人工智能繼續(xù)進(jìn)階
——通殺棋界后，“阿法狗”走向教學(xué)
本報(bào)記者 張夢(mèng)然
資料圖：柯潔對(duì)戰(zhàn)“阿爾法圍棋”(AlphaGo)。
今日視點(diǎn)
在人工智能(AI)領(lǐng)域，“阿法狗”(AlphaGo)是個(gè)囂張的名字。自2016年3月甫出茅廬震驚世人后，該程序妙手迭出，一路刷新紀(jì)錄。
至本月初，谷歌的AI子公司深度思維宣布“阿法狗”升級(jí)成了“阿法零”(AlphaZero)，已一舉擊敗國(guó)際象棋、將棋、圍棋類三個(gè)世界冠軍級(jí)的電腦程序。
12月11日，該公司發(fā)布“阿法狗”教學(xué)工具。兩天后，團(tuán)隊(duì)資深研究員、曾代AI執(zhí)子的“人肉臂”黃士杰，宣布正式離開(kāi)“阿法狗”，轉(zhuǎn)投深度思維其他項(xiàng)目。
“阿法狗”不斷升級(jí)
2016年，名為“阿法狗”的AI在和所有其他圍棋程序的對(duì)抗中獲得99.8%的勝率后，進(jìn)一步學(xué)習(xí)，于當(dāng)年3月挑戰(zhàn)人類圍棋世界冠軍。五局鏖戰(zhàn)，人類1∶4不敵AI，轟動(dòng)一時(shí)。人們將這一成績(jī)視為彼時(shí)人工智能的巔峰之作，沒(méi)成想，這只是“阿法狗”的起步。
今年1月，一個(gè)神秘賬號(hào)Master在知名圍棋平臺(tái)上先后挑戰(zhàn)柯潔、樸廷桓和井山裕太等頂級(jí)高手，豪取勝利，隨后戰(zhàn)贏“棋圣”聶衛(wèi)平，直至60盤決勝收官時(shí)自爆身份，公布自己正是“阿法狗”新版。
10月，“阿法狗”程序再次升級(jí)——“阿法元”(AlphaGo Zero)出現(xiàn)，其以100∶0的不敗戰(zhàn)績(jī)，狠狠擊敗了曾書寫歷史的舊版“阿法狗”，而且能夠從空白狀態(tài)起，在不需要任何人類棋譜輸入的條件下，無(wú)師自通，自學(xué)圍棋。
直至12月6日，深度思維再出驚人之舉：其研發(fā)的新一代“阿法零”，憑借強(qiáng)勁的計(jì)算資源，使其經(jīng)過(guò)不到24小時(shí)的自我對(duì)弈強(qiáng)化學(xué)習(xí)，就接連擊敗了國(guó)際象棋、將棋、圍棋三個(gè)世界冠軍級(jí)的電腦程序，自此成了全能棋王。
“阿法零”獨(dú)孤求敗
最新出現(xiàn)的“阿法零”，是深度思維團(tuán)隊(duì)繼“阿法元”問(wèn)世之后帶給人們的又一全新算法，并稱它是“更通用版本”。
目前，“阿法零”算法可以在8個(gè)小時(shí)訓(xùn)練后擊敗去年對(duì)戰(zhàn)李世石版本的“阿法狗”，再以4小時(shí)訓(xùn)練擊敗世界頂級(jí)的國(guó)際象棋程序Stockfish；又用2小時(shí)訓(xùn)練擊敗世界頂級(jí)將棋程序Elmo。
與前輩“阿法元”相比，“阿法零”有很多自己的獨(dú)到之處。首先，“阿法元”是在假設(shè)結(jié)果為贏/輸二元的情況下，對(duì)獲勝概率進(jìn)行估計(jì)和優(yōu)化，而“阿法零”會(huì)將平局及其他潛在結(jié)果都考慮在內(nèi)，深一步估計(jì)和優(yōu)化；其次，“阿法零”并不是靠轉(zhuǎn)變棋盤位置進(jìn)行數(shù)據(jù)增強(qiáng)，它只對(duì)單一神經(jīng)網(wǎng)絡(luò)進(jìn)行維護(hù)，并不斷更新該神經(jīng)網(wǎng)絡(luò)；最后，“阿法零”所有對(duì)弈都重復(fù)使用相同的超參數(shù)(開(kāi)始學(xué)習(xí)過(guò)程之前設(shè)置值的參數(shù)，而非通過(guò)訓(xùn)練得到的參數(shù)數(shù)據(jù))，因此無(wú)需額外針對(duì)特定某種棋類再進(jìn)行調(diào)整。
下一步落地應(yīng)用
本月11日，深度思維拿出了一套“阿法狗”教學(xué)工具。“阿法狗”團(tuán)隊(duì)核心成員黃士杰在其社交媒體賬號(hào)上介紹說(shuō)，該教學(xué)工具總共收錄了約6000個(gè)近代圍棋史上主要的開(kāi)局變化，從23萬(wàn)個(gè)人類棋譜中收集而來(lái)，而所有盤面都有“阿法狗”評(píng)估的勝率及推薦的下法。
這套教學(xué)使用的其實(shí)是神秘賬號(hào)Master那一版的“阿法狗”。但這里所有的勝率與下法，AI都思考過(guò)將近10分鐘——這意味著1000萬(wàn)次模擬，而每一個(gè)開(kāi)局變化，“阿法狗”都固定延伸20步棋。再加上下法，整套教學(xué)工具約有2萬(wàn)個(gè)分支變化，37萬(wàn)個(gè)盤面。團(tuán)隊(duì)成員希望，人們能感受這套教學(xué)工具中的創(chuàng)新，并可從中獲益。
教學(xué)系統(tǒng)推出兩天后，黃士杰宣布正式告別“阿法狗”，投身公司的其他研究中。
其實(shí)早在今年5月，當(dāng)“阿法狗”戰(zhàn)勝柯潔后，深度思維就宣布此后該程序不會(huì)再參加到人機(jī)大戰(zhàn)的競(jìng)技中去。團(tuán)隊(duì)的下一步計(jì)劃，是研發(fā)出廣泛算法以投入應(yīng)用，包括給出疾病的治療方案、設(shè)法將能源消耗降低，以及發(fā)明出革命性新材料等。
現(xiàn)在，深度思維已與谷歌數(shù)據(jù)中心共同研發(fā)管理制冷系統(tǒng)的新技術(shù)，并與英國(guó)全民醫(yī)療健康系統(tǒng)達(dá)成合作。他們，在讓AI相關(guān)算法真實(shí)落地于應(yīng)用中。
(科技日?qǐng)?bào)北京12月14日電)
推薦
