澎湃新聞10月20日報導，DeepMind公司10月18日新發布的最強版阿爾法狗（AlphaGo Zero）僅用3天時間，490萬盤自我對弈的訓練數據，一臺機器和4個TPU就打敗了戰勝過韓國棋手李世石對弈的AlphaGo。該團隊成員稱，公司內部已經停止了AlphaGo的強化研究，他們正著手開發星際爭霸。
AlphaGo項目首席研究員，大衛·席爾瓦 澎湃新聞視頻截圖
僅用3天時間，490萬盤自我對弈的訓練數據，一臺機器和4個TPU就打敗了戰勝過韓國棋手李世石對弈的AlphaGo，DeepMind公司10月18日新發布的最強版AlphaGo Zero技驚四座。
在最新的論文和官方博客中，DeepMind聯合創始人兼CEO 、AlphaGo之父戴密斯·哈薩比斯（Demis Hassabis）和AlphaGo團隊負責人大衛·席爾瓦（Dave Sliver） 將AlphaGo Zero的成功歸咎於強化學習的升級。這一次，他們僅採用單一的神經網絡，綜合了策略網絡和價值網絡兩種此前用的方法，在不用人類棋譜的情況下，完成了上所述的成就。
10月19日，大衛·席爾瓦與團隊另一成員 Julian Schrittwieser 代表 AlphaGo ，在問答新聞社區Reddit上回答了網友的提問。
在問答過程中，席爾瓦透露，目前，DeepMind內部已經停止了強化 AlphaGo 的積極研究，但仍保留了研究試驗臺，以供 DeepMind 人員驗證新思路和新算法。至於未來是否會開源給全球開發者共享。席爾瓦表示，DeepMind之前已經開源了大量的代碼，但過程一直非常複雜。不幸的是，AlphaGo 項目的代碼庫更加複雜，甚至可以說複雜的過分了。
值得一提的是，據兩位成員透露，在開發AlphaGo的過程中，DeepMind團隊遇到的最大困難是在與李世石比賽期間出現的。當時，團隊意識到 AlphaGo 偶爾會受到錯覺（delusion）的影響。即對弈中，會持續多次系統地誤解當前的棋局。他們嘗試了很多方法來解決，如給程序灌輸更多的圍棋知識或人類元知識。這一次他們的解決方法是讓系統的算法變得更加條理化，使用更少的知識，更多地依賴強化學習來生成更高質量的解決方案。從最終結果看，效果還不錯。
AlphaGo Zero更多依靠強化學習算法，而不是人類數據的方法，也引發了算法和數據之間哪個更重要的討論。在Julian Schrittwieser看來，目前算法仍然比數據更重要，只要看看 AlphaGo Zero 比之前幾個版本的訓練效率高出那麼多就能理解。但這也表明，未來，數據在訓練效率上的重要性還會有很大的提升。
DeepMind與暴雪合作打造的圖形界面，將把《星際爭霸 2》簡化成基本的視覺圖形 圖源：鎢絲科技
另外，網友還特別關心了DeepMind星際爭霸人工智慧的開發進度，Julian Schrittwieser回答道：「我們宣布開放星際爭霸 2 環境剛過去幾個星期，所以現在還處於早期階段。星際爭霸的行動空間確實要比圍棋更具挑戰性，因為其觀察空間要遠大於圍棋。從技術上講，我認為兩者最大的區別之一在於圍棋是一種完美信息博弈，而星際爭霸因為有戰爭迷霧，屬於不完美信息博弈。」
在問答中，也有網友將DeepMind的人工智慧與Facebook的研究做比較，兩者究竟誰更勝一籌。對於這個問題，席爾瓦說：「Facebook 更關注監督學習，它能產生當時性能最優的模型；而我們更關注強化學習，因為我們相信它最終會超越人類已有的知識而進一步取得提升。我們最近的結果實際上表明，只有監督學習確實可實現令人驚嘆的表現，但強化學習絕對是超越人類水平的關鍵。」
澎湃新聞記者/王心馨