自學成才？新版“阿法狗”迅速成為圍棋霸主

人工智能(AI)領域再次出現驚人突破——據英國《自然》雜志近日發表的論文報道，一款新版的“阿法狗”(AlphaGo)計算機程序能夠從空白狀態起，在不需要任何人類棋譜輸入的條件下，自學圍棋，無師自通，自學成才。

這款新程序名叫“阿法元”(AlphaGo Zero)，其以100比0的不敗戰績，狠狠打擊了曾書寫歷史的舊版“阿法狗”。

實力，“阿法狗”的輝煌戰績

人工智能“阿法狗”出自谷歌旗下深度思維(DeepMind)公司。最早在2016年1月，《自然》雜志以封面位置報道該程序在和所有其他圍棋程序的對抗中獲得了99.8%的勝率，并且以5∶0的成績打敗了歐洲圍棋冠軍。

隨后同年3月，“阿法狗”挑戰世界圍棋冠軍李世石，經五局鏖戰，人類1∶4不敵人工智能，引發巨大轟動。人們的震驚源于在圍棋19×19棋盤上，一步甚至會有幾百種走法，傳統的人工智能算法難以估計局面和下子。

但“阿法狗”仍在積攢實力。今年1月，一個神秘賬號Master公布自己正是“阿法狗”新版。該賬號在知名圍棋平臺上先后挑戰柯潔、樸廷桓和井山裕太等頂級高手，豪取勝利，隨后戰贏“棋圣”聶衛平，直至60盤時自爆身份，決勝收官。

3天，“阿法元”的無師自通

此次在最新論文中，英國倫敦深度思維公司“阿法狗”項目的主要負責人戴維·西爾弗、戴密斯·哈薩比斯及其同事，報告了新版“阿法狗”軟件——“阿法元”。

“阿法元”最引人注目之處在于其無師自通的本領。其學習從“零”開始，單純基于與自己的對弈，不需要任何歷史棋譜的指引，也不需要任何人類經驗的點撥。

對于這個新軟件，人類的輸入僅僅限于一張棋盤和一副棋子，沒有任何人類數據參與。“阿法元”只用到了一張神經網絡，這張網絡經過訓練，專門預測程序自身的棋步和棋局的贏家，讓“阿法元”在每次自我對弈中進步。

通過3天的訓練——包括近500萬局自我對弈——“阿法元”已能夠超越人類并打敗之前的“阿法狗”版本。戴維·西爾弗表示，“阿法元”遠比“阿法狗”強大，它已不再為人類的知識所限，而能夠自行發現新知識。

擺脫了人類經驗的輔助和依賴，人工智能竟然變得更強!在“阿法元”嶄露頭角后，人們揣測：難道我們人類還耽誤“阿法狗”了?

震驚，AI的獨立發現

其實，人工智能的最大挑戰之一，即是研發一種能從“零”開始、以超人類的水平學習復雜概念的算法。

在去年3月那場世所矚目的比賽中，“阿法狗”軟件打敗了人類圍棋世界冠軍。當時的這款圍棋程序，是利用價值網絡去計算局面，用策略網絡去選擇下子。

但為了贏得這場人機大戰，科學家團隊在訓練“阿法狗”時，同時用到了監督式學習(基于上百萬種人類專業選手的下棋步驟)和基于自我對弈的強化學習。舊“阿法狗”訓練過程長達幾個月，用到多臺機器和48個TPU(神經網絡訓練所需的專業芯片)。

而此次，據研究團隊介紹，新程序“阿法元”只使用了一臺機器和4個TPU。

在“阿法狗”之前，最成功的圍棋程序僅能達到人類業余選手的程度，還不能在不讓子的情況下和專業賽手一較高下，原本人們認為，至少要10年后人工智能才有可能達到這一成就。但“阿法狗”的橫空出世改寫了預言。而在其問世不足兩年的時間里，“阿法元”再次刷新人們的認知——隨著程序訓練的進行，人工智能已獨立發現了人類用幾千年才總結出來的圍棋規則，還建立了新的策略，可以說，人工智能已經為這個古老的游戲，帶來全新見解。

(科技日報北京10月22日電)