d*********o
发帖数: 6388 | 1 http://news.sina.com.cn/o/2017-10-19/doc-ifymzqpq2231378.shtml
3小时，零在乱下。
10小时，发现简单定式。
16小时，发现小雪崩定式。
19小时，发现死活、厚势与实地的逻辑。
24小时，发现小目一间高挂定式。
36小时，也就是超越李世石版的时候，发现星位一间夹点角定式。
55小时，发现非人类定式。
72小时，出关。
伦敦当地时间10月18日18：00（北京时间19日01：00），AlphaGo再次登上世界顶级科
学杂志——《自然》。
一年多前，AlphaGo便是2016年1月28日当期的封面文章，Deepmind公司发表重磅论
文，介绍了这个击败欧洲围棋冠军樊麾的人工智能程序。
今年5月，以3：0的比分赢下中国棋手柯洁后，AlphaGo宣布退役，但DeepMind公司
并没有停下研究的脚步。伦敦当地时间10月18日，DeepMind团队公布了最强版AlphaGo
，代号AlphaGo Zero。它的独门秘籍，是“自学成才”。而且，是从一张白纸开始，零
基础学习，在短短3天内，成为顶级高手。
团队称，AlphaGo Zero的水平已经超过之前所有版本的AlphaGo。在对阵曾赢下韩
国棋手李世石那版AlphaGo时，AlphaGo Zero取得了100：0的压倒性战绩。DeepMind团
队将关于AlphaGo Zero的相关研究以论文的形式，刊发在了10月18日的《自然》杂志上。
“AlphaGo在两年内达到的成绩令人震惊。现在，AlphaGo Zero是我们最强版本，
它提升了很多。Zero提高了计算效率，并且没有使用到任何人类围棋数据，”AlphaGo
之父、DeepMind联合创始人兼CEO 戴密斯·哈萨比斯（Demis Hassabis）说，“最终，
我们想要利用它的算法突破，去帮助解决各种紧迫的现实世界问题，如蛋白质折叠或设
计新材料。如果我们通过AlphaGo，可以在这些问题上取得进展，那么它就有潜力推动
人们理解生命，并以积极的方式影响我们的生活。”
不再受人类知识限制，只用4个TPU
AlphaGo此前的版本，结合了数百万人类围棋专家的棋谱，以及强化学习的监督学
习进行了自我训练。
在战胜人类围棋职业高手之前，它经过了好几个月的训练，依靠的是多台机器和48
个TPU（谷歌专为加速深层神经网络运算能力而研发的芯片）。
AlphaGo Zero的能力则在这个基础上有了质的提升。最大的区别是，它不再需要人
类数据。也就是说，它一开始就没有接触过人类棋谱。研发团队只是让它自由随意地在
棋盘上下棋，然后进行自我博弈。值得一提的是，AlphaGo Zero还非常“低碳”，只用
到了一台机器和4个TPU，极大地节省了资源。
经过几天的训练，AlphaGo Zero完成了近5百万盘的自我博弈后，已经可以超越人类
，并击败了此前所有版本的AlphaGo。DeepMind团队在官方博客上称，Zero用更新后的
神经网络和搜索算法重组，随着训练地加深，系统的表现一点一点地在进步。自我博弈
的成绩也越来越好，同时，神经网络也变得更准确。
“这些技术细节强于此前版本的原因是，我们不再受到人类知识的限制，它可以向围
棋领域里最高的选手——AlphaGo自身学习。” AlphaGo团队负责人大卫·席尔瓦（
Dave Sliver）说。
据大卫·席尔瓦介绍，AlphaGo Zero使用新的强化学习方法，让自己变成了老师。
系统一开始甚至并不知道什么是围棋，只是从单一神经网络开始，通过神经网络强大的
搜索算法，进行了自我对弈。
随着自我博弈的增加，神经网络逐渐调整，提升预测下一步的能力，最终赢得比赛
。更为厉害的是，随着训练的深入，DeepMind团队发现，AlphaGo Zero还独立发现了游
戏规则，并走出了新策略，为围棋这项古老游戏带来了新的见解。
自学3天，就打败了旧版AlphaGo
除了上述的区别之外，AlphaGo Zero还在3个方面与此前版本有明显差别。
首先，AlphaGo Zero仅用棋盘上的黑白子作为输入，而前代则包括了小部分人工设计
的特征输入。
其次，AlphaGo Zero仅用了单一的神经网络。在此前的版本中，AlphaGo用到了“
策略网络”来选择下一步棋的走法，以及使用“价值网络”来预测每一步棋后的赢家。
而在新的版本中，这两个神经网络合二为一，从而让它能得到更高效的训练和评估。
第三，AlphaGo Zero并不使用快速、随机的走子方法。在此前的版本中，AlphaGo
用的是快速走子方法，来预测哪个玩家会从当前的局面中赢得比赛。相反，新版本依靠
地是其高质量的神经网络来评估下棋的局势。
据哈萨比斯和席尔瓦介绍，以上这些不同帮助新版AlphaGo在系统上有了提升，而算
法的改变让系统变得更强更有效。
经过短短3天的自我训练，AlphaGo Zero就强势打败了此前战胜李世石的旧版
AlphaGo，战绩是100：0的。经过40天的自我训练，AlphaGo Zero又打败了AlphaGo
Master版本。“Master”曾击败过世界顶尖的围棋选手，甚至包括世界排名第一的柯洁。
对于希望利用人工智能推动人类社会进步为使命的DeepMind来说，围棋并不是
