此条目的主題是人工智能围棋软件。关于DeepMind所开发的棋类电脑软件，請見「
AlphaZero 」。
AlphaGo Zero 是DeepMind 圍棋軟體 AlphaGo 的最新版。2017年10月19日，AlphaGo团队在《自然 》上发表文章介绍了AlphaGo Zero，文中指出此版本不採用人类玩家的棋譜，且比之前的所有版本都要强大[1] AlphaGo Lee ，花了21天达到AlphaGo Master 的水平，用40天超越了所有旧版本[2] 杰米斯·哈萨比斯 说，AlphaGo Zero“不再受限于人类认知”，很强大[3] 人工智能 ，对于人工智能开发超人技能具有重大意义[4] 大卫·席尔瓦 表示，摒弃向人类学习的需求，这有可能是对现有人工智能算法的拓展[5]
训练 编辑 AlphaGo Zero神经網路使用TensorFlow 在64个GPU和19个CPU参数服务器训练，推理的TPU 只有四个。神经網路 最初除了规则 ，对围棋 一无所知。AI进行“非监督式学习 ”，自己和自己对弈，直到能预测自己的每一手棋及其对棋局结果的影响[6] [7] [8] [9]
应用 编辑 哈萨比斯表示，AlphaGo的算法对需要智能搜索巨大概率空间的领域建树最大，如蛋白质折叠 或精准模拟化学反应[10] [11]
评价 编辑 普遍认为，AlphaGo Zero是一次巨大的进步，即便是和它的开山鼻祖AlphaGo作比较时。艾伦人工智能研究院 奥伦·伊奇奥尼 [6] 卫报 》称AlphaGo Zero是“人工智能的大突破”，援引谢菲尔德大学 的伊莱尼·瓦希莱基（Eleni Vasilaki ）和卡内基梅隆大学 的汤姆·米切尔（Tom Mitchell ），两人分别说它是令人印象深刻的成就和“突出的工程成就”[11] 悉尼大学 的马克·佩斯 [12]
然而，纽约大学 心理学家盖瑞·马库斯 [7]
韩国职业围棋选手李世石 回应称：“之前的AlphaGo并不完美，我认为这就是为什么要把AlphaGo Zero造出来”。至于AlphaGo的发展潜力，李世石表示他必须要静观其变，但同时表示它会影响年轻的棋手。韩国国家围棋队教练睦镇硕 表示，围棋界已经模仿到之前AlphaGo各个版本的下棋风格，从中创造新的思路，他希望AlphaGo Zero能带来新的思路。睦镇硕补充道，棋界的大趋势如今被AlphaGo的下棋风格影响。“最初，我们很难理解，我差不多认为我在跟外星人打比赛。然而，有过这么次的体会，我已经适应它了。”他说。“我们现在错过了辩论AlphaGo与人类之间的能力差距的点。现在讲的是计算机间的差距。”据称，他已经开始和国家队棋手分析AlphaGo Zero的比赛风格：“虽然只看了几场比赛，但我们的印象是，AlphaGo Zero和他的前者相比，下棋更像人类[13] 柯洁 在他的微博 上表示：“一个纯净、纯粹自我学习的AlphaGo是最强的……对于AlphaGo的自我进步来讲……人类太多余了[14]
历史版本比较 编辑 参考 编辑 参考资料 编辑 ^ 1.0 1.1 1.2 1.3 1.4 Mastering the game of Go without human knowledge. Nature. 2017-10-19 [2017-10-19 ] . （原始内容于2017-10-19）. ^ Google's New AlphaGo Breakthrough Could Take Algorithms Where No Humans Have Gone. Yahoo!. 2017-10-19 [2017-10-19 ] . （原始内容于2017-10-19）. ^ AlphaGo Zero: Google DeepMind supercomputer learns 3,000 years of human knowledge in 40 days. The Telegraph. 2017-10-18 [2017-10-19 ] . （原始内容于2017-10-20）. ^ 4.0 4.1 4.2 4.3 4.4 Hassabis, Demis; Siver, David. AlphaGo Zero: Learning from scratch. DeepMind. 2017-10-18 [2017-10-19 ] . （原始内容于2017-10-19）. ^ DeepMind AlphaGo Zero learns on its own without meatbag intervention. ZDNet. 