AlphaZero
 | 此條目需要擴充。 (2018年5月8日) |
 | 此條目需要精通或熟悉相关主题的编者参与及协助编辑。 (2018年5月8日) |
AlphaZero是DeepMind所開發的人工智能軟體[1]。
簡介[编辑]
AlphaZero使用與AlphaGo Zero類似但更一般性的演算法，在不做太多改變的前提下，並將演算法從圍棋延伸到将棋與國際象棋上。AlphaZero與AlphaGo Zero不同之處在於[1]：
- AlphaZero的超参数是寫死的。
- AlphaZero現在會不斷更新人工神经网络。
- 圍棋在某些情況是對稱或是可旋轉的，AlphaGo Zero的程式利用這個特性降低計算複雜性，AlphaZero因為延伸到將棋與國際象棋則拿掉了這段程式。
- 西洋棋有已知的和局終局資料庫，所以AlphaZero利用這個終局資料庫納入計算。
與Stockfish以及elmo的比較[编辑]
AlphaZero基於蒙特卡洛树搜索，每秒只能搜尋8萬步（西洋棋）與4萬步（將棋），相較於Stockfish每秒可以7000萬步，以及elmo每秒可以3500萬步，AlphaZero則是利用了類神經網路提昇了搜尋的品質[1]。
訓練[编辑]
AlphaZero使用了5,000顆第一代的TPU進行訓練。
成績[编辑]
西洋棋[编辑]
在4小時的訓練後（約自我訓練4400萬局[1]:Table S3），AlphaZero以28勝72和0敗的成績打敗Stockfish[1]:Table 1。
將棋[编辑]
在12小時的訓練後（約自我訓練2400萬局[1]:Table S3），AlphaZero以90勝2和8敗的成績打敗elmo[1]:Table 1。
圍棋[编辑]
在34小時的訓練後（約自我訓練2100萬局[1]:Table S3），AlphaZero以60勝40敗的成績打敗AlphaGo Zero[1]:Table 1。
相關連結[编辑]
參考資料[编辑]
外部連結[编辑]
- Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm（页面存档备份，存于互联网档案馆），AlphaZero的論文。
- Game Downloads（页面存档备份，存于互联网档案馆），AlphaZero與西洋棋軟體Stockfish的對弈記錄。
- Chess.com Youtube playlist for AlphaZero vs. Stockfish（页面存档备份，存于互联网档案馆）