2016年3月以阿尔法围棋(AlphaGo)轰动世界的DeepMind,在次年12月发布了仅凭单一算法便登上多种棋类游戏最强者位置的AlphaZero。与数月前发布的AlphaGo Zero相比,去掉了代表围棋的“Go”的AlphaZero,只要告知游戏规则,就能以自己为对手自行学习并提升能力。击败将棋(日本式棋类)冠军人工智能(AI)Elmo只用了2小时,击败国际象棋冠军AI Stockfish用了4小时,击败围棋冠军AI AlphaGo Zero则用了30小时。
像Elmo或Stockfish这样的现有AI,依赖专家针对该游戏精心调校的参数或人工获取的特征,因此无法应用于其他游戏,并且采用计算所有可能情形的搜索方式,需要极高的运算能力。相反,AlphaZero在完全空白状态下、不借助人类知识,通过利用深层神经网络的强化学习方式进行自我学习,因此可应用于多种游戏,并且使用高效的搜索算法,所需运算量相对较低。
从计算所有可能情形→高效算法搜索
仿佛具备人类直觉,展现超乎想象的战术
结果,它既能找出人类完全想不到的妙手,也会为最终胜利而果断弃掉多子。尤其是现有AI在难以计算出更好着法的情形下常出现明显失误,而此时AlphaZero的表现却仿佛拥有直觉或灵感。
今年1月,DeepMind传来惊人消息:用于《星际争霸2》的AI AlphaStar击败了欧洲顶级职业电竞选手。像《星际争霸》这样的即时战略游戏与围棋或国际象棋不同,不进行侦察就难以一眼掌握对方的操作。双方不是轮流行动,而是以获取的资源为基础进行兵力生产和能力提升,实时持续对战,因此需要极快的判断力和战略,难度超乎想象。
AlphaStar在每一瞬间计算自己取胜的概率,并选择能带来最优结果的行动。它在观看人类之间的比赛完成初期学习后,仅通过为期两周的多个AlphaStar智能体之间的联赛,以自行提升游戏能力的新型多智能体强化学习法,获得了相当于职业选手200年的训练量。尽管有批评认为它在与职业选手的对战中是凭借压倒性的生产量和精细操作取胜,但它也展现了颇具巧思的战术。考虑到从AlphaGo到AlphaZero的发展速度,此后AlphaStar无疑也将展现惊人的进步。
据称其目标并非打造不败的游戏高手,而是以由此获得的技术为基础,开发能够解析天气预测或气候变化这类现实中跨越长时间、涉及大量数据与变量的问题,或更多地贡献于蛋白质分析等重要而根本的科学问题解决的通用AI,令人期待。






