不靠人類！最強AlphaGo Zero誕生 「自學3天」100:0秒殺AlphaGo

▲世界棋王柯潔今年中對決人工智慧AlphaGo，沒能扮演「人類最後希望」3戰皆敗。（圖／路透）

記者黃君瀚／綜合報導

今（2017）年5月，DeepMind公司創造的AlphaGo與圍棋世界冠軍柯潔在中國烏鎮對弈，以壓倒性的3：0勝出，人工智慧發展震驚全球。不可思議的是，時隔不到半年，這個Google旗下的AI實驗室帶來更強大的AlphaGo Zero，它完全不需要倚靠人類的知識和指導，從零開始自我訓練，只花3天就100：0打敗舊版。

在過去，強大的人工智慧得依靠人類事前輸入大量資料，幫助它學習、訓練技能，Alpha Go成為圍棋大師前自然也不例外。近日DeepMind公司在《自然》（Nature）科學期刊上發表一篇學術論文〈不需要人類知識就稱霸圍棋〉（Mastering the game of Go without human knowledge），展示了強化版的程式AlphaGo Zero，證明在全球最困難的棋藝競技中，人工智慧可以在沒有任何人類知識的基礎上，純粹靠自我學習成為制霸王者。

AlphaGo Zero代表從零開始，DeepMind開發團隊只輸入了基本的圍棋規則，剩下的時間它會自行下棋，記錄下每次的勝負決策、不斷學習，自己成為自己的老師，加上沒有人類的經驗和成規束縛，讓人工智慧突破舊有的知識限制，發展出新的弈棋策略，很快的達到登峰造極新境界。

▲有史以來最強的AlphaGo Zero來了，它完全不需要以靠人類，自學成為無敵。（圖／翻攝DeepMind）

AlphaGo Zero誕生後，只花了3天時間就贏了去年打敗李世乭的AlphaGo版本，局數勝負是毫無懸念的100：0。21天之後，AlphaGo Zero再度進化，能力超越了今年中打敗世界冠軍柯潔的AlphaGo Master版本；40天後，它完成了2900萬次的對戰學習，與過去最強的AlphaGo對弈，它的勝率來到90%，成為了至今最優秀的版本，也是歷史上最強的「圍棋棋手」。

DeepMind指出，他們不使用任何人類知識，AlphaGo Zero用上的是新的「強化學習」方法，透過神經網路和演算法結合，持續自我對弈練習幾百萬、幾千萬場，每次的更新都能增強、調整系統，用以預測下一步落子的方向和遊戲輸贏走勢。幾天時間內，AlphaGo Zero就從一塊純潔的白板，在上頭不斷揮灑、創造知識，很快勝過了人類累積千年的圍棋智慧。

▼AlphaGo Zero學習歷程。（圖／翻攝DeepMind）