱的学习,就成功击败了与李世石对战的 AlphaGo ;又经过了 4 个小时的训练,它又击败了世界顶级的国际象棋程序——Stockfish;紧接着,又是 2 个小时的训练之后,世界上最强的日本将棋程序 Elmo 又败在了它的手下。

 

在不到 24 小时,同一个电脑程式就可以教会自己玩三种复杂的棋盘游戏,而且是超越人类的水平,这无疑是 AI 世界的新创举。

图|AlphaZero完整版论文(图源:Science)

对于此次发表在 Science 的论文,20 年前曾输给 IBM 深蓝的国际象棋世界冠军 Kasparov 今天也在 Science 发表评论,认为 ,AlphaZero 不是用其惊人的速度来处理人类的指令和知识而是可以生成自己的指令,并且 AlphaZero 还会形成自己下棋的风格

 

(来源:Science)


从一开始,AlphaZero 就不是针对某一种棋类被专门开发出来的,在不同的棋类游戏中,它只是被传授一些基本的规则,但更高级别类似战略策略等则完全没有被传授,只凭借 AlphaZero 自己反复的从训练和实战中获得经验

 

对此,DeepMind 的首席执行官兼联合创始人 Demis Hassabis 示:“AlphaZero 从完全随机的游戏开始学习,逐渐开始学会分辨游戏的好坏,并形成了自己对游戏的评价。从这个意义上来讲,它并不会受到人类思考游戏方式的限制。”

 

DeepMind 的目标一直是打造通用的 AI 机器,Hassabis 就曾表示,他希望能够帮助解决科学问题,像是设计新药、发现新材料等。而不仅仅是研发打败人类的象棋程序。

 

包括前几天 DeepMind 推出 AlphaFold 人工智能系统,能够快速准确地预测并生成蛋白质的空间结构,并在 CASP 蛋白质折叠大赛击败其余选手,摘得桂冠。这些都是 DeepMind 目前在健康相关方面的尝试。

 

Hassabis 表示:“AlphaZero 是我们通往 AI 成功之路的基石,DeepMind 的目标是利用 AlphaZero 的研发经验,解决真正具有挑战性的问题。”


编辑:李禹蒙


-End-


2019 年 1 月 19 - 21 日,EmTech China 全球新兴科技峰会,超过 30 位全球科技“掌舵人”将亲临北京,为你展开前沿技术的壮丽蓝图,为你解读技术背后的未来价值!


Copyright © 2012-2020  games.ifwo.cn 版权所有   
声明:本站部分资源内容为站内原创著作,也有部分基于互联网公开分享整理,版权归原作者所有。如侵犯到您的权益,请联系本站,我们会尽快处理,谢谢!