AlphaGo dan AlphaZero
AlphaGo ialah program DeepMind yang menewaskan pemain Go terbaik dunia, satu pencapaian yang telah lama difikirkan beberapa dekad lagi.
Gambaran keseluruhan
AlphaZero then mastered Go, chess, and shogi entirely through self-play, learning superhuman skill from scratch.
Menyelam dalam
Go mempunyai lebih banyak kemungkinan kedudukan papan daripada atom dalam alam semesta yang boleh diperhatikan, menjadikan pencarian kekerasan sia-sia dan intuisi penting. Pada 2016, AlphaGo mengalahkan juara legenda Lee Sedol 4-1, dengan pakar menakjubkan 'Move 37' yang terkenal sebagai bukan manusia secara kreatif. AlphaGo belajar daripada permainan pakar manusia serta permainan sendiri. Pada 2017, AlphaZero pergi lebih jauh: bermula dengan hanya peraturan dan tiada data manusia, ia mengajar dirinya sendiri dengan bermain berjuta-juta permainan menentang dirinya sendiri, mengatasi program Go, catur dan shogi terbaik dalam beberapa jam hingga beberapa hari. Sistem yang lebih baru, MuZero, juga mempelajari peraturan permainan dengan sendirinya. Pencapaian ini mempamerkan cara pembelajaran pengukuhan serta carian boleh menemui strategi di luar pengetahuan manusia.
Wawasan Teknikal
AlphaZero menggabungkan rangkaian saraf dalam dengan Carian Pokok Monte Carlo (MCTS). Rangkaian mengeluarkan dasar (yang bergerak kelihatan menjanjikan) dan nilai (yang berkemungkinan menang), membimbing carian untuk meneroka hanya baris yang paling berkaitan dan bukannya setiap cawangan. Melalui pembelajaran pengukuhan main kendiri, ramalan rangkaian dan hasil carian saling menguatkan antara satu sama lain, bertambah baik. Tiada permainan manusia atau fungsi penilaian buatan tangan diperlukan, hanya peraturan dan ganjaran untuk menang.
Kesan Strategik
Strategi vendor
Peta jalan vendor mempengaruhi ciri yang boleh dibina oleh pasukan anda seterusnya.
Kos dan bajet
Terma komersial dan pilihan penggunaan mempengaruhi kos dan risiko jangka panjang.
Risiko dan keselamatan
Insentif syarikat membentuk keingkaran produk, postur keselamatan dan keterbukaan.
Masa Depan AlphaGo dan AlphaZero
Resipi AlphaZero, belajar melalui permainan sendiri berpandukan carian, kini mempengaruhi robotik, penemuan saintifik dan penaakulan model bahasa besar, di mana model 'mencari' langkah penyelesaian. Keturunan seperti MuZero dan AlphaProof menggunakan idea ini pada perancangan tanpa peraturan yang diketahui dan kepada matematik. Jangkakan permainan kendiri dan carian pokok untuk mengekalkan sistem kuasa yang mesti merancang, menyusun strategi dan menemui penyelesaian baru, yang semakin digabungkan dengan teknik penaakulan yang kini muncul dalam model AI sempadan.
Pelaksanaan Dunia Sebenar
Mengalahkan juara dunia Go Lee Sedol (2016) dan Ke Jie (2017) dalam perlawanan mercu tanda
AlphaZero mengajar dirinya sendiri catur manusia luar biasa dalam beberapa jam, mendedahkan idea pembukaan dan pengorbanan baru yang dipelajari oleh grandmaster
MuZero menguasai permainan Go, catur, shogi, dan Atari tanpa diberitahu peraturannya
Kaedah permainan kendiri dan carian yang memberi inspirasi kini digunakan dalam robotik, matematik (AlphaProof) dan penaakulan LLM
Risiko & Pengawal
Pengumuman pelancaran mungkin melebihi kestabilan dalam aliran kerja pengeluaran sebenar.
Harga API atau anjakan dasar boleh memecahkan andaian semalaman.
Kebergantungan vendor tunggal meningkatkan kos kunci masuk dan penghijrahan.
Hala Tuju Pelaksanaan
Nilai penyedia menggunakan tugasan dan set data anda sendiri.
Semak privasi, keselamatan dan syarat undang-undang sebelum penyepaduan.
Kekalkan pelan sandaran merentas model atau vendor.
Pantau nota keluaran supaya perubahan peta jalan tidak mengejutkan pasukan.
Teruskan Meneroka
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AlphaGo and AlphaZero quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Panduan seterusnya
Model Zhipu GLM
Soalan lazim
What is AlphaGo and AlphaZero?
AlphaGo ialah program DeepMind yang menewaskan pemain Go terbaik dunia, satu pencapaian yang telah lama difikirkan beberapa dekad lagi. AlphaZero kemudiannya menguasai Go, catur, dan shogi sepenuhnya melalui permainan sendiri, mempelajari kemahiran manusia luar dari awal.
Mengapakah permainan Go dianggap sukar untuk komputer?
Faktor percabangan besar Go menjadikan pencarian kekerasan tidak dapat dilaksanakan, jadi kejayaan memerlukan intuisi yang dipelajari.
Siapa yang terkenal dengan kekalahan AlphaGo 4-1 pada 2016?
AlphaGo menewaskan juara utama Go Lee Sedol 4-1 dalam perlawanan 2016 yang ditonton ramai.
Bagaimanakah AlphaZero belajar bermain, tidak seperti AlphaGo?
AlphaZero bermula daripada hanya peraturan dan belajar semata-mata dengan bermain menentang dirinya sendiri, tanpa data permainan manusia.
Kaedah carian manakah yang AlphaZero berpasangan dengan rangkaian sarafnya?
AlphaZero menggunakan Carian Pokok Monte Carlo berpandukan dasar rangkaian saraf dan ramalan nilai.
Apakah dua perkara yang diramalkan oleh rangkaian saraf AlphaZero untuk membimbing cariannya?
Output rangkaian yang bergerak kelihatan menjanjikan (dasar) dan anggaran siapa yang akan menang (nilai), memfokuskan carian.