stephajoeldou

Google 旗下 DeepMind 開辟出來的 AlphaGo，在人類圍棋界打遍全國無對手，但最近卻遭到一位小老弟 100:0 的局數完虐。DeepMind 在《Nature》揭曉比來論文，介紹最新版的 AlphaGo Zero，純潔靠強化進修，就成為最強的棋士。

本來舊版 AlphaGo 開辟時，先靠人類千年的聰明奠基，由曩昔的棋譜強化進修運算，算是綜合各家招數後自成一派。但是最新版的 AlphaGo Zero，研究人員只供應遊戲的劃定規矩，在不依賴人類數據之下自學，後果「無招勝有招」，體現更勝前代 AlphaGo。

DeepMind 作者群在論文中寫道，AlphaGo Zero 證實了即使在最具挑戰的範疇，純強化進修的方法也是完全可行的－完全不需要人類供應規範或指點，不供給根基規則以外的任何範疇常識，利用強化進修就能夠超出人類的水準。

此外，純強化進修方式只破費額外很少的練習時間，相較於利用人類數據，實現了更好的漸進機能（asymptotic performance）。

在很多情形下，人類數據，希奇是專家數據，往往太甚昂貴，或底子沒法取得。是以，作者認為，如果雷同的手藝可以應用到其他問題上，這些沖破就有可能對社會產生積極的影響。

DeepMind 在論文中指出，在進行了 3 天的自我練習後，AlphaGo Zero 在 100 局角逐中以 100：0 擊敗了上一版本的 AlphaGo，也就是打敗南韓九段棋士李世乭的版本。以後，再經 40 天的自我訓練後，AlphaGo Zero 變得加倍壯大，超越了「Master」版本的 AlphaGo－完勝柯潔的版本。