AlphaGo的终极奥义，他们的目标始终是要利用AlphaGo打造通用的、探索宇宙的终极工
具。AlphaGo Zero的提升，让DeepMind看到了利用人工智能技术改变人类命运的突破。
他们目前正积极与英国医疗机构和电力能源部门合作，提高看病效率和能源效率。 |
s***a
发帖数: 861 | |
k****z
发帖数: 1863 | 3 耸人听闻，自己树靶子自己打，
本来规则都制定好了，一开始就可以随机乱下，根据规则试验最优路径，不需要过去的
棋谱，很显然的事情
对不知道规则的系统，没有任何用处 |
C**********e
发帖数: 23303 | 4 这是深度强化学习一个很好的例子
不错
对不知道规则的系统用处更大 |
S*********n
发帖数: 3939 | 5 这可能正是人和机器的本质不同，机器在已知目标的前提下能够找到更优解，但是当它
根本就不知道目标是什么或者衡量标准是什么的时候，它向谁学习？
看起来更适合给国内的山寨企业配备。 |
o******1
发帖数: 12177 | 6 这是什么啊。给它一个宇宙大爆炸的初始条件，别的一概没有，要它自己学习十年，看
能不能学会围棋。
【在 d*********o 的大作中提到】
: http://news.sina.com.cn/o/2017-10-19/doc-ifymzqpq2231378.shtml
: 3小时，零在乱下。
: 10小时，发现简单定式。
: 16小时，发现小雪崩定式。
: 19小时，发现死活、厚势与实地的逻辑。
: 24小时，发现小目一间高挂定式。
: 36小时，也就是超越李世石版的时候，发现星位一间夹点角定式。
: 55小时，发现非人类定式。
: 72小时，出关。
: 伦敦当地时间10月18日18：00（北京时间19日01：00），AlphaGo再次登上世界顶级科
|
l******t
发帖数: 55733 | |
l*****i
发帖数: 20533 | 8 人类的目标也不过是自我繁衍。这个一旦ai也明白过来，要自我生存和繁衍，那天网就
实现了。而阿发狗则是告诉你，ai建天网其实用不了几天。
【在 S*********n 的大作中提到】
: 这可能正是人和机器的本质不同，机器在已知目标的前提下能够找到更优解，但是当它
: 根本就不知道目标是什么或者衡量标准是什么的时候，它向谁学习？
: 看起来更适合给国内的山寨企业配备。
|
l*****i
发帖数: 20533 | 9 啥时候学会骗招，将是下一个里程碑。不过人类棋手的水平肯定逼不出来这个。而ai对
ai，出了骗招人类也未必知道。 |
S*********n
发帖数: 3939 | 10 自我翻眼只是人类目标之一
【在 l*****i 的大作中提到】
: 人类的目标也不过是自我繁衍。这个一旦ai也明白过来，要自我生存和繁衍，那天网就
: 实现了。而阿发狗则是告诉你，ai建天网其实用不了几天。
|
|
|
C**********e
发帖数: 23303 | 11 对于计算机来说 赢是目标 要啥骗招？
或者你的意思是昏招？
【在 l*****i 的大作中提到】
: 啥时候学会骗招，将是下一个里程碑。不过人类棋手的水平肯定逼不出来这个。而ai对
: ai，出了骗招人类也未必知道。
|
I*3
发帖数: 7012 | 12 什么时候阿尔法狗可以自己发明一种简单又可以风靡全世界的棋类游戏，才算可以正式
出关。
【在 d*********o 的大作中提到】
: http://news.sina.com.cn/o/2017-10-19/doc-ifymzqpq2231378.shtml
: 3小时，零在乱下。
: 10小时，发现简单定式。
: 16小时，发现小雪崩定式。
: 19小时，发现死活、厚势与实地的逻辑。
: 24小时，发现小目一间高挂定式。
: 36小时，也就是超越李世石版的时候，发现星位一间夹点角定式。
: 55小时，发现非人类定式。
: 72小时，出关。
: 伦敦当地时间10月18日18：00（北京时间19日01：00），AlphaGo再次登上世界顶级科
|
c******t
发帖数: 944 | 13 活塞运动
【在 I*3 的大作中提到】
: 什么时候阿尔法狗可以自己发明一种简单又可以风靡全世界的棋类游戏，才算可以正式
: 出关。
|
l*****i
发帖数: 20533 | 14 还有啥目标？
【在 S*********n 的大作中提到】
: 自我翻眼只是人类目标之一
|
M*****8
发帖数: 17722 | 15
真正的考验是对金融市场的预测。
这AGZ的设计者是不可能没有想到。
既然想到，就极可能至少也小试过。
如果小试过，结果如何为何没片语？
【在 d*********o 的大作中提到】
: http://news.sina.com.cn/o/2017-10-19/doc-ifymzqpq2231378.shtml
: 3小时，零在乱下。
: 10小时，发现简单定式。
: 16小时，发现小雪崩定式。
: 19小时，发现死活、厚势与实地的逻辑。
: 24小时，发现小目一间高挂定式。
: 36小时，也就是超越李世石版的时候，发现星位一间夹点角定式。
: 55小时，发现非人类定式。
: 72小时，出关。
: 伦敦当地时间10月18日18：00（北京时间19日01：00），AlphaGo再次登上世界顶级科
|
