AlphaGo Zero 阿尔法元为什么能无师自通？ _经验常识

Master版的阿尔法狗，怎么说都应该算是人类的学生，只不过青出于蓝而胜于蓝，现在被“纯自学野路子版”的阿尔法元吊打，的确颇有点让人情何以堪的滋味。
【AlphaGo Zero 阿尔法元为什么能无师自通？】

文章插图
要解释为什么阿尔法元（AlphaGo Zero）能无师自通，那答案取决于两个因素：首先是围棋的本质，其次是算法。即围棋这类完全信息博弈并且胜负判断精确且规则明确的问题，在本质上可以不依赖前人的探索，而完全从零开始在足够巧妙的算法和硬件配合下，既能在短时间内到达相当的水平和高度。这依赖的是首先可以进行自对弈，其次能从自对弈中提取分析胜败的相关因素和特征，并投入到下一轮自对弈中去进行检验。
对比一下人类的自学能力所需要的前置条件：首先，得有一个合格的人脑，即一个大约由数百亿神经元组合连接而成的硬件系统，其次得有一个基本的初始输入，包括认字脱盲拥有基础阅读理解能力，这可以类比为人类的算法系统。在这两者配合之下，至少部分人就拥有了不依赖老师，而自己学习新知识甚至开拓新领域的能力。
而AlphaGoZero并非一无所有，它有两大神经网络架构，供它从每一局的自对弈中提取分析胜败的特征算法，即自我反省能力，自我总结能力，并且将这种反省和总结立即投入到下一局的实战中进行校验的能力。
而之所以能只通过490万局自对弈就能胜过从前三千万局的成果，我想这主要是因为算法的改进，尤其是特征提取方面的改进造成的，要知道从前的AlpahGo的一些基础特征，比如虎口之类的认知靠的是外界输入设定的，这说明老版本的特征提取能力不强，当然在能够利用人类经验的情况下，许多棋型特征都可以作为先验知识输入，这样在初期显示出来的水平较高，但在后期则可能受制于这些权重较高的经验而误入歧途。
这就是为何阿尔法元的成功，证明了两件事。其一，围棋是可以完全从零开始进行AI化的游戏，其二，人类经验在一定程度上是有局限的，会限制AI在极高水平时候的提高和成长。但我们还是得看到，阿尔法元 vs Master版本时候，并未到达全胜，总还是给人类经验留下点颜面了。另外，看到阿尔法元的成长史，也颇为有趣，万丈高楼也得有个地基啊。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。