“阿尔法狗”进化到第四代，无需告知规则 MuZero算法自学成“棋”才

MuZero成为DeepMind最先进的AI算法。（图片来源：DeepMind公司网站）

科技日报记者 冯卫东

据最新一期《自然》杂志报道，DeepMind公司开发的一种人工智能（AI）算法MuZero，可以在不告知其游戏规则的情况下掌握围棋、国际象棋、日本将棋和视频游戏，这是谷歌人工智能部门获得的又一重大突破。

DeepMind公司表示，研究人员多年来一直在寻找一种方法，既可以学习建立用于解释当前环境的模型，也能够利用这个模型来进行最好的决策。到目前为止，大多数方法都难以在Atari这种游戏中进行有效规划。

MuZero最初在2019年推出，通过只关注环境中最重要的一个方面，来学习建立模型并解决问题。通过将这种方法与“阿尔法狗”强大的搜索树技术相结合，MuZero的能力实现了重大飞跃。此外，MuZero还利用了前瞻搜索、基于模型的规划来解决问题。

MuZero不会使用规则来找到最佳情况（因为事先不被告知），而是学习考虑游戏环境的各个方面，自己观察它是否重要。在数百万场比赛中，它不仅学习规则，而且学习位置的通用价值、成功的通用策略以及事后评估自己行为的方式。后一种功能可帮助其从自身的错误中学习、回忆和重做游戏，以尝试各种不同方法来进一步优化位置和策略价值。

MuZero不仅在国际象棋、围棋和日本将棋上达到了与提供完善规则的“阿尔法狗”一样的超人水平，在Atari游戏这样的杂乱感知输入环境中，也创造了新纪录。研究人员将MuZero描述为“在追求通用算法方面迈出的重要一步”。