比AlphaGo Zero更强的AlphaZero来了！8小时解决一切棋类！ PENG Bo

Photo by Jason Kempin/Getty Images for Agon Limited

作者 | 禀临科技联合创始人 PENG Bo

读过AlphaGo Zero论文的同学，可能都惊讶于它的方法的简单。另一方面，深度神经网络，是否能适用于国际象棋这样的与围棋存在诸多差异的棋类？

MCTS（蒙特卡洛树搜索）能比得上alpha-beta搜索吗？许多研究者都曾对此表示怀疑。

但今天AlphaZero来了（https://arxiv.org/pdf/1712.01815.pdf），它破除了一切怀疑，通过使用与AlphaGo Zero一模一样的方法（同样是MCTS+深度网络，实际还做了一些简化），它从零开始训练：

• 4小时就打败了国际象棋的最强程序Stockfish！

• 2小时就打败了日本将棋的最强程序Elmo！

• 8小时就打败了与李世石对战的AlphaGo v18！

在训练后，它面对Stockfish取得100盘不败的恐怖战绩，而且比之前的AlphaGo Zero也更为强大（根据论文后面的表格，训练34小时的AlphaZero胜过训练72小时的AlphaGo Zero）。

这令人震惊，因为此前大家都认为Stockfish已趋于完美，它的代码中有无数人类精心构造的算法技巧。

然而现在Stockfish就像一位武术大师，碰上了用枪的AlphaZero，被一枪毙命。

在reddit的国象版面的讨论中（Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm • r/chess-https://www.reddit.com/r/chess/comments/7hvbaz/mastering_chess_and_shogi_by_selfplay_with_a/），大家纷纷表示AlphaZero已经不是机器的棋了，是神仙棋，优美，富有策略性，弃子灵活坚决，更能深刻地谋划（maneuver），完全是在调戏Stockfish。

国际象棋的基本规则，大家应该都知道，可以看这个Youtube视频的分析：https://www.youtube.com/watch?v=lb3_eRNoH_w 。Stockfish作为传统AI的代表，有人类设计的评估函数，整天想着“怎样怎样可在多少步后吃对方的子”。AlphaZero是“以德服人”，Stockfish贪吃就给Stockfish吃，没关系，AlphaZero有自己的想法：它直接让Stockfish的一堆子连家都出不了。Stockfish只能干瞪眼。AlphaZero想怎么走就怎么走，Stockfish疲于奔命，四处救火。这一切，正如AlphaGo此前在围棋上所显示的惊人控制力。

很有趣的是，和围棋的情况一样，AlphaZero证明了许多人类开局是正确的。不过，AlphaZero不喜欢西西里防御。

训练过程极其简单粗暴。超参数，网络架构都不需要调整。无脑上算力，就能解决一切问题。

Stockfish和Elmo，每秒种需要搜索高达几千万个局面。

AlphaZero每秒种仅需搜索几万个局面，就将他们碾压。深度网络真是狂拽炫酷。

当然，训练AlphaZero所需的计算资源也是海量的。这次Deepmind直接说了，需要5000个TPU v1作为生成自对弈棋谱。

不过，随着硬件的发展，这样的计算资源会越来越普及。未来的AI会有多强大，确实值得思考。

个人一直认为MCTS+深度网络是非常强的组合，因为MCTS可为深度网络补充逻辑性。我预测，这个组合未来会在更多场合显示威力，例如有可能真正实现自动写代码，自动数学证明。

为什么说编程和数学，因为这两个领域和下棋一样，都有明确的规则和目标，有可模拟的环境。

（在此之前，深度学习的调参党和架构党估计会先被干掉...... 目前的很多灌水论文，电脑以后自己都可以写出来）

也许在5到20年内，我们会看到《Mastering Programming and Mathematics by General Reinforcement Learning》。然后许多人都要自谋出路了......

原文地址：https://zhuanlan.zhihu.com/p/31749249

热文精选

深度学习高手该怎样炼成？这位拿下阿里天池大赛冠军的中科院博士为你规划了一份专业成长路径

何恺明团队推出Mask^X R-CNN，将实例分割扩展到3000类

AI人才缺失催生的“跨境猎头”，人才年薪高达300万，猎头直赚100万

Twitter大牛写给你的机器学习进阶手册