AlphaZero問世：8小時完爆圍棋、國際象棋、日本將棋

　　通用AI問世！AlphaZero強化學(xué)習(xí)算法8小時完爆人類圍棋、國際象棋、日本將棋。日前，DeepMind團隊發(fā)表了最新論文，提出了全新的強化學(xué)習(xí)算法AlphaZero，它是一種可以從零開始，通過自我對弈強化學(xué)習(xí)在多種任務(wù)上達到超越人類水平的新算法，堪稱“通用棋類AI”。

　　據(jù)了解，AlphaZero算法可以再8個小時訓(xùn)練擊敗李世石版本AlphaGo；12小時訓(xùn)練擊敗世界頂級的國際象棋程序Stockfish；14小時訓(xùn)練擊敗世界頂級將棋程序Elmo。這是DeepMind團隊繼AlphaGo Zero的研究問世之后，帶給我們的又一全新算法，它是“更通用的版本”。

　　此外，我們看到這次的AlphaZero與AlphaGo Zero有幾點不同，首先AlphaGo Zero是在假設(shè)結(jié)果為贏/輸二元的情況下，對獲勝概率進行估計和優(yōu)化。而AlphaZero會將平局或其他潛在結(jié)果納入考慮，對結(jié)果進行估計和優(yōu)化。其次，AlphaGo和AlphaGo Zero會轉(zhuǎn)變棋盤位置進行數(shù)據(jù)增強，而AlphaZero不會。第三，AlphaZero只維護單一的一個神經(jīng)網(wǎng)絡(luò)，這個神經(jīng)網(wǎng)絡(luò)不斷更新，而不是等待迭代，四，AlphaZero中，所有對弈都重復(fù)使用相同的超參數(shù)，因此無需進行針對特定某種游戲的調(diào)整。

     2898站長資源平臺站長工具：http://afrimangol.com/webtool.htm