AlphaZero

本頁使用了標題或全文手工轉換
維基百科,自由的百科全書

AlphaZeroDeepMind所開發的人工智能軟件[1]

簡介[編輯]

AlphaZero使用與AlphaGo Zero類似但更一般性的演算法,在不做太多改變的前提下,並將演算法從圍棋延伸到將棋國際象棋上。AlphaZero與AlphaGo Zero不同之處在於[1]

  • AlphaZero的超參數是寫死的。
  • AlphaZero現在會不斷更新類神經網絡
  • 圍棋在某些情況是對稱或是可旋轉的,AlphaGo Zero的程式利用這個特性降低計算複雜性,AlphaZero因為延伸到將棋與國際象棋則拿掉了這段程式。
  • 國際象棋有已知的和局終局資料庫英語Endgame tablebase,所以AlphaZero利用這個終局資料庫納入計算。

與Stockfish以及elmo的比較[編輯]

AlphaZero基於蒙特卡洛樹搜尋,每秒只能搜尋8萬步(國際象棋)與4萬步(將棋),相較於Stockfish每秒可以7000萬步,以及elmo日語elmo (コンピュータ将棋ソフト)每秒可以3500萬步,AlphaZero則是利用了類神經網絡提昇了搜尋的質素[1]

訓練[編輯]

AlphaZero使用了5,000顆第一代的TPU進行訓練。

成績[編輯]

國際象棋[編輯]

在4小時的訓練後(約自我訓練4400萬局[1]:Table S3),AlphaZero以28勝72和0敗的成績打敗Stockfish[1]:Table 1

將棋[編輯]

在12小時的訓練後(約自我訓練2400萬局[1]:Table S3),AlphaZero以90勝2和8敗的成績打敗elmo日語elmo (コンピュータ将棋ソフト)[1]:Table 1

圍棋[編輯]

在34小時的訓練後(約自我訓練2100萬局[1]:Table S3),AlphaZero以60勝40敗的成績打敗AlphaGo Zero[1]:Table 1

相關連結[編輯]

參考資料[編輯]

外部連結[編輯]