无需通过教科书或棋谱进行学习,仅凭自学围棋便拥有远超人类乃至此前阿尔法围棋实力的新型人工智能(AI)“阿尔法围棋零(0)”问世。作为接连击败李世石、柯洁等当代顶级棋手的“阿尔法围棋”最新版本,它被评价为在快速发展的AI领域开创了新纪元。
谷歌DeepMind创始人、首席执行官(CEO)戴米斯·哈萨比斯等该公司17名研究人员于19日(韩国时间)在权威科学期刊《自然》上发表题为《无需人类知识掌握围棋》(Mastering the game of Go without human knowledge)的论文,详细介绍了阿尔法围棋最新版本“阿尔法围棋零”的开发过程与成果。
谷歌DeepMind通过《自然》介绍的阿尔法围棋零,因展示了AI在没有人类帮助的情况下能够发展到何种水平,正受到科学界乃至产业界的高度关注。迄今为止,AI系统主要通过旨在模仿人类专家决策的“监督学习系统”(supervised learning system)得以发展。阿尔法围棋同样是通过学习教材以及大量棋谱来提升围棋能力。
但阿尔法围棋零最大的特点在于,它以除围棋规则外毫无先验知识的神经网络为基础,仅摆上棋盘自己与自己对弈,从而自行领悟围棋的道理。即便不看已有棋谱,它也能自行积累数据,判断哪些是能提高胜率的好棋,对围棋的理解水平不断提高。这种学习方式与生物大脑中实际运作的“强化学习”相似,类似于给狗喂食并反复训练其做出“坐下”等特定动作。
谷歌DeepMind团队注意到,获取人类专家决策数据往往成本高昂、数据不可信,甚至根本不存在这类数据。尤其是即便有可信数据,若AI系统在人类生成数据的指导下接受训练,也可能无法超越人类的局限,这同样是一大课题。因此,他们成功开发出不向人类学习,而由AI自身通过大量试错掌握要领的强化学习方式,实力超越人类的围棋程序。
实际上,与去年3月以4比1战胜李世石九段的版本(称为“阿尔法围棋李”)相比,阿尔法围棋零仅自学36小时就超越了阿尔法围棋李版本的实力。此外,阿尔法围棋零自学72小时后,在与“李世石九段对阿尔法围棋李”实战时完全相同的对局条件(各限时2小时)下与阿尔法围棋李交手,取得100战100胜、无一败绩的成绩。这是阿尔法围棋零以每手0.4秒的“超快棋”自弈490万局研究的结果。
在历时40天自弈2900万局后,阿尔法围棋零甚至压倒了今年5月以3比0击败现世界排名第一柯洁九段的此前最强版本“阿尔法围棋大师”的实力。阿尔法围棋零对阿尔法围棋大师取得100战89胜11败。谷歌DeepMind方面解释称,阿尔法围棋零在仅了解围棋基本规则、自我对弈的强化学习自学过程中,不仅自行领悟了人类已知的定式,还开发出独特的定式。业界分析认为,这在证实AI能够产出具有创造性成果方面具有相当重要的意义。通讯作者戴米斯·哈萨比斯与三位共同第一作者之一的戴维·席尔瓦就自学围棋的阿尔法围棋零反而强于此前版本的原因解释称,“因为它不再受到人类知识局限的束缚”。哈萨比斯表示,“阿尔法围棋零是我们程序中最强大的版本,它不仅无需输入人类生成的数据,所需算力也更少”,“看到阿尔法围棋在短短2年间走了多远,只能说令人惊叹”。
事实上,与李世石对战的阿尔法围棋使用了多达48个张量处理单元(TPU),而阿尔法围棋零仅靠4个即可运行。哈萨比斯表示,“希望AI能在解决蛋白质折叠(每种蛋白质形成其特有折叠结构的过程)或新材料设计等现实问题上实现创新”。






