Facebook AI团队在论文中详细披露了围棋AI的训练数据。
最近,Facebook的人工智能研究所(以下简称FAIR)宣布,他们开源了自研的围棋AI训练模型和代码。这意味着,你可以随时随地和Facebook的人工智能下围棋了,而且此围棋AI程序重现的是名噪一时的AI高手AlphaZero。
![TB1ucauXDZmx1VjSZFGXXax2XXa.png](http://gw.alicdn.com/tfscom/tuitui/TB1ucauXDZmx1VjSZFGXXax2XXa.png)
去年5月,FAIR发布了ELF Open GO,ELF OpenGo是FAIR依照DeepMind在《自然》上发表的和AlphaGo Zero以及AlphaZero相关的论文,做出的开源计算机围棋程序,也就是说,ELF OpenGo不使用人类棋谱与累积的围棋知识,仅使用单一类神经网络从自我对弈中学习。
该围棋AI之前在和韩国棋院的专业围棋选手对弈中,都取得不错的成绩。据悉,OpenGo 的最新版本使用2000块GPU训练了15天后,在一块GPU的情况下与4个排名前30的职业选手进行比赛时,取得了20:0全胜的战绩,可谓是战无不胜。
![TB1t29VGSzqK1RjSZFjXXblCFXa.jpg](http://gw.alicdn.com/tfscom/tuitui/TB1t29VGSzqK1RjSZFjXXblCFXa.jpg)
在这次开源的论文中,FAIR研究人员全面披露了ELF OpenGo的训练过程,包括取得的是三个突破。
一是为ELF OpenGo训练了一个超人类棋艺的模型,他们在2000个GPU上运行类AlphaZero的训练软件9天后,有20个模块的模型超越了人类水平。
二是提供了模型在训练过程中的行为分析,包括和其他模型的对比、学习速度、学习难度等等。
三是通过实施ablation实验,以研究AlphaZero风格算法的性质,他们发现对于最终模型而言,对局中加倍rollout水平大约提升200 ELO,AI的发挥会受到模型容量的限制。
最后,此次论文的主要作者为田渊栋,他一直负责Facebook的围棋AI相关研究,在此前的一篇知乎文章中,他提到:DeepMind不开源也不透露细节,文章里面一些地方也没有写得很清楚。没有第一手经验总不是很踏实。所以本着研究目的,我们需要复现一下,先有复现,才有创新,这个是做研究的习惯。而且如果我们去看 ELF OpenGo 的代码,会发现其完全适用于其它方向的工作。而围棋对我们来说,只是一个把算法和平台做好的手段。在这一点上,花点时间把围棋做好是值得的。
最后,关于ELF OpenGo最新训练模型的具体数据可以阅读原文获取论文链接了解。
https://dl.fbaipublicfiles.com/elfopengo/pdf/arxiv.pdf