AlphaZero
此条目的主题是棋类电脑软件。关于DeepMind所开发的人工智能围棋软件，请见“AlphaGo Zero”。 | 此条目需要扩充。 (2018年5月8日) |
 |
AlphaZero是DeepMind所开发的人工智能软件[1]。
简介
[编辑]AlphaZero使用与AlphaGo Zero类似但更一般性的算法，在不做太多改变的前提下，并将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的超参数是硬编码的。
- 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的程序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序。
- 国际象棋有已知的和局终局数据库，所以AlphaZero利用这个终局数据库纳入计算。
与Stockfish以及elmo的比较
[编辑]AlphaZero基于蒙特卡洛树搜索，每秒只能搜索8万步（国际象棋）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则是利用了人工神经网络提升了搜索的质量[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]国际象棋
[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 。
相关链接
[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与国际象棋软件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）