AlphaZero

DeepMind电脑程序

AlphaZeroDeepMind所开发的人工智能软体[1]

简介

AlphaZero使用与AlphaGo Zero类似但更一般性的演算法,在不做太多改变的前提下,并将演算法从围棋延伸到将棋国际象棋上。AlphaZero与AlphaGo Zero不同之处在于[1]

  • AlphaZero的超参数是写死的。
  • AlphaZero现在会不断更新人工神经网络
  • 围棋在某些情况是对称或是可旋转的,AlphaGo Zero的程式利用这个特性降低计算复杂性,AlphaZero因为延伸到将棋与国际象棋则拿掉了这段程式。
  • 西洋棋有已知的和局终局资料库英语Endgame tablebase,所以AlphaZero利用这个终局资料库纳入计算。

与Stockfish以及elmo的比较

AlphaZero基于蒙特卡洛树搜索,每秒只能搜寻8万步(西洋棋)与4万步(将棋),相较于Stockfish每秒可以7000万步,以及elmo日语elmo (コンピュータ将棋ソフト)每秒可以3500万步,AlphaZero则是利用了类神经网路提升了搜寻的品质[1]

训练

AlphaZero使用了5,000颗第一代的TPU进行训练。

成绩

西洋棋

在4小时的训练后(约自我训练4400万局[1]:Table S3),AlphaZero以28胜72和0败的成绩打败Stockfish[1]:Table 1

将棋

在12小时的训练后(约自我训练2400万局[1]:Table S3),AlphaZero以90胜2和8败的成绩打败elmo日语elmo (コンピュータ将棋ソフト)[1]:Table 1

围棋

在34小时的训练后(约自我训练2100万局[1]:Table S3),AlphaZero以60胜40败的成绩打败AlphaGo Zero[1]:Table 1

相关连结

参考资料

外部链接