來自：開源最前線（ID：OpenSourceTop）
整編綜合自：田淵棟（知乎）、https://research.fb.com/facebook-open-sources-elf-opengo/近日，Facebook AI Research（FAIR）正式宣佈開源基於 ELF 平臺創建的 ELF OpenGo，這是一款 AI 機器人，它已經擊敗了世界冠軍職業棋手。以下為博文內容：
受 DeepMind 的啟發，今年早些時候，我們研究開發出了可擴展的、輕量級框架 ELF，期望達到 AlphaGoZero 最近的水平。目標是創建一個開源實現的系統，該系統可以自學圍棋並能夠打敗職業棋手。最後，通過發佈我們的代碼和模型，來激勵更多的人去思考這項技術新的應用和研究方向。
ELF OpenGo 已經成功打敗了其他開源機器人和人類棋手。我們對 LeelaZero（基於Deepmind最新論文的圍棋人工智能）進行了一系列的比賽（198 勝 2 負），2018 年 4 月 25 日），我們還擊敗了 4 位世界排名前 30 的圍棋棋手，14 勝 0 負的記錄。
我們還對 2016 年 6 月首次發佈的ELF進行了改進，升級了更高效，更友好的 API 以及支持對數千臺計算機進行分佈式計算的框架。作為 PyTorch 的一部分，ELF 使研究人員能夠輕鬆嘗試不同的強化學習思想，並進行快速靈活的實驗。
如今 ELF OpenGo 已經取得了十分不錯的成績，但田淵棟博士在知乎上發表的一篇感想文章中提到：這個項目不是為了做最好的圍棋程序，不是說要打敗誰。我們做這個是因為以下三個目的：
(1) AlphaGoZero/AlphaZero算法很有意思，我們想知道為什麼它有效果，是怎麼會有效果的，是不是如同宣傳的那樣是百試百靈的通用算法，是不是隻要堆機器，強人工智能馬上就來了？還是說其實這個算法有什麼問題和弱點？DeepMind不開源也不透露細節，文章裡面一些地方也沒有寫得很清楚。我之前寫過Blog討論過，但是沒有第一手經驗總不是很踏實。所以本著研究目的，我們需要復現一下，先有復現，才有創新，這個是做研究的習慣。
(2) 今年年初我重寫了ELF的核心代碼，另外也加了分佈式訓練，需要找個具體應用來測試一下。站在這個角度上，AlphaGoZero/AlphaZero是個完美的選擇，再說之前也有DarkForest的代碼和圍棋程序的經驗，所以把它們拼起來不用花太多力氣。
(3) 不管是通用算法還是分佈式平臺，都可以用來幹很多別的事情，不一定是圍棋，不一定是遊戲。如果我們去看ELF OpenGo的代碼，會發現其實很大一部分和圍棋一點關係也沒有，完全適用於其它方向的工作。而圍棋對我們來說，只是一個把算法和平臺做好的手段。在這一點上，花點時間把圍棋做好是值得的。
田淵棟博士表示，隨著今天 ELF OpenGo 的發佈，這三個目的都已達到。當然，他們更希望的是能夠藉此機會推廣一下 ELF 平臺和 PyTorch 深度學習框架，讓更多的人使用和完善它。
代碼地址：https://github.com/pytorch/ELF
閱讀更多 Java技術架構 的文章
