中青在线讯（中国青年报·中青在线记者 张茜） 10月18日，《自然》杂志网站公布的论文显示，此前战胜人类围棋世界冠军的电脑程序AlphaGo的开发团队又出力作——新程序AlphaGo Zero（阿尔法元）不依靠人类指导和经验，仅凭自身算法强化学习，就以100:0的战绩击败了AlphaGo（阿尔法狗）。
    此消息给世人带来了不小的震动。此前被AlphaGo 击败的世界知名围棋选手柯洁今早在社交平台上表示：“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。”
    那么，经过升级的AlphaGo Zero 到底是如做到“长江后浪推前浪”的呢？
    人工智能的最大挑战是研发一种能从零开始、以超人类的水平学习复杂概念的算法。
    《自然》杂志的公开消息称，为了打败人类围棋世界冠军，科学家在训练上一款AlphaGo时，同时用到了监督式学习（基于上百万种人类专业选手的下棋步骤）和基于自我对弈的强化学习。此前那款AlphaGo的训练过程长达几个月，用到多台机器和48个TPU（神经网络训练所需的专业芯片）。
    而在最新发表的论文中，作者David Silver, Julian Schrittwieser, Karen Simonyan, Demis Hassabis等在介绍AlphaGo Zero时表示，它的学习从零开始，且单纯基于与自己的对弈。人类的输入没有超出游戏规则以外的任何指导、数据以及内部知识。
    AlphaGo Zero仅用到一张神经网络，这张网络经过训练，专门预测程序自身的棋步和棋局的赢家，在每次自我对弈中进步。新程序只使用一台机器和4个TPU。
    通过几天的训练——包括近500万局自我对弈——AlphaGo Zero便能够超越人类并打败所有之前的AlphaGo版本。
    David Silver团队在其公司DeepMind网站中总结道，AlphaGo Zero相比与AlphaGo 的更强大之处恰恰在于：“它再也不会受到人类经验的限制，而是可以不断向世界上最强的围棋手——也就是它自己学习到非既定的能力。”
    《自然》杂志也在社交平台上表示，随着程序训练的进行，AlphaGo Zero独立发现了人类用几千年才总结出来的围棋规律，还建立了新的战略，为这个古老的游戏带来新见解。
 
责任编辑：张义凌
华富劳务公司