AlphaGo Zero

求索创客中心(qiusuochuangke)第109期推送

本期编辑 | 网络宣传部 张玉颜

图文来源 | 来自互联网

本期审核 | 网络宣传部 满家燊

文章开始前先简单介绍一下围棋吧

·19*19的棋盘，有361个交叉点，黑白两色棋子依次在交叉点上落子，谁占的地方大谁就赢

·上下左右相邻的同色棋子为整体

·棋子上下左右的空地为气，无气的子被吃掉，无气处不能落子

·由于黑棋有先落子的优势，所以黑棋想要赢需要额外多走3.75个子，也就是说，黑子需要占到184.25子以上才算赢。

-正文开始-

围棋中各种变数的数量，甚至超过了宇宙中原子的数量

一说到AlphaGo Zero，我们便会想到AlphaGo，并会将两者做一番比较，然而两者究竟有什么不同？AlphaGo Zero究竟厉害在哪儿？

图为AlphaGo Zero和AlphaGo的围棋对决

lphaGo需要与人类专家进行成千上万次对弈才能从中获取数据，学习下棋技巧

AlphaGo Zero则一切从零开始，只拥有游戏规则和一张空白棋盘。它无师自通，全靠自学来提高自己的棋艺和下棋技巧

新式的人工智能已经出现，AlphaGo将不再是最好的棋手，将有比AlphaGo更厉害的存在

而且值得注意的是，在自学过程中，Alphago Zero发现了许多人类围棋选手在过去几千年中形成的诀窍和技术。

DeepMind联合创始人兼首席执行官哈萨比斯

在几天的时间里，它重新找到了已知的最佳玩法，在最后一天，甚至在此之上发现了更好的东西，看到这一切，感觉很酷

哈萨比斯认为，建造Alphago Zero的技术已经足够强大，可以应用在现实世界，例如药物发现与材料科学等一些有必要继续探索各种可能性的行业。

哈萨比斯

最引人注目的一点是，我们不再需要任何人工数据

AlphaGo和AlphaGo Zero都采用一种被称之为强化学习的机器学习方法及深层神经网络系统。强化学习的灵感来源于动物可通过实验和反馈进行学习，只不过不同的是，前者是多次对弈录入数据暴力计算，后者则是模拟对局自己学习，这便是AlphaGo Zero的厉害之处

而为何AlphaGo Zero令人感兴趣？因为在现实生活中，要在有些地方进行编程是并不现实的，且在许多实际情况下，可能并没有大量例子供机器学习。这些都意味着机器必须自学成材，这也正是AlphaGo Zero令人感兴趣之处。

对未来世界的影响

好的一面

·首先，AlphaGo从来都不只是运用于棋盘，该算法可运用于其他领域，也就是说不需要付出更多努 力就可以为其他问题带来同样的解决方法。“药物发现、蛋白质、量子化学、材料设计——材料设计，想想看，也许在室温下就可以制造出超导体，”哈萨比斯说。

·人工智能可以在解决科学、医药或其他领域的重要问题中发挥重大作用。“我希望这些算法和未来的版本能够成为我们向科学和医学前沿推进的常规工作伙伴，”他说。“也许未来所有产品的设计和发现都离不开这些算法，它们将与聪明的人类一起工作。”

·尼克·海因斯认为，在一段时间内，它只是一种专门工具，不太可能对我们的日常生活造成冲击。

坏的一面

机器人占领地球、打倒人类导致地球毁灭这类的科幻片我们没少看，这一最新突破虽然并不意味着技术奇点（即在未来某个假定时间，超过人类的机器智能实现爆炸性增长）即将来临。人工智能在过去几年发展神速，现在的进步将会更快。我们应当适当控制我们在人工智能方面的发展速度，不要让电影中的故事在现实生活中发生！

1

END

1

记得下发点赞留言哦

近期图文推荐

I.走心访谈--维修服务部

II.义务维修，一直在行动

III.把酒祝东风