江苏龙网

  1. 首页 > 人文 > >

通用版AlphaGo登《Nature》！最强AI棋手，不懂规则也能精通游戏


通用版AlphaGo登《Nature》！最强AI棋手，不懂规则也能精通游戏文章插图
智东西（公众号：zhidxcom）
编译 | 子佩
编辑 | Panken
智东西12月24日消息 ， 继AlphaGo扬名海外后 ， DeepMind再推新模型MuZero ， 该模型可以在不知道游戏规则的情况下 ， 自学围棋、国际象棋、日本将棋和Atari游戏并制定最佳获胜策略 ， 论文今日发表至《Nature》 。
通用版AlphaGo登《Nature》！最强AI棋手，不懂规则也能精通游戏文章插图
论文链接：
自2016年 ， 令柯洁流泪、让李世石沉默的AlphaGo横空出世 ， 打遍棋坛无人能敌后 ， AI棋手的名号就此一炮打响 ， 而其背后的发明家DeepMind却没有因此止步 ， 四年之内迭代了四代AI棋手 ， 次次都有新突破 。
始祖AlphaGo基于人类棋手的训练数据和游戏规则 ， 采用了神经网络和树状搜索方法 ， 成为了第一个精通围棋的AI棋手 。
二代AlphaGo Zero于2017年在《Nature》发表 ， 与上代相比 ， 不需要人类棋手比赛数据作为训练集 ， 而是通过自对抗的方式自己训练出最佳模型 。
三代AlphaZero在2018年诞生 ， 将适应领域拓宽至国际象棋和日本将棋 ， 而不是仅限于围棋 。
第四代、也就是今天新公布MuZero最大的突破就在于可以在不知道游戏规则的情况下自学规则 ， 不仅在更灵活、更多变化的Atari游戏上代表了AI的最强水平 ， 同时在围棋、国际象棋、日本将棋领域也保持了相应的优势地位 。
通用版AlphaGo登《Nature》！最强AI棋手，不懂规则也能精通游戏文章插图
一、从未知中学习：三要素搭建动态模型与机器擅长重复性的计算和牢固的记忆不同 ， 人类最大的优势就是预测能力 ， 也就是通过环境、经验等相关信息 ， 推测可能会发生的事情 。
比如 ， 当我们看到乌云密布 ， 我们会推测今天可能有雨 ， 然后再重新考虑是否要出门 。 即使对于仅有几岁的孩子而言 ， 学会这种预测方式 ， 然后推广到生活的方方面面也是很容易 ， 但这对于机器来说并不简单 。
对此 ， DeepMind研究人员提出了两种方案：前向搜索和基于模型的规划算法 。
前向搜索在二代AlphaZero中就已经应用过了 ， 它借助对游戏规则或模拟复盘的深刻理解 ， 制定如跳棋、国际象棋和扑克等经典游戏的最佳策略 。 但这些的基础是已知游戏规则及对可能出现的状况大量模拟 ， 并不适用情况相对混乱的Atari游戏 ， 或者未知游戏规则的情况 。
基于模型的规划则是通过学习环境动态进行精准建模 ， 再给予模型给出最佳策略 。 但对于环境建模是很复杂的 ， 也不适用于Atari等视觉动画极多的游戏 。 目前来看 ， 能够在Atari游戏中获得最好结果的模型（如DQN、R2D2和Agent57） ， 都是无模型系统 ， 也就是不使用学习过的模型 ， 而是基于预测来采取下一步行动 。
也是由于以上两个方法中的优劣 ， MuZero没有对环境中所有的要素进行建模 ， 而是仅针对三个重要的要素：
1、价值：当前处境的好坏情况；
2、策略：目前能采取的最佳行动；
3、奖励：最后一个动作完成后情况的好坏 。
那接下来 ， 我们就来看看MuZero是如何通过这三个要素进行建模 。
MuZero从当前位置开始（动画顶部） ， 使用表示功能H将目前状况映射到神经网络中的嵌入层（S0） ， 并使用动态函数（G）和预测函数（F）来预测下一步应该采取的动作序列（A） 。
通用版AlphaGo登《Nature》！最强AI棋手，不懂规则也能精通游戏文章插图
基于蒙特卡洛树状搜索和MuZero神经网络进行规划
那如何知道这一步行动好不好呢？
MuZero会与环境进行互动 ， 也是模拟对手下一步的走向 。


推荐阅读


上一篇：或与美国劝说有关？传意大利电信意外决定：计划减少华为设备份额

下一篇：全球最受欢迎的4部5G手机：靠量取胜的小米竟榜上无名？