傳說，有一位叫“AlphaGo Zero”的棋手，有一天，他得到一本“獨門棋譜”，從一名圍棋小白，僅用3天時間，快速修煉成“曠世圍棋天才”，打敗其他圍棋高手，在圍棋界一時風光無限，此後“獨孤求敗”，好不孤獨......
一、雜誌報道
倫敦當地時間10月18日18：00(北京時間19日01：00)，AlphaGo再次登上世界頂級科學雜誌——《自然》。
二、阿爾法狗再進化：40天訓練後以89：11擊敗舊系統
10月19日消息，谷歌旗下人工智能研究部門DeepMind發佈了新版AlphaGo（阿爾法狗）軟件，這款名為AlphaGo Zero的系統，可利用一種名為“強化學習”的技術，通過自我對弈進行學習。據悉在不斷訓練的過程中，這套系統開始靠自己的能力學會圍棋中的一些高級概念。
三、AlphaGo Zero系統擊敗前兩任（AlphaGo）系統
前情回顧：大家還記得新聞媒體鋪天蓋地報道的“圍棋人機大戰”麼？特指韓國圍棋九段棋手李世石、中國圍棋九段棋手柯潔分別與人工智能圍棋程序“阿爾法圍棋”（AlphaGo）之間的兩場比賽。
人機大戰 - 李世石
（1）AlphaGo Lee系統
2016年3月9日至15日，在韓國首爾進行的五番棋比賽，阿爾法圍棋以總比分4：1戰勝李世石；這套獲勝的系統則為AlphaGo Lee系統。
人機大戰 - 柯潔
（2）AlphaGo Master系統
2017年5月23日至27日，在中國嘉興烏鎮進行的三番棋比賽，阿爾法圍棋以總比分3：0戰勝世界排名第一的柯潔。這套獲勝的系統則為AlphaGo Master系統。
（3）AlphaGo Zero系統
經過3天的訓練後，AlphaGo Zero系統已經可以擊敗AlphaGo Lee，（也就是去年擊敗韓國頂尖棋手李世石的那套系統）而且比分高達100：0。
經過40天訓練後，它總計運行了大約2900萬次自我對弈，使得AlphaGo Zero得以擊敗AlphaGo Master（今年早些時候擊敗世界冠軍柯潔的系統），比分為89：11。
四、AlphaGo Zero學習過程
通過結果表明，具體到不同技術的研究成果，人工智能領域仍有很大的學習和發展空間。
首先為了更好的區分和辨別不同的AlphaGo系統，我們來為他們取個非常接地氣的名字：
-
AlphaGo 第一代：AlphaGo Fan，稱之為大狗；
AlphaGo 第二代：AlphaGo Lee，稱之為二狗；
AlphaGo 第三代：AlphaGo Master，稱之為三狗；
AlphaGo 第四代：AlphaGo Zero，稱之為四狗。
4.2 AlphaGoZero運用神經網絡和搜索算法重組
AlphaGo Zero強化學習下的自我對弈
經過幾天的訓練，AlphaGoZero（四狗）完成了近5百萬盤的自我博弈後，已經可以超越人類，並擊敗了此前所有版本的AlphaGo。
AlphaGo Zero習得知識的過程-3h
AlphaGo Zero習得知識的過程-19h
AlphaGo Zero習得知識的過程-70h
DeepMind團隊在官方博客上稱，Zero用更新後的神經網絡和搜索算法重組，隨著訓練地加深，系統的表現一點一點地在進步。自我博弈的成績也越來越好，同時，神經網絡也變得更準確。同時還發現AlphaGoZero還獨立發現了遊戲規則，並走出了新策略，為圍棋這項古老遊戲帶來了新的見解。
恩，“四狗”果然是“曠世圍棋天才”。
4.3 AlphaGo-Zero的訓練時間軸
AlphaGo-Zero的訓練時間軸-0天
AlphaGo-Zero的訓練時間軸-3天
AlphaGo-Zero的訓練時間軸-21天
AlphaGo-Zero的訓練時間軸-40天
（1）首先，AlphaGo Zero僅用棋盤上的黑白子作為輸入，而前代則包括了小部分人工設計的特徵輸入。
（2）其次，AlphaGoZero僅用了單一的神經網絡。在此前的版本中，AlphaGo用到了“策略網絡”來選擇下一步棋的走法，以及使用“價值網絡”來預測每一步棋後的贏家。而在新的版本中，這兩個神經網絡合二為一，從而讓它能得到更高效的訓練和評估。
（3）最後，AlphaGoZero並不使用快速、隨機的走子方法。在此前的版本中，AlphaGo用的是快速走子方法，來預測哪個玩家會從當前的局面中贏得比賽。相反，新版本依靠地是其高質量的神經網絡來評估下棋的局勢。
4.4 AlphaGo Zero和AlphaGo Master分析比較
（1
）AlphaGo Zero可自由切換AlphaGo Master（三狗）使用了很多和AlphaGo Zero（四狗）相同的開發技術，但它需要首先利用人類的數據進行訓練，隨後才切換成自我對弈，而“四狗”則不需要。
值得注意的是，雖然AlphaGo Zero（四狗）在幾周的訓練期間學會了一些關鍵概念，但該系統學習的方法與人類有所不同。
（2）AlphaGo Zero僅需4個TPU的機器
另外，“四狗”也比前幾代系統更加節能，AlphaGo Lee（二狗）需要使用幾臺機器和48個谷歌TPU機器學習加速芯片。其上一代AlphaGo Fan（大狗）則要用到176個GPU芯片。AlphaGo Zero只需要使用一臺配有4個TPU的機器即可。
五、專家評價AlphaGo
“AlphaGo在兩年內達到的成績令人震驚。現在，AlphaGoZero是我們最強版本，它提升了很多。Zero提高了計算效率，並且沒有使用到任何人類圍棋數據，”AlphaGo之父、DeepMind聯合創始人兼CEO戴密斯·哈薩比斯(DemisHassabis)說，“最終，我們想要利用它的算法突破，去幫助解決各種緊迫的現實世界問題，如蛋白質摺疊或設計新材料。如果我們通過AlphaGo，可以在這些問題上取得進展，那麼它就有潛力推動人們理解生命，並以積極的方式影響我們的生活。”
總結：
需要補充的一點是，對於研發AlphaGo的DeepMind公司來說，目前正積極與英國醫療機構和電力能源部門合作，提高看病效率和能源效率。而且圍棋並不是AlphaGo的終極奧義，他們希望利用人工智能推動人類社會進步，目標始終是要利用AlphaGo打造通用的、探索宇宙的終極工具。同時我們期待通過AlphaGoZero的提升，讓我們看到利用人工智能技術改變人類命運的突破。
閱讀更多 數據先行者 的文章
