《最强AI自学3天围棋，100比0完胜前辈……谁也拦不住这条狗了！》系傻大方资讯网小编转载，希望对您有所帮助。

今天给大家介绍我们的一个好朋友丁少，他每天都会推送一个全球最疯狂的黑科技。

【这是一条，既没有收辣条，也没有收切糕的推荐！

最近谷歌 AI 阿尔法狗又升级虐人了，下面有请丁少！

--------------------------

大家好，我是丁少。

大家应该都知道，支付宝天天喊着：“距离无现金社会还有xxxx天。”

我觉得谷歌也该挂个倒计时了：“距离机器人社会还有xxxx天。”

此话怎讲？

还不是因为那条“狗”……

最近，谷歌家的 DeepMind 团队打造的围棋人工智能 AlphaGo，又有了升级版！

这次叫做——AlphaGo Zero

这个 Zero 可不是什么修修 BUG，提提配置的小升级，这次是个大迭代啊。

它的厉害之处全部总结到它的名字里了，Zero，零。

这代表着，Zero 完全不靠人类的经验和知识，一切从零开始，自己和自己对弈，来获得成长。

而且。。

仅仅自学了3天时间，Zero 就能以100:0的优势完胜击败李世乭那个版本的 AlphaGo 了。

3天……从一片空白开始……100:0完胜……真的不知道该说些什么好了……

给大家详细解释一下吧，我们先从击败李世乭的那只“狗”说起吧，来看看以前的 AlphaGo 是怎么成长为围棋高手的？

AlphaGo Lee（击败李世乭的版本）

首先，人类给了 AlphaGo 3万多幅专业棋手对弈的棋谱，同时还让数千人与其对战，来训练它的神经网络。（划重点，这一步很重要）

训练出来的神经网络有两个：策略网络（Policy Network）和价值网络（Value Network）。

策略网络

这个策略网络简单理解就是：给它输入棋盘的全局状况，网络会算出以往人们在余下空地上每一个点落子的概率。

这个概率是哪儿来的？

就是通过学习那3万多幅人类的棋谱总结出来的啊。

所以，这就是人类传授给了它经验。

（其实 AlphaGo 还根据局部特征总结出了一个快速走子策略 Rollout Policy，不展开讲，道理差不多，但速度比上面这个快很多。）

价值网络

价值网络稍稍高级一点，你这样理解：

接下来，狗比如说要在某点落子了，它把这个落子的点输入给网络。

网络会在“脑”中把接下来的棋默默给你下完，直到分出胜负。

通过这么一个过程，它就能算出这一步落在这点的胜率。

这两个网络通过蒙特卡洛树搜索（MCTS）一结合，就可以让 AlphaGo 决定出每一步棋该怎么下。

虽然这套系统中，AlphaGo 也会疯狂地自我对弈，并不断地反馈调整各个部分的权重。

但一切都来源于最开始，人类传授给它的经验。

那么，如今的 Zero 又有何不同呢？

AlphaGo Zero

最大的不同就是：人类不给它“学习资料”了，没有棋谱，没有与人对战，自力更生。

Zero 抛弃了当年的两个神经网络，而是合并成一个，辅以一个强大的搜索算法。

它完完全全从自我对弈、随机下棋开始，说得难听一点就是——乱下。

这事儿要是搁人类，没下两盘就得掀棋盘走人了。

但机器就是有耐力呀，而且速度极快，普通人可能下了半天，它可能只需要一秒。

这就使得 Zero 拥有了神一般的成长速度。

有多快？

前面也说了，自学了3天时间，然后去跟打败李世乭那个版本的 AlphaGo 对战。

100:0，完胜。

第40天，棋力超过击败柯洁的 AlphaGo Master，成为世界上最强棋手。

这还没完。

以前的 AlphaGo 都是训练了好几个月的，这次的 Zero 只用了3天就成为高手，那它肯定是用了更强的硬件吧。

可是并没有。。。

击败李世乭的 AlphaGo Lee 用了48个 TPU。

而 Zero 只用了4个。

这种 Bug 般的存在，我特么还能说什么……

现在，AlphaGo 拥有了这样的学习能力，完全可以利用它探索科学中人类难以解决的问题。

比如 DeepMind 的 CEO 哈萨比斯就说，可以让 AlphaGo Zero 的后代去寻找室温超导体材料。

应用前景真的是无可限量啊。

最后，咱们再来看看 AlphaGo 团队负责人大卫·席尔瓦接受采访的视频吧，有字幕哦。