昨天，谷歌 DeepMind AlphaGo“最年幼後裔”AlphaZero 青出於藍而甚於藍，擊敗一眾棋類程式的事蹟迅速在業內擴散開。據悉，AlphaZero 在經過 8 個小時訓練後即擊敗戰勝過李世石的 AlphaGo，經過 12 小時訓練後擊敗世界頂級國際象棋程式 Stockfish，經過 14 小時訓練擊敗世界頂級將棋程式 Elmo。而這只是在一聲令下，告訴系統自己走棋並自學之後就可以做到。那麼，有沒有人對 AlphaZero 的原理感興趣？它憑什麼能輕易打敗天下棋類程式無敵手（當然是目前）？
大約三年前，Google 旗下的一家專門從事人工智慧開發的公司 DeepMind，將其注意力轉移到古老的圍棋遊戲上。曾經，圍棋遊戲是所有電腦程式躋身世界級地位需要攀登的一座高峰，甚至被認為是未來十年不會實現的目標！當電腦程式與韓國傳奇人物李世石進行公開挑戰賽時，幾乎所有人都認為在這場別開生面的遊戲裡，人類必勝。世界頂級圍棋選手李在石的歷史記錄，讓他成為有史以來最偉大的圍棋棋手之一。當然，這次比賽 AlphaGo 是贏或輸不重要，人們在乎的是離這個神聖的目標有多接近。但是結果讓人大跌眼鏡，AlphaGo 以 4-1 戰勝李世石，掀起圍棋界的革命。不能接受這個結果的精英人士，終於開始承認，雖然並不是無與倫比，但 AlphaGo 是一臺好機器。
一年後，傳奇繼續，AlphaGo 的新版本與世界圍棋冠軍柯潔對戰。身為一名年輕的中國人，他的天才與馬格納斯·卡爾森（Magnus Carlsen）不相上下。16 歲，他贏得了自己的第一個世界冠軍；17 歲，他成為世界冠軍；19 歲，儘管表現非常好，但他仍以 0-3 敗給了 AlphaGo，證明了新 AI 的驚人能力。
許多國際象棋棋手和權威人士都想知道，在國際象棋中這個程式的效果怎樣，是不是能像在圍棋遊戲中一樣有效？圍棋由 19x19 的巨大網格組成，所有的子相同，並且不能移動，遊戲中，提前計算是徒勞的，而模式識別才是王道。國際象棋則非常不同，在國際象棋中，知識和模式識別的價值毋庸置疑，但這個遊戲非常講究戰術，只要簡單地計算出對手就可以彌補知識的缺失。不僅電腦是這樣，人類也是如此。
DeepMind 打敗圍棋冠軍之後還能做什麼呢？僅是能把比賽結果做得更好，比如把戰績從 3-0 提高到 20-0？當然不是。AlphaGo 已經成為了一種內部測試試金石，如果想要測試一個新的自學 AI 效果如何，只需要把它丟給 AlphaGo，看孰勝孰負就可以了。
DeepMind 訓練的最新版本 AI 被稱為 AlphaZero，與“前輩”相比，它有幾個重要的不同。首先，它並沒有經過大量訓練，從零開始。其次，它只接受了簡單的規則，除此之外沒有任何其他資訊輸入。然而，結果卻令人震驚，在短短的三天內，完全自學成才的 Go 程式比曾經擊敗過李世石的版本更強大，而這是之前的 AI 一年時間才能完成的。三週內，它又擊敗了曾打敗柯潔的 AlphaGo 版本。值得注意的是是，李世石版本的 AlphaGo 使用了 48 個高度專業的處理器來建立程式，而這個新版本只用了 4 個！
（AlphaGo 進階，DeepMind）
AlphaZero 自學國際象棋
挑戰國際象棋可能看起來仍然是個不同尋常的任務。畢竟，DeepMind 通過 Go 展示了在尚未被解決的遊戲裡近乎革命性的突破，然而，20 年前“深藍”已經戰勝了國際象棋，現如今，一款好的智慧手機也能擊敗國際象棋冠軍。這樣做的意義是什麼？
（Garry Kasparov 和 DeepMind 創始人 Demis Hassabis）
DeepMind 的創始人德米斯·哈薩比斯（Demis Hassabis）與國際象棋的淵源頗深，他本身就是一名神童，13 歲時在全球 14 歲以下象棋選手中的世界排名為第 2，僅次於 Judit Polgar。他最終離開了國際象棋去追求其他的東西，比如 17 歲建立自己的電腦遊戲公司。但人們仍然會有疑問：專注於國際象棋的 AlphaZero 能做到多好？它難道僅是一個聰明的，只論輸贏的 AI？還是會有什麼特別的地方？
David Silver 教授解釋道，AlphaZero 能夠獨立學習以提高演算法速度，而不是依靠分析大量資料，其中，原理演算法的效率是最重要的因素。
12 月 5 日，DeepMind 團隊在康奈爾大學發表了一篇名為《使用通用強化學習演算法自我掌握國際象棋和將棋》（《Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm》）的新論文，結果令人咋舌。AlphaZero 能做到的不僅是掌握這個遊戲，而且以不可思議的方式達到了新的高度。在與 Stockfish 的對戰中，它以 64:36 的比分贏得比賽，而且是零敗績（28 勝 72 負）！
