AlphaZero“通用棋类AI”问世:8小时学习完爆AlphaGo

  • 时间:
  • 浏览:1

日前,DeepMind团队发表了最新论文,提出了全新的强化学习算法AlphaZero,它是一种可不需要须从零开始英语 英语 ,通过自我对弈强化学习在多种任务上达到超越人类水平的新算法,堪称“通用棋类AI”。

据了解,AlphaZero算法可不需要须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应用程序Stockfish;14小时训练击败世界顶级将棋应用程序Elmo。这是DeepMind团队继AlphaGo Zero的研究问世但是,带给大伙的又一全新算法,它是“更通用的版本”。

此外,大伙看了这次的AlphaZero与AlphaGo Zero有几点不同,首先AlphaGo Zero是在假设结果为赢/输二元的情況下,对获胜概率进行估计和优化。而AlphaZero会将平局或很多潜在结果纳入考虑,对结果进行估计和优化。其次,AlphaGo和AlphaGo Zero会转变棋盘位置进行数据增强,而AlphaZero不需要。第三,AlphaZero只维护单一的另有另一两个 神经网络,一种神经网络不断更新,而都等待迭代,四,AlphaZero中,所有对弈都重复使用相同的超参数,但是不需要进行针对特定一种游戏的调整。

论文地址:https://arxiv.org/pdf/1712.01815.pdf