读AlphaZero论文随想

感觉才过一个月多,AlphaGo又进一步,推出了AlphaZero。这次除了会下围棋、还会国际象棋和将棋。做到了道德经里说的“一生多”。

据了解,AlphaZero算法可以再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程序Stockfish;14小时训练击败世界顶级将棋程序Elmo。这是DeepMind团队继AlphaGo Zero的研究问世之后,带给我们的又一全新算法,它是“更通用的版本”。

文章内容依旧是很短,不到5页的内容,基本思路与上一个版本AlphaGo Zero类似,采取将每一步蒙特卡洛数搜索MCTS的结果作为指导,优化神经网络参数,优化的误差函数就是文中的公式(一),也是文中唯一一个公式,与上一个版本一样。而且AlphaZero应用在国际象棋、将棋和围棋中,都使用同样的算法设置、网络架构和超参数。唯一不同是神经网络的输入不同。例如围棋是19*19*17;而国际象棋是8*8*119。因此,我个人估计,这个版本的文章不会再发表在《Nature》上了,毕竟创新之处不多。

这是电脑玩棋牌游戏的终极版本吗?

我觉得这还不是,因为每次落子需要在神经网络的结果基础上,再做一次优化(蒙特卡洛数搜索MCTS一次),才能确定最终的落子位置。最终的版本我个人觉得,应该是不需要MCTS这个步骤,用神经网络的输出值作为落子结果。甚至可以更进一步,将价值估计v都去掉。

AlphaZero与AlphaGo Zero的根本区别?

从AlphaGO(对战李世石版本)、Alpha Mater(网络对战60局版本)、AlphaGo Zero(对战柯洁版本)到现在的AlphaZero。我们看到电脑下棋程序再不断进步,经历了将策略价值网络和二为一,到完全不用人类棋谱为训练数据。这次AlphaZero最大的进步是训练过程,从以前的阶梯式训练(每55%胜率获胜的玩家作为下一轮产生训练数据的模型),到连续训练(也就是维护单一的神经网络不断迭代更新),省去评估的环节。

谷歌的厉害之处在哪儿?

有钱就是人性。尤其是训练阶段动用了5000个TPU生成自我对弈,使用64个第二代TPU训练神经网络。这也都是高校研究者望尘莫及的。我们这些研究者完全能读懂文章,也了解实现细节,但是没钱。。。这个双十一我读博实验室的师弟们不是抢衣服抢电器,而是在抢购GPU,学生命苦啊,做点实验太寒碜了。

未来Alpha还会继续在哪里发力?

我个人看好游戏,因为尤其的动作参数序列化,与围棋完全一致。只是游戏的搜索空间更大,依靠谷歌财大气粗,训练模型我觉得是承受得了的。至于金融行业,Alpha的这套搞法不看好,一是自己产生的数据无法模型有上亿投资者的行为产生的数据,二是没有唯一的决策对错标准,模型误差函数定义不出来。

本文来自企鹅号 - AI启蒙研究院媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器学习和数学

[有意思的数学]极小极大问题与博弈论入门

为啥要提到这个问题呢,是因为最近一直在做生成对抗网络(GAN)的工作,GAN的灵感来源于博弈论(也叫对策论,竞赛论)中的零和博弈,而原始GAN的优化目标又是一个...

4647
来自专栏华章科技

【碾压Master】AlphaGo Zero登上Nature,无需人类知识自我进化

昨天,DeepMind 如约公布了他们最新版AlphaGo论文,也是他们最新的Nature论文,介绍了迄今最强最新的版本AlphaGo Zero,使用纯强化学习...

1134
来自专栏量子位

“不正经”NIPS大会指北:嘻哈歌手、感人长队,以及最佳论文

夏乙 问耕 假装发自加州 量子位 出品 | 公众号 QbitAI ? 这几天,AI圈人士纷纷前往洛杉矶附近风景宜人的长滩。 他们在这里排长队、晒太阳、看大海、听...

3395
来自专栏新智元

AlphaGo对战李世石谁能赢?两万字长文深挖围棋AI技术(一)

? 李理,出门问问NLP工程师 编者按:李世石与Google Deepmind AlphaGo对战在即,围棋界和人工智能界对结果各有预测,但对于程序员来说,...

3865
来自专栏机器学习人工学weekly

AlphaZero-机器学习人工学快报

大神David Silver(AlphoGo architecture,难道没去NIPS?)今天往arxiv上扔了篇文章,Mastering Chess and...

35810
来自专栏AI启蒙研究院

读AlphaZero论文随想

984
来自专栏AI科技大本营的专栏

刚刚,DeepMind被IJCAI授予杰出成就奖,因为他家把AlphaGo Zero做成了暖心的新垣结衣?

啥都别说,先看图好不好 首先,恭喜DeepMind荣获大奖。 其次,获奖评语中,一定不会少的是对他家新品AlphaGo Zero的大加赞叹。 这货3天走完人类的...

36714
来自专栏大数据文摘

分析全球最大美食点评网站万家餐厅数据 寻找餐厅经营成功的秘密

2367
来自专栏机器之心

不只是围棋!AlphaGo Zero之后DeepMind推出泛化强化学习算法AlphaZero

选自arXiv 作者:David Silver等 机器之心编译 在 DeepMind 发表 Nature 论文介绍 AlphaGo Zero 之后,这家公司一直...

3186
来自专栏机器人网

手把手教你三天训练出自己的AI围棋大师

过去一年,AI领域最exciting的进展可能要数AlphaGo的不断进步。AlphaGo Zero不仅提出了新的网络架构,也带来了一些新的神经网络训练技巧。 ...

3376

扫码关注云+社区