阿爾法狗最新消息：憑什麼打敗世界冠軍？阿爾法狗再進化——最強阿爾法狗誕生記！
據瞭解，DeepMind團隊公佈的最強版AlphaGo ，新版本代號AlphaGo Zero。
它的獨門祕籍，是“自學成才”。
而且，是從一張白紙開始，零基礎學習，在短短3天內，成爲頂級高手。
團隊稱，AlphaGo Zero的水平已經超過之前所有版本的AlphaGo。
在對陣曾贏下韓國棋手李世石那版AlphaGo時，AlphaGo Zero取得了100:0的壓倒性戰績。
DeepMind團隊將關於AlphaGo Zero的相關研究以論文的形式，刊發在了10月18日（倫敦當地時間）的《自然》雜誌上。
“AlphaGo在兩年內達到的成績令人震驚。現在，AlphaGo Zero是我們最強版本，它提升了很多。Zero提高了計算效率，並且沒有使用到任何人類圍棋數據。”
AlphaGo之父、DeepMind聯合創始人兼CEO戴密斯·哈薩比斯（Demis Hassabis）說。
“最終，我們想要利用它的算法突破，去幫助解決各種緊迫的現實世界問題，如蛋白質摺疊或設計新材料。如果我們通過AlphaGo，可以在這些問題上取得進展，那麼它就有潛力推動人們理解生命，並以積極的方式影響我們的生活。”
問題來了：阿爾法狗之父揭祕最強“狗”如何煉成？
AlphaGo的前幾代版本，一開始用上千盤人類業餘和專業棋手的棋譜進行訓練，學習如何下圍棋。
AlphaGo Zero則跳過了這個步驟，自我對弈學習下棋，完全從亂下開始。
用這種方法，它很快超過了人類水平，對陣此前戰勝人類冠軍李世石的前代AlphaGo取得了100連勝。
AlphaGo Zero之所以能當自己的老師，是用了一種叫強化學習的新模式。
系統從一個對圍棋一無所知的神經網絡開始，將該神經網絡和一個強力搜索算法結合，自我對弈。
在對弈過程中，神經網絡不斷調整、升級，預測每一步落子和最終的勝利者。
升級後的神經網絡與搜索網絡結合成一個更強的新版本AlphaGo Zero，如此往復循環。
每過一輪，系統的表現就提高了一點點，自我對弈的質量也提高了一點點。神經網絡越來越準確，AlphaGo Zero的版本也越來越強。
這種技術比此前所有版本的AlphaGo都更爲強大。這是因爲，它不再受到人類知識的限制，而能夠從嬰兒般的白紙狀態，直接向世界上最強大的棋手——AlphaGo本身學起。
AlphaGo Zero相較前代還有幾點明顯的差別：
首先，AlphaGo Zero僅用棋盤上的黑白子作爲輸入，而前代則包括了小部分人工設計的特徵輸入。
其次，AlphaGo Zero僅用了單一的神經網絡。在此前的版本中，AlphaGo用到了“策略網絡”來選擇下一步棋的走法，以及使用“價值網絡”來預測每一步棋後的贏家。
而在新的版本中，這兩個神經網絡合二爲一，從而讓它能得到更高效的訓練和評估。
第三，AlphaGo Zero並不使用快速、隨機的走子方法。在此前的版本中，AlphaGo用的是快速走子方法，來預測哪個玩家會從當前的局面中贏得比賽。相反，新版本依靠的是其高質量的神經網絡來評估下棋的局勢。
所有這些差異，都提高了系統的表現，使其更爲普適。不過，是算法上的變化使得系統更爲強大和高效。
僅僅自我對弈3天后，AlphaGo Zero就以100：0完勝了此前擊敗世界冠軍李世石的AlphaGo版本。
自我對弈40天后，AlphaGo Zero變得更爲強大，超過了此前擊敗當今第一人柯潔的“大師”版AlphaGo。
通過數百萬次自我對弈，AlphaGo從零開始掌握了圍棋，在短短几天內就積累起了人類幾千年纔有的知識。
AlphaGo Zero也發現了新的知識，發展出打破常規的策略和新招，與它在對戰李世石和柯潔時創造的那些交相輝映，卻又更勝一籌。
這些創造性的時刻給了我們信心：人工智能會成爲人類智慧的增強器，幫助我們解決人類正在面臨的一些嚴峻挑戰 。
儘管纔剛剛發展起來，AlphaGo Zero已經走出了通向上述目標的關鍵一步。
如果類似的技術可以應用在其他結構性問題，比如蛋白質摺疊、減少能耗和尋找新材料上，就能創造出有益於社會的突破。
