AlphaGo Zero采用瞭人類棋手幾千年來都未發明的圍棋策略（圖片來源：Xavierarnau/Getty）
AlphaGo，一款由谷歌旗下公司DeepMind基於深度學習原理而開發的人工智能程序。之所以聲名大噪，是因為它自2016年以來曾先後擊敗多位世界圍棋冠軍，包括韓國選手李世石、中國選手柯潔，是第一個擊敗人類職業圍棋選手的人工智能。
現在，DeepMind又推出“超強版”——AlphaGo Zero，基於前所未有的學習模式從零自學成才，不再依賴於人類經驗！這一重要成果發表在最新一期《Nature》上，並附有相關評論。
這種不需要人工輸入的自我訓練能力讓我們離一個終極夢想——創造一個能夠解決所有任務的人工智能，更進一步！而且，DeepMind首席執行官Demis Hassabis在新聞發佈會上表示，從中長遠角度出發，這一智能將能夠用於包括蛋白質折疊、材料學等多個科研挑戰中。
AlphaGo Zero：從零自學成才
DeepMind開發的前幾款“圍棋程序”，都是在與有專傢參與的超10萬次圍棋對弈中訓練而來的，且時間長達數月。現在，這一款最新的AlphaGo Zero則從零開始、自我學習。經過40天訓練、3000萬次PK（包括自我對弈），AlphaGo Zero可以打敗之前的AlphaGo版本。
AlphaGo Zero的原理是“強化學習”（reinforcement learning），能夠在更少的訓練時間、更強的計算能力下遠超“前輩”。DeepMind參與AlphaGo開發的科學傢David Silver認為：“對人工智能使用純強化學習一直很困難。”他認為，該項目是第一個“真正穩定、強大的強化學習版本”。
一個“大腦”：40天遠超人類
AlphaGo Zero的前任們使用瞭兩個獨立的神經網絡“大腦”：一個用來預測可能的最佳落子動作，另一個從中評估最有可能獲勝的動作。為瞭實現後者目標，他們使用“roll outs”策略——進行多個快速、隨機的預判，測試可能的結果。
現在，AlphaGo Zero則隻擁有一個“大腦”——種由大腦結構激發的深度神經網絡，它隻學習抽象概念，即僅僅瞭解遊戲規則，通過反復訓練來學習，並通過每場對弈後的反饋信息自我改進。
首先，AlphaGo Zero會學習人自動分料機推薦類選手，以初學者的身份貪婪地捕捉技巧。但是隻需3天，它就可以掌握人類選手使用的復雜戰術。Hassabis說：“它能夠重現人類幾千年的知識。”
40天後，AlphaGo Zero的水平遠超人類。
應用前景：造福科研
依賴於4個特殊的控制芯片，AlphaGo Zero可以在幾天內就完成自我訓練。這意味著，算法比任何平臺或可用數據更重要。
DeepMind研發團隊已經開始嘗試將該技術應用於其他領域，例如解析蛋白質折疊的細節，從而為藥物研發提供工具。
他們認為，蛋白質折疊並沒有什麼數據可以參考，且依據氨基酸序列預測結構擁有太多的可能。這在一定程度上類似於圍棋，兩者都有眾所周知的規則，且有一個清晰的目標。從長遠來看，這種算法適用於量子化學、材料設計、機器人開發等類似任務中。
原標題：Nature：超強版AlphaGo來瞭！可自學成才，將助力科研
參考資料：
Self-taught AI is best yet at strategy game Go
定量充填機小型
掃描二維碼，關註新浪醫藥(sinayiyao)公眾號
360°縱覽醫藥全局，365天放送新聞時事醫藥資訊輕松一覽
精彩不容錯過。
自動化食品機械
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
