人机大战时 柯洁面对的就是AlphaGo Zero
北京时间10月19日凌晨，DeepMind 如约公布了他们最新版AlphaGo论文，文中透露最新版本的AlphaGo Zero，使用纯强化学习，将价值网络和策略网络整合为一个神经网络，3天训练后就以100比0击败了上一版本的AlphaGo，也就是那个4-1战胜李世石的版本。
今年5月乌镇围棋大赛时，DeepMind CEO哈萨比斯表示，将在今年晚些时候公布战胜了柯洁的那版AlphaGo的技术细节。今天，这个承诺如约兑现，DeepMind将他们最新的内容发表于Nature的一篇论文中，详细介绍了迄今最强大的一版AlphaGo—— AlphaGo Zero。
AlphaGo Zero完全不依赖于人类数据，仅在条件确定的情况下进行自我对弈训练，也就是通常我们所理解的“左右互搏”。一开始它只是一个初学者，但是随着数据和训练的积累，AlphaGo Zero很快掌握了下棋的技巧。由最开始的关注吃子，逐渐摸索到势与地这些围棋最难判断的技术区域。
仅仅3天的训练过后，AlphaGo Zero就能以100-0击败第一次人机大战时4-1击败李世石的版本，也就是AlphaGo Lee（V18）。训练21天后，它就已经达到AlphaGo Master的水准。随后的AlphaGo Zero已经远远超过Master的水准，而这样一个恐怖的“怪物”就是柯洁在5月份乌镇所面对的对手。
（文玄）
声明：新浪网独家稿件，未经授权禁止转载！
