作為AlphaGo的最新迭代，DeepMind又在11月6日發表的《科學》（Science）論文中，隆重介紹了AlphaZero 。作為谷歌母公司Alphabet旗下的英國人工智能子公司，DeepMind多年來一直致力於改進Go AI 。2017年的時候，前AI冠軍AlphaGo正式退休，但在進一步修補之後，AlphaZero又達到了新的頂峰。

AlphaZero是一款能夠從頭學習圍棋、象棋等棋子遊戲的新型人工智能平台。在三款棋類比賽中，AlphaZero將三款AI都挑落下馬。

● Stockfish：國際象棋AI 世界冠軍；

● elmo：2017 年度世界計算機將棋錦標賽冠軍；

● AlphaGo Zero：DeepMind 自家的圍棋AI，被譽為史上最強選手。

在僅僅獲知有關遊戲基本規則的情況下，AlphaZero 在成為人工智能大師之前，會先自己機型數百萬場的對抗練習。

該AI 初期會實施隨機戰術來取得勝利，但後續會通過’強化學習’來試錯，以逐步了解哪些策略是最有效的。

實測國際象棋需要9 小時、將棋12 小時、圍棋13 天，涉及5000 個張量處理單元（TPU）。

作為參考，一套TPU 每天可以處理超過Google Photos 中的1 億+照片，所以AlphaZero 對硬件處理性能的要求還是比較高的。

閉關學習結束後，AlphaZero 就可以大殺四方了。

這項研究的獨特之處在於，研究團隊將機器學習算法、與蒙特卡羅樹（MCTS）的“搜索方法”結合到了一塊。

這是Go 圍棋AI 決定下一步行動所採用的方式，這次DeepMind 團隊在國際象棋和將棋AI 上也套用了同樣的機制，首次展示了該方法適用於其它複雜的遊戲測試。

對於人類國際象棋選手來說，AlphaZero是極具吸引力的。你可以在與機器對戰時，見識到此前從未遇到過的策略、以及一些新穎的想法。

其咄咄逼人的風格、以及高度動態的應變策略，足以讓Matthew Sadler之類的國際象棋大師感到驚訝（其在DeepMind博客上有所表述）。

有關這項研究的詳情，已經發表在近日出版的《科學》（Science）期刊上。原標題為：

《A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play》

《一種通用的強化學習算法，可自學成為國際象棋、將棋、圍棋大師》

[編譯自：Cnet ]