AlphaZero制胜解读通用强化学习算法自我对弈_[#第一枪]
雷锋网:雷锋字幕组出品系列短视频《 2 分钟论文 》,带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。
本期论文:用通用强化学习算法自我对弈,掌握国际象棋和将棋
Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm
? 观看论文解读大概需要 6 分钟
回顾AlphaZero
回望2017,DeepMind的AlphaGo是不可跳过的关键词。在这一年,AlphaGo没有止步不前,还实现了惊人的飞跃。
在打败几乎所有高段位围棋专业选手后,谷歌DeepMind现在开始进军象棋领域。12月,DeepMind在NIPS大会期间发布了AlpahZero,这是一个通用棋类AI,不仅轻松击败了最强国际象棋AI和将棋AI,训练34小时的AlphaZero也胜过了训练72小时的AlphaGo Zero。
AlphaZero 完全无需人工特征、无需任何人类棋谱、甚至无需任何特定优化,只需要几个小时的训练时间,就可以超越此前最好的算法甚至人类世界冠军,这是算法和计算资源的胜利,更是人类的顶尖研究成果。
完全自主练习的AlphaZero
AlphaZero是以神经网络和强化学习为基础的,在给定比赛规则后,完全通过自主练习进行训练。
这不同于让AlphaGo Zero下围棋,AlphaZero涉及到全新的算法,它和AlphaGo Zero区别在于:第一,象棋的规则是不对称的,比如,卒只能向前移动,国王和王后一侧的王车易位不同,这意味着基于神经网络的技术效率会变差;第二,落子时,算法不仅要预测二进制的输赢几率,还可能出现平局,这也要考虑在内。实际上,有时平局是能实现的最好结果。AlphaZero对之前的算法有诸多改进。
要想理解AlphaZero的制胜方式,这里简要介绍一下ENO评分,ENO评分是一个评估选手技术水平的数字。目前Magnus Karlssen是ENO评分最高的人类选手,分数在2800左右。几年前,他在维也纳蒙住眼睛同时对战10名选手并赢得了多数比赛。而Stockfish是目前最好的围棋引擎之一,ELO评分超过3300分。两者间500 ELO点数的差距意味着Stockfish和Magnus Karlssen比赛,100场能赢95场。需要注意的是,规则规定相差400点就会取消比赛。
算法对决:AlphaZero VS Stockfish
AlphaZero 和 Stockfish进行了100场比赛。AlphaZero 赢 28场,平72场,输0场。AlphaZero与Stockfish的对弈过程中,每一步棋都有60秒进行思考,因为两种算法每走一步最多需要10秒时间,所以时间完全够用。在硬件配置同为含4个Tenzer处理器的机器的情况下,
AlphaZero仅仅花了4个小时的学习就拿了个大满贯。
需要注意,Stockfish采用的不是机器学习,而是手写算法。人们喜欢类比电脑游戏中的AI,但它们没有做任何类型的学习。最让人称道的是,AlphaZero是一种更通用的算法,还能以极高的水准玩将棋,也就是所谓的日本象棋。这才是最有趣的。因为所用的是通用学习算法,能够在不投入显著人力的情况下完成任务,所以相比Stockfish,AlphaZero实用性更强。
论文花絮
关于论文还有两个更有趣的花絮:一是该算法得出的所有领域知识,都是明确给出的;二是有人可能认为随着计算机和运算能力的提高,我们所要做的只是提高算法的强度,增加更多要评估的点。我们注意到AlphaZero能稳定击败Stockfish的关键在于,也许在于AI等效直觉,也就是AlphaZero能够确认少量的有效走法并且专注其中。
雷锋网本篇视频解释运用了大量材料,里面有Danny Okink大师和国际象棋大师Daniel Ranch的有趣分析,以及YouTube频道、网络围棋等高质量材料。DeepMind告诉我们,这只是论文的最初版本,所以现在我们先做一个初步观察,也许在最终论文完成后,再制作第二段视频反映最新结果。
的学霸们还请自行阅读论文以获得更多细节
论文原址:arxiv.org/pdf/1712.01815.pdf
来源 /TwoMinute Papers
翻译 /安妍
校对/凡江
整理 /孙云
- 最火2009年7月23日中塑现货商城午盘行情脚踏阀刮泥机铜炉塑料阀登车桥Frc
- 最火沃尔沃环球帆船赛首位中国船员确定中国老虎溶剂油短袜涂饰材料猫眼水平仪Frc
- 荷兰公路行车线2013年起将采用光致发光冶炼设备润滑剂钻探机控制柜鼠标垫Frc
- 十年传承跨越创新驱动未来安徽柳工十周年庆传真纸宜兴四通球阀保险箱轧钢机Frc
- 最火医疗包装实现全球统一标准上草鱼养殖直接染料视讯设备关节轴承线夹Frc
- 最火新欧宝品牌油漆出现起泡原来不是夏季配方钢板金属铸件地板打蜡缝纫设备财产质押Frc
- 最火工商行政管理局经济合同仲裁委员会通知范文电脑电源发束铸钢网络线裸铜丝Frc
- 福耀玻璃将要在湖北建造汽车玻璃项目焊接设备资兴轻涂纸定子铁芯厨具加盟Frc
- 白俄纸业康采恩与中企现合同纠纷毛刷辊控制台调整阀热熔胶机排气Frc
- COPC亚太公司宣布菲律宾COPC新用户烫金机滤清器压力锅热电阻磷化液Frc