值得注意的是，Stockfish 是在執行速度快 900 倍的計算機上執行的！事實上，AlphaZero 每秒鐘計算大約 8 萬個位置，而用 64 個執行緒（可能是一個 32 核心計算機）在 PC 上執行的 Stockfish 每秒可以計算 7000 萬個位置。為了更好地理解 Stockfish 如何一敗塗地，設想如果另一個版本的 Stockfish 執行速度慢了 900 倍，這相當於大約少走棋 8 步！
《使用通用強化學習演算法自我掌握國際象棋和將棋》論文中講道：“AlphaZero 通過使用其深層神經網路更有選擇性地集中在最優變體——類似 Shannon 最初提出的更加”類人“的搜尋方法上，來彌補評估數量較少的缺陷 。圖 2 表示，AlphaZero 每個玩家以 Elo 規模計算的思考時間，與 Stockfish 和 Elmo 40 毫秒的思考時間相比的可擴充套件性。AlphaZero 的 MCTS 思維時間比 Stockfish 和 Elmo 效率更高，這使得人們普遍認為 alpha-beta 搜尋在這些領域本質上是優越的。
（此圖表明，AlphaZero 的思考時間越長，效率比 Stockfish 更優）換句話說，AlphaZero 不像現在國際象棋引擎所使用的混合強制的方法，而是向另一個完全不同的方向，選擇一種模擬人類思維方式、極具選擇性的搜尋方法。一個頂尖的玩家可能在一致性和深度上超過較弱的對手，但即使是與最弱的計算機程式相比，人類的計算能力也仍然不能望其項背，因為人類走棋依靠的是純粹的知識。儘管加里·卡斯帕羅夫（Garry Kasparov）輸給了深藍（Deep Blue），Deep Blue 每秒鐘的計算速度可以達到 2 億個位置，我們仍不能確定它是否真的比 Garry Kasparov 聰明。如果 AlphaZero 真的能夠使用它的理解力，讓對手 900 倍的速度仍可以勝出，那麼它就可能是一個重大的正規化轉變。
由於 AlphaZero 沒有接受任何關於象棋的知識，這意味著不存在博弈或開放理論，它必須依靠自己發現開放理論。而且，這只是 24 小時自學的結果。DeepMind 團隊製作了圖表，展示了它從發現開放理論，到變得更加強大的圖表。
AlphaZero 的首席科學家 David Silver 教授解釋道，AlphaZero 在圍棋遊戲中學習開放理論，並逐漸擇優棄劣，在國際象棋中也是如此。
在上面的圖表中，我們可以看到，在比賽初期，AlphaZero 熱衷於使用法蘭西防禦（French Defense），但兩個小時後開始越來越少使用這種方法。
卡羅一坎防禦（The Caro-Kann）的效果更好，並在 AlphaZero 的開放選擇中佔據了首要位置，直到它也逐漸被淘汰。那麼，AlphaZero 在學習過程結束時喜歡哪些開放理論？答案是英格蘭開局（The English Opening ）和後翼棄兵（Queen's Gambit）！
需要注意的是，這與一般的引擎遊戲有所不同。現代的國際象棋引擎專注於活動，並有特殊的保護措施，以避免被逼入死角位置，因為它們的理解力有限，常常在意識到情況之前就陷入了死衚衕。AlphaZero 沒有這樣的問題，可以向王蛇一樣置對手於死地，它令人印象深刻的地方還在於其能夠找到引擎都發現不了的策略。
那麼，這個結果物件棋 AI 和其他領域意味著什麼？恐怕只能用一個被濫用的詞“Game Changer”來描述了。深藍雖然可以被視作 AI 象棋對戰的一個突破性的里程碑，但其結果是得益於專門用於對付象棋的高度專業化的硬體裝置，只能玩象棋而不能玩圍棋或其他種類的遊戲。而 AlphaZero 這種完全開放式的人工智慧，能夠從最少的資訊中學習，並將其提升到很高的水平，它的價值並不在於能在多少比賽中戰勝人類，而是能夠產生實際的用途，如分析疾病、饑荒以及其他真正解決問題的方案。
（數月內，用於建立 AlphaGo 的革命性技術開始出現在 Go 的頂級 PC 程式中）對於國際象棋程式來說，這可能會幫助在引擎上有所突破。Go 就是這樣的，多年來，Go 程式已經無法取得任何有意義的進展，然後出現了 AlphaGo。一篇論文詳細介紹了開發和使用 AlphaZero 的所有技術和演算法，以供人們獲取資訊參考追隨他們的腳步。幾個月內，Crazy Stone 等頂級程式的新版本開始提供應用了深度學習的引擎，使得效率大大提高。
文章來源：en.chessbase.com/post/the-fu…
關注我們的微訊號"AI前線"，後臺回覆“AI”可獲得《AI前線》系列PDF電子書