DeepMind以AlphaZero击败全球三大棋艺AI，连AlphaGoZero也是手下败将

Alphabet的人工智能子公司DeepMind 上周五（12/7）公布了人工智能系统AlphaZero的完整评估报告，并刊登于《科学》（Science）期刊上，各路棋艺高手则称赞AlphaZero发展出自己的风格，不但具备创造力，还可能成为重要的教学工具。

AlphaZero与其它传统AI棋艺引擎最大的不同在于它并非仰赖众多的规则，或是自专家的棋戏中学习，而是透过深度神经网络（Deep Neural Network）与通用目的算法展开自我学习，顶多只知道各种棋艺的基本规则。

AlphaZero挑战的对象是全球最强大的国际象棋程式Stockfish、将棋程式Elmo，以及同样由DeepMind所打造的围棋程式AlphaGo。它花在国际象棋的训练时间为9小时，将棋为12小时，围棋为13天，训练完毕之后，它在4个小时之后就胜过了Stockfish，在2小时之后便凌驾Elmo，并于30小时之后击败了AlphaGo。

研究人员解释，在学习每一款棋艺的过程中，AlphaZero从一个完全未经训练的神经网络，经由与自己对战数百万回合进行强化学习（Reinforcement Learning），一开始它完全是随机地下子，但它会从赢家与输家的走法中学习，同时调整其神经网络参数，而训练时间则取决于各种棋艺的风格及复杂程度。

现今世上最优秀的日本将棋棋士羽生善治（Yoshiharu Habu）指出，AlphaZero的某些走法，例如把王将（King）移到棋盘中央，根本有违将棋理论，从人类的角度来看，这让AlphaZero处于险恶之地，但令人难以置信的是，AlphaZero依然掌控着棋局，它的独特风格向大家展示了该游戏新的可能性。

经过完整训练的AlphaZero在与Stockfish、Elmo及AlphaGo竞赛时，展现了它的强大，在与Stockfish对战时，在1,000盘的棋戏中赢了155盘，只输了6盘；与Elmo对战的胜率更高达91.2%，与AlphaGo对战的胜率则是61%。

而令棋士们感到最有趣的部分在于自我学习的AlphaZero并没有受到传统的游戏智慧规范，而发展自己的直觉与策略，带来新鲜的想法，颠覆了几个世纪以来人们或专家对这些棋艺的思考。

国际象棋大师Matthew Sadler指出，他率先注意到的就是AlphaZero的风格，它有目的地以大量的棋子有力地围绕着国王，尽可能提高自己的行动力与移动性，同时最大限度地减少对方棋子的活动力及移动性，它完全不像传统的游戏程式，而好似获得了一本武林秘笈。

Sadler还说，传统的游戏程式几乎很少犯下明显的错误，但在缺乏没有具备或可计算的解决方案时即会游移不定，然而，AlphaZero却会在此时发挥它的感觉、洞察力或直觉。

另一名国际象棋大师Natasha Regan则说，AlphaZero的走法不管是与游戏程式或国际级专家都不同，可望成为强大的教学工具。

DeepMind的研究人员则认为，AlphaZero展现一个单一的算法如何能在一系列的设定中挖掘新知识，尽管目前仍处于早期开发阶段，但AlphaZero具备创意的见解再加上诸如AlphaFold等专案的结果让他们有信心能够建立一个通用的学习系统，有朝一日将可协助人们以新方法来解决重要及复杂的科学问题。