比AlphaGo更恐怖！AlphaZero荣登《科学》杂志

检视相片

第一款通才型自主学习人工智慧AlphaZero 同时打败围棋、将棋、西洋棋的世界顶尖AI （图／翻摄自DeepMind 网站）

更多

由人工智慧研发团队DeepMind 发表的AlphaZero 登上最新一期《科学》杂志封面。这已经不是DeepMind 第一次登上国外权威杂志的封面，每一次DeepMind 被报导都会获得人工智慧学界的一阵欢呼，这次更是如此。同时击败围棋、将棋、西洋棋最强AI 的AlphaZero ，被认为可能代表着深度学习AI 的终极解答。

《科学》杂志表示，如果人们想透过一套计算方式去解决多个不同的复杂问题，那么唯一能够达成这目标的办法就是，创造一个自主学习的人工智能系统，让它自行学着去解决问题。而AlphaZero 办到了。

视相片

（图／翻摄自fossbytes ）

根据DeepMind 的介绍， AlphaZero 使用完全无需人工特征、无需任何人类棋谱、甚至无需任何特定最佳化的通用强化学习演算法。举例来说，由于围棋的规则明显和其他棋类如西洋棋、将棋不同，像是围棋的每一子都是完全相同的、且棋盘也是完全对称的。

为了因应围棋的特殊性， AlphaZero 的前身AlphaGo Zero 便有设计专为围棋使用的特殊计算程式。但AlphaZero 没有，作为一个「通用型」学习AI ， AlphaZero 完全仅依靠深度神经网络和蒙特卡洛搜索树算法的自我学习。在完全没有输入人类的棋谱、没有输入特别设计的专用计算程式的情况下，只借着自我对弈的不断学习， AlphaZero 就已经能够分别在围棋将棋西洋棋击败了原本的世界最强AI 。

而且， AlphaZero 打败原本的西洋棋世界最强AI 只花了4 小时学习，打败原本的将棋世界最强AI 只花了2 小时学习。打败原本的围棋世界最强AI 只花了30 小时学习。AlphaZero 最大的特色就是可以学会并精通不同的棋类竞赛，而且它每一步棋所须计算的可能性变化，比之前的AI 要来得少许多。换句话说， AlphaZero 并不是去无限量的计算棋盘所有可能性，而是透过自己的深度神经网络研判，专注于小范围的计算。

视相片

（图／翻摄自DeepMind 网站）

这样的「思考模式」，其实正和一般人类棋士无异。西洋棋前世界冠军Garry Kasparov 就表示， AlphaZero 的下棋风格灵活多变，「和我很像！」，且不同于其他AI 程式倾向保守的先求立于不败， AlphaZero 非常具有侵略性，更喜欢冒险。传统的人工智慧程式在下棋时，凭借强大计算能力很少犯错，但在面对不清楚「该计算什么」的局面时，便容易出现失误。反观AlphaZero ，它呈现出的是一种「感觉」、「洞察」，一种对棋盘上局势发展的直觉。

曾和AlphaGo Zero 对奕的围棋棋士李世石便说过「我改变了看法， AlphaGo Zero 不只是机器，它具有创造性」。而现在同时精通围棋将棋西洋棋的AlphaZero ，显然拥有更强更灵活的创造能力。

过往的人工智慧程式，往往只能精通专一领域，只能处理特定情境的问题。但AlphaZero 不同，它能够适应各种规则。这让人相信，未来可以将这深度自主学习的AI 能力，运用在其他问题上。比如说， DeepMind 团队开发的最新家族成员AlphaFord ，便是投入在学习基因序列的蛋白质结构相关问题。假如在此领域AlphaFord 也能获得惊人成就，那可不同于在棋类竞赛赢过对手，将会真正替人类社会带来巨大改变。

下一次登上封面的会否就是AlphaFord ？深度学习的人工智慧究竟能发展到何种里程碑，让我们一起期待吧。