AlphaZero
 | 此条目需要扩充。 (2018年5月8日) |
 | 此条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所开发的人工智能软体[1]。
简介[编辑]
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与国际象棋上。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，所以AlphaZero利用这个终局资料库纳入计算。
与Stockfish以及elmo的比较[编辑]
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[编辑]
AlphaZero使用了5,000颗第一代的TPU进行训练。
成绩[编辑]
西洋棋[编辑]
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[编辑]
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[1]:Table 1。
围棋[编辑]
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[编辑]
参考资料[编辑]
外部链接[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的论文。
- Game Downloads（页面存档备份，存于互联网档案馆），AlphaZero与西洋棋软体Stockfish的对弈记录。
- Chess.com Youtube playlist for AlphaZero vs. Stockfish（页面存档备份，存于互联网档案馆）