最强AlphaGo横空出世，摆脱人类自学3天，100:0完败“老狗”

人工智能迎来了一个里程碑。

北京时间19日01：00，谷歌人工智能公司DeepMind团队公布了最强版AlphaGo ，代号AlphaGo Zero。

此次的亮点在于，AlphaGo Zero可以彻底摆脱人类的知识“自学成才”，无需人类指导就能让自己成为自己的老师。

当今世界围棋第一人柯洁更是直言，这样的AlphaGo是最强的，对于Alphago的自我进步来讲，人类太多余了。

1，迄今最强AlphaGo：不使用人类知识

今年5月，以3:0的比分赢下中国棋手柯洁后，AlphaGo宣布退役，但DeepMind并没有停下研究的脚步。

今天，在国际学术期刊《自然》（Nature）上发表的一篇研究论文中，Deepmind讲述了新版程序AlphaGo Zero：从空白状态学起，在无任何人类输入的条件下，它能够迅速自学围棋，并以100:0的战绩击败“前辈”。

DeepMind这篇最新的Nature论文，有一个朴素的标题——《不使用人类知识掌握围棋》。

世界顶尖棋手的养成，动辄需要数十年的训练、磨砺。但AlphaGo Zero创造了一个纪录：3天。

仅三天时间，AlphaGo Zero自行掌握了围棋的下法，还发明了更好的棋步。这期间，除了被告知围棋的基本规则，它摆脱了人为的大数据，未获得人类帮助或人类棋谱。

AlphaGo Zero学到的围棋知识（图片来源：DeepMind 论文）

经过短短3天的自我训练，AlphaGo Zero就强势打败了此前战胜李世石的旧版AlphaGo，战绩是100:0的。

经过21天的自我训练，AlphaGo Zero又达到了AlphaGo Master的水平。

“Master”曾击败过世界顶尖的围棋选手，甚至包括世界排名第一的柯洁。

仅仅40天后，AlphaGo Zero已经可以在与所有其它版本的AlphaGo对弈中获得90%的胜率了。

AlphaGo的首席研究员大卫·席尔瓦(David Silver)表示，“由于未引入人类棋手的数据，AlphaGo Zero远比过去的版本强大，我们去除了人类知识的限制，它能够自己创造知识。”

2，AlphaGo Zero非常“低碳”，只用4个TPU

值得一提的是，AlphaGo Zero还非常“低碳”，只用到了一台机器和4个TPU（谷歌专为加速深层神经网络运算能力而研发的芯片），极大地节省了资源。

AlphaGo此前的版本，在战胜人类围棋职业高手之前，它经过了好几个月的训练，依靠的是多台机器和48个TPU。

据介绍，AlphaGo Zero采用了新的强化学习方法，从一个不知道围棋游戏规则的神经网络开始，然后通过将这个神经网络与强大的搜索算法结合，然后就可以实现自我对弈了。在这样的训练过程中，神经网络被更新和调整，并用于预测下一步落子和最终的输赢。

这一更新后的神经网络将再度与搜索算法组合，这一过程将不断重复，创建出一个新的、更强大版本的AlphaGo Zero。在每次迭代中，系统的性能和自我对弈的质量均能够有部分提高。

所谓“日拱一卒，功不唐捐”，最终的神经网络越来越精确，AlphaGo Zero也变得更强，在功耗上也更为高效。

3，围棋只是开始，AlphaGo Zero的未来

此次AlphaGo Zero的出现不仅仅意味着围棋上的成功，这一进展标志着通用型AI发展的大一里程碑。

除了下棋赢过人类，通用型AI能做更多事情。由于AlphaGo Zero能够从一无所知实现自学成才，如今其天赋可以在诸多现实问题上派上用场。

目前深度学习需要大量数据，而数据的获得成本高昂且难度十分大，有了这项技术后，人类今后将有可能解决更大的挑战，给人类生活带来根本性的变化。

DeepMind首席执行官Demis Hassabis承认，已运用这个技术解决实际生活中的许多问题。范围可以包括预测蛋白质分子的形状，有望成为药物发明的一大突破；还可以设计新材料和进行气候建模。

Hassabis认为，在接下来十年，AlphaGo的迭代产品将成为科学家和医学专家，与人类并肩工作，这将会有可能对我们的生活产生根本性的影响。