2017-10-19 [2017-10-20 ] . （原始内容于2017-10-20）. ^ 6.0 6.1 Greenemeier, Larry. AI versus AI: Self-Taught AlphaGo Zero Vanquishes Its Predecessor. Scientific American. [2017-10-20 ] . （原始内容于2017-10-19）. ^ 7.0 7.1 Computer Learns To Play Go At Superhuman Levels 'Without Human Knowledge' . NPR. 2017-10-18 [2017-10-20 ] . （原始内容于2017-10-20）. ^ Google's New AlphaGo Breakthrough Could Take Algorithms Where No Humans Have Gone. Fortune. 2017-10-19 [2017-10-20 ] . （原始内容于2017-10-19）. ^ This computer program can beat humans at Go—with no human instruction. Science | AAAS. 2017-10-18 [2017-10-20 ] . （原始内容于2017-10-19）. ^ The latest AI can work things out without being taught. The Economist. [2017-10-20 ] . （原始内容于2017-10-19）. ^ 11.0 11.1 Sample, Ian. ' It's able to create knowledge itself': Google unveils AI that learns on its own. The Guardian. 2017-10-18 [2017-10-20 ] . （原始内容于2017-10-19）. ^ How Google's new AI can teach itself to beat you at the most complex games. Australian Broadcasting Corporation. 2017-10-19 [2017-10-20 ] . （原始内容于2017-10-20）. ^ Go Players Excited About ‘More Humanlike’ AlphaGo Zero. Korea Bizwire. 2017-10-19 [2017-10-21 ] . （原始内容于2017-10-21）. ^ 柯洁:对于AlphaGo的自我进步来讲 人类太多余了. 环球网 . 2017-10-20 [2017-11-08 ] . （原始内容于2017-11-09）. ^ 【柯洁战败解密】AlphaGo Master最新架构和算法，谷歌云与TPU拆解. 搜狐. 2017-05-24 [2017-06-01 ] . （原始内容于2017-09-17）. 外部連結 编辑 AlphaGo blog（页面存档备份，存于互联网档案馆 ） Nature news on AlphaGo Zero（页面存档备份，存于互联网档案馆 ） Full nature article on AlphaGo ZeroArchive.is 的存檔，存档日期2018-01-03 AlphaGo Zero Games（页面存档备份，存于互联网档案馆 ） AMA on Reddit（页面存档备份，存于互联网档案馆 ）
alphago, zero, 此条目的主題是人工智能围棋软件, 关于deepmind所开发的棋类电脑软件, 請見, alphazero, 是deepmind圍棋軟體alphago的最新版, 2017年10月19日, alphago团队在, 自然, 上发表文章介绍了, 文中指出此版本不採用人类玩家的棋譜, 且比之前的所有版本都要强大, 通过自我对弈, 在三天内以100比0的戰績战胜了alphago, 花了21天达到alphago, master的水平, 用40天超越了所有旧版本, deepmind联合创始人兼ceo杰. 此条目的主題是人工智能围棋软件 关于DeepMind所开发的棋类电脑软件 請見 AlphaZero AlphaGo Zero是DeepMind圍棋軟體AlphaGo的最新版 2017年10月19日 AlphaGo团队在 自然 上发表文章介绍了AlphaGo Zero 文中指出此版本不採用人类玩家的棋譜 且比之前的所有版本都要强大 1 通过自我对弈 AlphaGo Zero在三天内以100比0的戰績战胜了AlphaGo Lee 花了21天达到AlphaGo Master的水平 用40天超越了所有旧版本 2 DeepMind联合创始人兼CEO杰米斯 哈萨比斯说 AlphaGo Zero 不再受限于人类认知 很强大 3 