读AlphaZero论文随想

感觉才过一个月多，AlphaGo又进一步，推出了AlphaZero。这次除了会下围棋、还会国际象棋和将棋。做到了道德经里说的“一生多”。

据了解，AlphaZero算法可以再8个小时训练击败李世石版本AlphaGo；12小时训练击败世界顶级的国际象棋程序Stockfish；14小时训练击败世界顶级将棋程序Elmo。这是DeepMind团队继AlphaGo Zero的研究问世之后，带给我们的又一全新算法，它是“更通用的版本”。

文章内容依旧是很短，不到5页的内容，基本思路与上一个版本AlphaGo Zero类似，采取将每一步蒙特卡洛数搜索MCTS的结果作为指导，优化神经网络参数，优化的误差函数就是文中的公式（一），也是文中唯一一个公式，与上一个版本一样。而且AlphaZero应用在国际象棋、将棋和围棋中，都使用同样的算法设置、网络架构和超参数。唯一不同是神经网络的输入不同。例如围棋是19*19*17；而国际象棋是8*8*119。因此，我个人估计，这个版本的文章不会再发表在《Nature》上了，毕竟创新之处不多。