不只是围棋！AlphaGo Zero之后DeepMind推出泛化强化学习算法AlphaZero

文章预览

选自arXiv 作者：David Silver等 机器之心编译 在 DeepMind 发表 Nature 论文介绍 AlphaGo Zero 之后，这家公司一直在寻求将这种强大算法泛化到其他任务中的可能性。昨天，AlphaGo 研究团队提出了 AlphaZero：一种可以从零开始，通过自我对弈强化学习在多种任务上达到超越人类水平的新算法。据称，新的算法经过不到 24 小时的训练后，可以在国际象棋和日本将棋上击败目前业内顶尖的计算机程序（这些程序早已超越人类世界冠军水平），也可以轻松击败训练 3 天时间的 AlphaGo Zero。AlphaZero 为何如此强大？机器之心对论文全文进行了编译介绍，希望能以此带你一探究竟。 8 个小时训练击败李世石版本AlphaGo 12 小时训练击败世界顶级的国际象棋程序 Stockfish 14小时训练击败世界顶 ………………………………