AlphaZero
DeepMind电脑程序
此條目需要擴充。 (2018年5月8日) |
此條目需要精通或熟悉相關主題的編者參與及協助編輯。 (2018年5月8日) |
簡介
編輯AlphaZero使用與AlphaGo Zero類似但更一般性的演算法,在不做太多改變的前提下,並將演算法從圍棋延伸到將棋與國際象棋上。AlphaZero與AlphaGo Zero不同之處在於[1]:
與Stockfish以及elmo的比較
編輯AlphaZero基於蒙特卡洛樹搜索,每秒只能搜尋8萬步(西洋棋)與4萬步(將棋),相較於Stockfish每秒可以7000萬步,以及elmo每秒可以3500萬步,AlphaZero則是利用了類神經網路提昇了搜尋的品質[1]。
訓練
編輯AlphaZero使用了5,000顆第一代的TPU進行訓練。
成績
編輯西洋棋
編輯在4小時的訓練後(約自我訓練4400萬局[1]:Table S3),AlphaZero以28勝72和0敗的成績打敗Stockfish[1]:Table 1。
將棋
編輯在12小時的訓練後(約自我訓練2400萬局[1]:Table S3),AlphaZero以90勝2和8敗的成績打敗elmo[1]:Table 1。
圍棋
編輯在34小時的訓練後(約自我訓練2100萬局[1]:Table S3),AlphaZero以60勝40敗的成績打敗AlphaGo Zero[1]:Table 1。
相關連結
編輯參考資料
編輯外部連結
編輯- Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm(頁面存檔備份,存於網際網路檔案館),AlphaZero的論文。
- Game Downloads(頁面存檔備份,存於網際網路檔案館),AlphaZero與西洋棋軟體Stockfish的對弈記錄。
- Chess.com Youtube playlist for AlphaZero vs. Stockfish(頁面存檔備份,存於網際網路檔案館)