AlphaGo Zero 文章来源： 财新网 作者：王烁
今天（10月19日）凌晨，谷歌旗下Deepmind团队在《自然》杂志发表人工智能界期待已久的论文《无须人类知识掌握围棋》（Mastering the game of go without human knowledge），印证了一个人们已经猜到的事实：今天的阿尔法围棋（AlphaGo）已经完全不是人了。
阿尔法围棋于2015年10月面世，击败欧洲冠军樊麾；2016年3月击败人类顶尖棋手之一李世石；2017年元旦前后在网络上化名大师（Master），60比0完败前来车轮战的人类一流棋手；2017年5月在乌镇3比0战胜当下人类最强者柯洁。
随后，Deepmind团队放出阿尔法围棋自战50局，人类陷入迷茫，完全看不懂。读完论文，就明白了为什么。
阿尔法演化得太快。
阿尔法樊麾版和李世石版是阿尔法围棋1.0版。它用了三种算法，策略网络加价值网络加蒙特卡洛树搜索，分别对应于人类的棋步选择、形势判断和深算；训练时，阿尔法1.0版走的是监督学习+强化学习路线，所谓监督学习，就是用人类的棋谱喂它，在此基础上，自我对弈，强化学习。阿尔法以人为师，学了半年，战胜人类。
到了阿尔法大师，已进化到阿尔法1.5版。大师仍然以人为师，但不再是三种算法并行，而是化归为一种创新的自我强化学习算法。如果我没读错论文的话，大体是自我对弈，用蒙特卡洛树搜索寻找最优下法，将输出结果作为输入值重新跑算法，如是反复迭代。
大师很强，但还是人的围棋。今天面世的论文则介绍了非人的围棋，阿尔法围棋2.0。除了使用新的自我强化学习算法，它完全放弃监督学习，而是直接从围棋规则开始，自我对弈，跑强化学习算法。
论文解释，在现实生活中，专业数据集往往昂贵或不可得，甚至可能给机器增加一层“天花板”。完全让机器自学，才有可能让它超越人类的局限性，发现前所未见的新方法。
这个阿尔法从零开始，所以，它的名字叫作零（Zero）。
谷歌用这个名字告诉人类，零需要的人类知识是零。它完全没有向人学棋，通过自我对弈学习。学到第36个小时的时候，已经超过李世石版；学过三天，自我对弈490万局，学成出关。
阿尔法零与李世石版大战100局，100比0。 与战绩一边倒相应的是算力消耗的一边倒：阿尔法零是单机版，只用4个TPU，李世石版使用了176个GPU（图形处理器）和48个TPU，而且学习时间是好几个月。
算法优化提升效率太多，大量减少对算力的要求。这篇论文因为提交时间较早没来得及提到，但我猜在乌镇战胜柯洁的那个阿尔法，肯定已是零——这次只带一台机器过来就可以了。
有意思的是，阿尔法零在预测职业棋手的下一步上，并不如李世石版精确，这说明零下的棋跟人下的棋已经不是同一种围棋：它不需要预知人类的下一步，因为人类下得有点差。
AlphaGo Zero 文章来源： 财新网 作者：王烁
