AlphaZero完胜三大世界冠军棋类程序：5000个TPU、自学一天

Root 编译整理 量子位 出品 | 公众号 QbitAI

昨天，DeepMind团队又在arXiv上扔了个重磅炸弹，新一代AlphaZero在用了强劲的计算资源（5000个一代TPU和64个二代TPU）之后，用不到24小时的时间自我对弈（tabula rasa，也叫白板）强化学习，接连击败了三个世界冠军级的程序 (国际象棋、将棋、围棋)。

△ AlphaZero和国际象棋冠军程序对弈

其中包括上一代冠军围棋程序AlphaGo Zero，这个程序发布还不到两个月，DeepMind就又把自己颠覆了（所以谷歌团队自我进化速度的时间单位都是按天计，可怕）。

AlphaZero的百局战绩

• 对弈国际象棋程序Stockfish：28胜，72平；
• 对弈将棋程序 Elmo：90胜，2平，8负；
• 对弈围棋程序AlphaGo Zero：60胜，40负。

AlphaZero自我对弈的训练时间

• 训练次数 | 训练时间 | 对弈冠军棋类程序
• 30万，2小时，击败将棋Elmo
• 11万，4小时，击败国际象棋Stockfish
• 16.5万，8小时，击败围棋AlphaGo

把Go去掉，意味着AlphaZero ，已经是比AlphaGo Zero更通用的程序。

一直以来，尽管众多顶尖的AI的程序都超过了人类世界冠军的水平，但它们都只能在单一的领域执行单一的任务，并不能把这种击败人类的超能力泛化到其他任务中。

而DeepMind的野心可不仅仅是在棋类游戏上超越人类，这次他们研究出了这个更通用的程序AlphaZero，将会马上投入到蛋白折叠的应用上。

官方称，他们不久就会发表相关论文，通过检测出蛋白错误折叠来快速诊断神经退行性疾病，比如阿尔茨海默症，帕金森，囊状纤维化。

期待AlphaZero在医疗健康领域的表现。

更多棋技的讨论，可以参看知乎上的PENG Bo的评价：https://zhuanlan.zhihu.com/p/31749249

原论文链接：https://arxiv.org/pdf/1712.01815.pdf