AI Leads the Life

最新推荐文章于 2025-12-12 09:51:04 发布

原创最新推荐文章于 2025-12-12 09:51:04 发布 · 241 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#AI

AI 专栏收录该内容

4 篇文章

订阅专栏

Question1：AlphaGovs AlphaGo Zero

一、AlphaGo与AlphaGo Zero的不同之处体现在哪里？

从使用策略和技术层面回答。

AlphaGo Zero Theory（AI领域）:

1、使用策略：蒙特卡洛树搜索Tree Search 针对国际象棋，对于国际象棋搜索树的结构：可能发生的情况比围棋少的太多太多，因此通过计算机的广泛搜索完全可行！而在围棋中放弃了广泛搜索，取而代之的是深度搜索！之所以这样做，其目的是为了节省计算资源！对于有限的情况，它的分析更加准确，在使用蒙特卡洛树搜索Tree Search的同时还要加上神经网络结构，用来对当前状态进行评估和做出决策！

2、技术层面：一个简单的神经网络包括三个方面：1、接受外部信息（通过神经网络内部千万个神经结点将接收到的信息进行加工处理à可比作为人类的“理解过程”）2、将理解的东西输出，可以是下一个要采取的动作或者是对当前下棋状态的评估（采取两套神经网络系统：一个神经网络基于当前状态给出下一个状态；一个神经网络用来评估当前的状态是否对自己有利）3、神经网络配合搜索树来提供好的行为，这些好的行为作为训练数据反过来训练神经网络，这样一来一回使用强化学习的方法不断训练，我们的神经网络就会不断提高下棋的能力à这就是AlphaGo能够战胜人类的主要原因；

AlphaGo Zero Theory（AI领域）:

1、使用策略：self-play（自我学习）AlphaGo Zero完全没有学习人类的任何棋谱……即无需学习下棋原则，可谓“ 无师自通“（这就是它的神秘之处）！！！

2、技术层面：两套神经网络系统融合成à一个神经网络系统，从而能更加有效的利用资源，取代GPUà使用自家的TPU计算；使用的个数不断降低，然而学习的效果不断的上升！！在短短40天没有陪练的情况下，战胜它之前的所有版本（或者称之为前辈），在围棋场上所向披靡！！

一个无师自通AlphaGo的产生，并不仅仅意味着我们的AI能在围棋场上战胜人类，放眼未来，它还意味着在更多方面，我们能使用这样的AI创造出更多人类历史上的新篇！