您的位置: 首页 >互联网 > 数码 > 正文

AlphaZero完胜三大世界冠军棋类程序:5000个TPU、自学一天

2017-12-07 16:16:05来源:

原标题:AlphaZero完胜三大世界冠军棋类程序:5000个TPU、自学一天

Root 编译整理

昨天,DeepMind团队又在arXiv上扔了个重磅炸弹,新一代AlphaZero在用了强劲的计算资源(5000个一代TPU和64个二代TPU)之后,用不到24小时的时间自我对弈(tabula rasa,也叫白板)强化学习,接连击败了三个世界冠军级的程序(国际象棋、将棋、围棋)。

<iframe allowfullscreen="" data-src="https://v.qq.com/iframe/preview.html?vid=i0515g2phel&width=500&height=375&auto=0" src="https://v.qq.com/iframe/preview.html?vid=i0515g2phel&width=500&height=375&auto=0"></iframe>

AlphaZero和国际象棋冠军程序对弈

其中包括上一代冠军围棋程序AlphaGo Zero,这个程序发布还不到两个月,DeepMind就又把自己颠覆了(所以谷歌团队自我进化速度的时间单位都是按天计,可怕)。

AlphaZero的百局战绩

  • 对弈国际象棋程序Stockfish:28胜,72平;

  • 对弈将棋程序 Elmo:90胜,2平,8负;

  • 对弈围棋程序AlphaGo Zero:60胜,40负。

AlphaZero自我对弈的训练时间

  • 训练次数 | 训练时间 | 对弈冠军棋类程序

  • 30万,2小时,击败将棋Elmo

  • 11万,4小时,击败国际象棋Stockfish

  • 16.5万,8小时,击败围棋AlphaGo

把Go去掉,意味着AlphaZero ,已经是比AlphaGo Zero更通用的程序。

一直以来,尽管众多顶尖的AI的程序都超过了人类世界冠军的水平,但它们都只能在单一的领域执行单一的任务,并不能把这种击败人类的超能力泛化到其他任务中。

而DeepMind的野心可不仅仅是在棋类游戏上超越人类,这次他们研究出了这个更通用的程序AlphaZero,将会马上投入到蛋白折叠的应用上

官方称,他们不久就会发表相关论文,通过检测出蛋白错误折叠来快速诊断神经退行性疾病,比如阿尔茨海默症,帕金森,囊状纤维化。

期待AlphaZero在医疗健康领域的表现。

更多棋技的讨论,可以参看知乎上的PENG Bo的评价:https://zhuanlan.zhihu.com/p/31749249

原论文链接:https://arxiv.org/pdf/1712.01815.pdf

推荐阅读
  • 电影花絮
  • 电影情报
  • 圈子新闻
  • 电影新闻
  • 电影搜罗
  • 电视剧
  • 影视演员