重現AlphaGoZero 風採,Facebook 開源 ELF OpenGo

2020-11-28 開源中國

近日，Facebook AI Research（FAIR）在其官方博客宣布開源他們開發的曾打敗專業圍棋棋手的 AI 圍棋機器人 ELF OpenGo，包括原始碼和訓練好的模型。

開發團隊表示，受 DeepMind 的啟發，他們在今年早些時候啟動了一項使用 FAIR 的可擴展、輕量級框架 ELF 進行強化學習研究的工作，希望能重現與 AlphaGoZero 最接近的結果，最終創建一個能自學圍棋並達到人類職業棋手或更高水平的開源系統。

ELF OpenGo 是他們用兩千塊 GPU 訓練約兩到三周後得到的圍棋 AI ，目前已成功戰勝其他開源機器人和人類棋手。ELF OpenGo 在 4 月 25 日曾與目前公開可用的最強大的圍棋機器人 LeelaZero 進行了 200 場比賽，最終以 198 勝 2 負 的成績贏得勝利，而且是在使用默認設置的情況下。此外，OpenGo 還和世界排名前 30 的四位職業圍棋棋手（金志錫，申真諝，樸永訓及崔哲瀚）進行對弈，並以 14：0 的成績贏得了所有的比賽。在比賽中 OpenGo 使用單塊 GPU 每步 50 秒的搜索時間（每步搜索 8 萬個局面），而人類棋手並沒有限制下棋思考的時間。

開發團隊表示，此次開放訓練代碼、測試代碼和模型，是希望激勵他人思考這項技術的新應用和研究方向，期待社區能夠帶來更進一步的探索。同時也是藉此機會推廣一下 ELF 平臺和 PyTorch 深度學習框架，希望更多的人能使用和完善它。