由于专家数据 經常很贵 不可靠或是無法取得 不借助人类专家的数据集训练人工智能 对于人工智能开发超人技能具有重大意义 4 因為這樣的AI不是學習人 是透過對自我的反思和獨有的創造力直接超越人類 文章作者之一大卫 席尔瓦表示 摒弃向人类学习的需求 这有可能是对现有人工智能算法的拓展 5 目录 1 训练 2 应用 3 评价 4 历史版本比较 5 参考 6 参考资料 7 外部連結训练 编辑AlphaGo Zero神经網路使用TensorFlow在64个GPU和19个CPU参数服务器训练 推理的TPU只有四个 神经網路最初除了规则 对围棋一无所知 AI进行 非监督式学习 自己和自己对弈 直到能预测自己的每一手棋及其对棋局结果的影响 6 前三天 AlphaGo Zero连续自我对弈490万局 7 几天之内它就发展出击败人类顶尖棋手的技能 而早期的AlphaGo要达到同等水平需要数月的训练 8 为了比较 研究人员还用人类对局数据训练了另一版AlphaGo Zero 发现该版本学习更加迅速 但从长远来看 表现反而较差 9 应用 编辑哈萨比斯表示 AlphaGo的算法对需要智能搜索巨大概率空间的领域建树最大 如蛋白质折叠或精准模拟化学反应 10 对于很难模拟的领域 如学习如何开车 用处可能相对较低 11 评价 编辑普遍认为 AlphaGo Zero是一次巨大的进步 即便是和它的开山鼻祖AlphaGo作比较时 艾伦人工智能研究院 英语 Allen Institute for Artificial Intelligence 的奥伦 伊奇奥尼 英语 Oren Etzioni 表示 AlphaGo Zero是 非常令人印象深刻的技术成果 不管是在他们实现目标的能力上 还是他们花40天时间用四个TPU训练这套系统的能力 6 卫报 称AlphaGo Zero是 人工智能的大突破 援引谢菲尔德大学的伊莱尼 瓦希莱基 Eleni Vasilaki 和卡内基梅隆大学的汤姆 米切尔 Tom Mitchell 两人分别说它是令人印象深刻的成就和 突出的工程成就 11 悉尼大学的马克 佩斯 英语 Mark Pesce 说AlphaGo Zero是 巨大的技术进展 带领我们进入 未至之地 12 然而 纽约大学心理学家盖瑞 马库斯 英语 Gary Marcus 对我们目前所知的则表示谨慎 AlphaGo或许包括 程序员如何建造一台解决围棋等问题的机器的隐晦知识 在确保它的基础结构比玩围棋时更有效率之前 它需要在其他的领域受检测 相反 DeepMind 自信这种方法可以归纳至更多的领域中 7 韩国职业围棋选手李世石回应称 之前的AlphaGo并不完美 我认为这就是为什么要把AlphaGo Zero造出来 至于AlphaGo的发展潜力 李世石表示他必须要静观其变 但同时表示它会影响年轻的棋手 韩国国家围棋队教练睦镇硕表示 围棋界已经模仿到之前AlphaGo各个版本的下棋风格 从中创造新的思路 他希望AlphaGo Zero能带来新的思路 睦镇硕补充道 棋界的大趋势如今被AlphaGo的下棋风格影响 最初 我们很难理解 我差不多认为我在跟外星人打比赛 然而 有过这么次的体会 我已经适应它了 他说 我们现在错过了辩论AlphaGo与人类之间的能力差距的点 现在讲的是计算机间的差距 据称 他已经开始和国家队棋手分析AlphaGo Zero的比赛风格 虽然只看了几场比赛 但我们的印象是 AlphaGo Zero和他的前者相比 下棋更像人类 13 中国职业棋手柯洁在他的微博上表示 一个纯净 纯粹自我学习的AlphaGo是最强的 对于AlphaGo的自我进步来讲 人类太多余了 14 历史版本比较 编辑架构和实力 15 版本 硬件 等级分 赛况AlphaGo Fan 英语 AlphaGo Fan 176个GPU 4 分布式 3144 1 5 0 对阵 樊麾AlphaGo Lee 48个TPU 4 分布式 3739 1 4 1 对阵 李世石AlphaGo Master 4个第二代TPU 4 单机 4858 1 网棋 60 0 对阵 44位职业棋手 中国乌镇围棋峰会 3 0 对阵 柯洁 1 0 对阵 五位顶尖棋手联队AlphaGo Zero 4个第二代TPU 4 单机 5185 1 100 0 对阵AlphaGo Lee 89 11 对阵AlphaGo Master参考 编辑AlphaZero ELF OpenGo Leela Zero Minigo PhoenixGo参考资料 编辑 1 0 1 1 1 2 1 3 1 4 Mastering the game of Go without human knowledge Nature 2017 10 19 2017 10 19 原始内容存档于2017 10 19 Google s New AlphaGo