grantsherrrq

Google 旗下 DeepMind 開發出來的 AlphaGo，在人類圍棋界打遍世界無對手，但比來卻遭到一名小老弟 100:0 的局數完虐。DeepMind 在《Nature》揭橥比來論文，介紹最新版的 AlphaGo Zero，純粹靠強化學習，就成為最強的棋士。

本來舊版 AlphaGo 開辟時，先靠人類千年的智慧奠基，由曩昔的棋譜強化進修運算，算是綜合各家招數後自成一派。然則最新版的 AlphaGo Zero，研究人員只供給遊戲的劃定規矩，在不依賴人類數據之下自學，成果「無招勝有招」，表現更勝前代 AlphaGo。

DeepMind 作者群在論文中寫道，AlphaGo Zero 證明了即便在最具挑戰的領域，純強化進修的方式也是完全可行的－完全不需要人類供給範例或指導，不供應基本法則之外的任何範疇知識，利用強化學習就能夠超出人類的水準。

另外，純強化學習方式只破費額外很少的練習時間，相較於使用人類數據，實現了更好的漸進機能（asymptotic performance）。

在很多環境下，人類數據，特別是專家數據，常常太甚昂貴，或基本無法獲得。因此，作者認為，如果雷同的手藝可以運用到其他問題上，這些沖破就有可能對社會產生積極的影響。

DeepMind 在論文中指出，在進行了 3 天的自我訓練後，AlphaGo Zero 在 100 局角逐中以 100：0 擊敗了上一版本的 AlphaGo，也就是打敗南韓九段棋士李世乭的版本。之後，再經 40 天的自我訓練後，AlphaGo Zero 變得加倍強大，超出了「Master」版本的 AlphaGo－完勝柯潔的版本。