相關焦點

  • Facebook開源物體識別工具Detectron,加速計算機視覺研究
    不久前，FAIR才開源了語音識別的工具wav2letter，戳這裡看大數據文摘介紹《快訊 | Facebook開源語音識別工具包wav2letter》。針對Detectron的開源，研究員Ross Girshick發表了一篇博客，具體介紹了該開源平臺的性能。
  • 【NIPS2017】你也可以成為遊戲高手,Facebook FAIR實驗室田淵棟研究員PPT詳解(附下載)
    【導讀】FacebookAI研究院田淵棟在NIPS2017發表oral Talk，介紹在之前已經開源的遊戲平臺ELF。
  • 學界| Facebook新論文介紹相似性搜索新突破:在GPU上實現十億規模
    該團隊已經將相關實現的代碼進行了開源。機器之心在此對該研究論文及其代碼項目進行了簡單介紹。論文地址：https://arxiv.org/abs/1702.08734開源地址：https://github.com/facebookresearch/faiss摘要相似性搜索（similarity search）可以在用於圖像或視頻等複雜數據處理的專用資料庫系統中尋找應用，這些複雜數據通常是用高維特徵表示的，而且往往需要特定的索引結構（indexing
  • Facebook 開源 CV 開發平臺 Detectron,打包支持各種物體識別算法
    雷鋒網 AI 科技評論消息，Facebook 人工智慧實驗室今日宣布開源自己的頂級物體檢測研究平臺 Detectron，為廣大研究人員們未來的新計算機視覺研究課題提供靈活、快速的模型實現和評估途徑。這次 Facebook 開源 Detectron 也是希望讓他們的研究儘可能開放，並且幫助加速全世界的實驗室的研究進度。在這個版本發布以後，整個研究社區都可以重複 Facebook 論文中的實驗結果，並且可以和 Facebook 人工智慧實驗室使用同樣的軟體平臺。
  • Facebook開源TTS神經網絡VoiceLoop:基於室外聲音的語音合成
    目前 VoiceLoop 已在 GitHub 上開源並附有 PyTorch 實現。機器之心對論文摘要進行了編譯。論文與GitHub連結請見文中。項目地址：https://github.com/facebookresearch/loopVoiceLoop 是一個文本轉語音（TTS）的神經系統，能夠把文本轉化為在室外採樣的聲音中的語音。這裡有一些演示樣本（https://ytaigman.github.io/loop/site/）。
  • 速度、準確率與泛化性能媲美SOTA CNN,Facebook開源高效圖像...
    DeiT 方法由 Facebook AI 與索邦大學的 Matthieu Cord 教授合作開發，目前代碼已開源。論文地址：https://arxiv.org/pdf/2012.12877.pdfGitHub 地址：https://github.com/facebookresearch/deit方法圖像分類是理解一張圖像主要內容的任務，對於人類而言很簡單，但對機器來說卻很困難。
  • Facebook首次開源超級圍棋AI 復現AI高手AlphaZero
    最近，Facebook的人工智慧研究所（以下簡稱FAIR）宣布，他們開源了自研的圍棋AI訓練模型和代碼。這意味著，你可以隨時隨地和Facebook的人工智慧下圍棋了，而且此圍棋AI程序重現的是名噪一時的AI高手AlphaZero。
  • Facebook首次開源超級圍棋AI,復現AI高手AlphaZero
    最近，Facebook的人工智慧研究所(以下簡稱FAIR)宣布，他們開源了自研的圍棋AI訓練模型和代碼。這意味著，你可以隨時隨地和Facebook的人工智慧下圍棋了，而且此圍棋AI程序重現的是名噪一時的AI高手AlphaZero。
  • Facebook 開源聊天機器人 Blender,號稱全球最強
    Facebook AI 和機器學習部門 FAIR 發布博客宣布，經過多年研究，其已經構建和開源了一個新的聊天機器人 Blender。並稱，這是有史以來最大的開放域（Open-Domain）聊天機器人。「今天，我們將發布完整的模型、代碼和評估設置，以便其他 AI 研究人員能夠重現此工作，並繼續推進對話性 AI 研究。」據介紹，Blender 是第一個將各種對話技能（包括同理心、知識和個性）融合在一個系統中的聊天機器人。據人類評估者稱，在參與度方面，它比別人更出色，也感覺更人性化。
  • Facebook 發布無梯度優化開源工具 Nevergrad,可應用於各類機器...
    為了使得參數/超參數的調整更快、更簡單，Facebook 創建了一個名叫 Nevergrad（https://github.com/facebookresearch/nevergrad）的 Python 3 庫，並將它開源發布。Nevergrad 提供了許多不依賴梯度計算的優化算法，並將其呈現在標準的問答 Python 框架中。此外，Nevergrad 還包括了測試和評估工具。
  • Facebook 發布 Detectron2:基於 PyTorch 的新一代目標檢測工具
    雷鋒網 AI 開發者按：Detectron 是 FAIR 在 2018 年初公開的目標檢測平臺，包含了大量業內最具代表性的目標檢測、圖像分割、關鍵點檢測算法，該框架主要基於 python 和 caffe2 實現，開源項目已獲得了超 2.2w 的星標數。
  • Facebook新框架Ax和BoTorch雙雙開源
    新智元報導 來源：towardsdatascience編輯：大明【新智元導讀】近日，Facebook開源了兩款基於PyTorch的實驗框架Ax和BoTorch。Ax是一個面向自適應實驗的理解、管理、部署和自動化任務的通用平臺，BoTorch則主要面向貝葉斯優化任務。這兩個框架旨在簡化PyTorch應用中的自適應實驗流程。
  • Facebook AI的DETR,一種基於Transformer的目標檢測方法
    今天，Facebook開源了一個這樣的框架，DETR(DEtection TRansformer)在本文中，我們將快速了解目標檢測的概念，然後直接研究DETR及其帶來的好處。目標檢測在計算機視覺中，目標檢測是一項任務，我們希望我們的模型將對象與背景區分開，並預測圖像中存在的對象的位置和類別。
  • 谷歌幫助開發,正式支持TensorBoard | 5大開源項目
    此外，圍繞著打造「開發和協作的AI社區」的願景，Facebook還介紹了5大開源工具。同時，他們也分享了Facebook在自家程序中應用AI的情況，以及對AI研究的展望。5大開源工具為了更好地建設AI社區，今年的F8大會上，Facebook還開源了5大工具：Ax、BoTorch、idb、Memscout、Mvfst。
  • 南下「科守」洱海20年，洱海風採重現背後有一個上海「最美科技工作者」
    上海交通大學環境科學與工程學院教授孔海南，在過去近20年裡，平均每年超過200天和團隊待在雲南大理洱海邊的研究站裡不斷攻關，終讓曾因過度開發而汙染嚴重的洱海重現昔日大理「母親湖」的風採。團隊用10年積累、5年實踐、3年攻堅，讓曾被過度開發不堪重負的美麗洱海，逐步重現了昔日大理「母親湖」的風採。洱海治理成果獲雲南省科學技術進步一等獎，已被全國人大環資委在人民日報公開稱為「全國湖泊治理的生態樣本」。下一階段的治理目標是要回到洱海原初生態，可能還要十年。」孔海南說洱海還有很多年輕的「護海者」，他們會更能幹。
  • 從論文到測試:Facebook Detectron開源項目初探
    大家對Facebook的計算機視覺研究項目的開源期盼已久，經過1年多的漫長等待，今天Facebook終於開源了Detectron，Detectron開源項目使用caffe2和python接口。實現了10多篇計算機視覺最新的成果。下面我們簡單介紹一下Detectron所實現的論文。並且對Detectron進行初次測試，我們會在隨後的博客中更新我們自己測試得到的Detectron訓練模型和速度標準。
  • 加速AR對象分類,Facebook開源計算機視覺算法Detectron
    文章相關引用及參考：roadtovrFacebook今天正式開源基於深度學習框架的計算機視覺對象檢測算法平臺Detectron（映維網 2018年01月24日>）Facebook今天正式開源基於深度學習框架的計算機視覺對象檢測算法平臺Detectron。
  • 分析稱Facebook開源是為了建生態系統對抗谷歌
    【搜狐IT消息】北京時間4月8日消息，針對Facebook開源數據中心這一舉措，國外媒體發表評論文章分析了其動機。文章稱，Facebook一方面是為了兌現其承諾，另一方面是希望通過開源建立一個大的生態系統，藉助合作夥伴的力量縮小其與Google在數據中心技術方面的差距。
  • 加速AR對象分類 Facebook開源計算機視覺算法Detectron
    Facebook今天正式開源基於深度學習框架的計算機視覺對象檢測算法平臺Detectron。Facebook表示，開源項目是為了加速計算機視覺的研究。目前Facebook內部團隊正把Detectron平臺用於一系列的研究，比如增強現實。
  • 從噹噹看打造高星 GitHub 開源項目的經驗
    這兩個開源項目的背景不太一樣，elastic-job 是先於公司使用，基本成熟之後再開源於社區。而 sharding-jdbc 是先開源至社區，再於公司內部同步推廣落地。（小編：點擊文末連結了解 elastic-job 10 大特性介紹）截止到目前，我們做了 4 個月的開源相關的事情，雖然經驗並不豐富，但是也想和大家分享一下與開源相關的經驗和問題。