Breakthrough Could Take Algorithms Where No Humans Have Gone Yahoo 2017 10 19 2017 10 19 原始内容存档于2017 10 19 AlphaGo Zero Google DeepMind supercomputer learns 3 000 years of human knowledge in 40 days The Telegraph 2017 10 18 2017 10 19 原始内容存档于2017 10 20 4 0 4 1 4 2 4 3 4 4 Hassabis Demis Siver David AlphaGo Zero Learning from scratch DeepMind 2017 10 18 2017 10 19 原始内容存档于2017 10 19 DeepMind AlphaGo Zero learns on its own without meatbag intervention ZDNet 2017 10 19 2017 10 20 原始内容存档于2017 10 20 6 0 6 1 Greenemeier Larry AI versus AI Self Taught AlphaGo Zero Vanquishes Its Predecessor Scientific American 2017 10 20 原始内容存档于2017 10 19 7 0 7 1 Computer Learns To Play Go At Superhuman Levels Without Human Knowledge NPR 2017 10 18 2017 10 20 原始内容存档于2017 10 20 Google s New AlphaGo Breakthrough Could Take Algorithms Where No Humans Have Gone Fortune 2017 10 19 2017 10 20 原始内容存档于2017 10 19 This computer program can beat humans at Go with no human instruction Science AAAS 2017 10 18 2017 10 20 原始内容存档于2017 10 19 The latest AI can work things out without being taught The Economist 2017 10 20 原始内容存档于2017 10 19 11 0 11 1 Sample Ian It s able to create knowledge itself Google unveils AI that learns on its own The Guardian 2017 10 18 2017 10 20 原始内容存档于2017 10 19 How Google s new AI can teach itself to beat you at the most complex games Australian Broadcasting Corporation 2017 10 19 2017 10 20 原始内容存档于2017 10 20 Go Players Excited About More Humanlike AlphaGo Zero Korea Bizwire 2017 10 19 2017 10 21 原始内容存档于2017 10 21 柯洁 对于AlphaGo的自我进步来讲 人类太多余了 环球网 2017 10 20 2017 11 08 原始内容存档于2017 11 09 柯洁战败解密 AlphaGo Master最新架构和算法 谷歌云与TPU拆解 搜狐 2017 05 24 2017 06 01 原始内容存档于2017 09 17 外部連結 编辑AlphaGo blog 页面存档备份 存于互联网档案馆 Nature news on AlphaGo Zero 页面存档备份 存于互联网档案馆 Full nature article on AlphaGo ZeroArchive is的存檔 存档日期2018 01 03 AlphaGo Zero Games 页面存档备份 存于互联网档案馆 AMA on Reddit 页面存档备份 存于互联网档案馆 取自 https zh wikipedia org w index php title AlphaGo Zero amp oldid 78943905, 维基百科，wiki ，书籍，书籍，图书馆，
文章 ，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。