- 科技報導
文章專區
2017-11-01最新的AlphaGo Zero 系統能透過自學技術成長
431 期
Author 作者
編輯部
【本刊訊】記得去年在《圍棋》中一舉擊敗世界頂尖高手的人工智慧程序（artificial intelligence program）── AlphaGo 嗎？挾帶強大的功能，更優化的AlphaGo Zero近期又有更令人出乎意料的表現。發展該程序、任職DeepMind的研究員表示，此系統憑一己之力在遊戲中自我提升，其使用的自學技術（self-teaching technique）亦能多方運用在如交通計畫、藥物研發等領域。
人工智慧程序如何在圍棋遊戲中勝出？它必須在遠多過已知原子數量的排列組合中，於19x19的棋盤裡想方設法圈住對手以占領土地，若以一般電腦來說，模擬各式走法與結果基本上不太可行。初代AlphaGo以2條較複雜的路徑評估移動方式：首先是部屬（rollout）動作，利用搜尋樹（search tree）在遊戲中判斷致勝走法，其後使用神經網路程序偵測該棋局的模式、預測每一步的關鍵與必要性，再輔以為數30萬的走棋資料庫，預測人們在圍棋遊戲中的實戰狀況，再自我對戰1萬次、訓練其擇步網絡（move-selection network）。至此，AI能在經驗而來的戰局中比對資料，取前期部屬與後期神經網絡的預測平均、進而判斷每步走法是否能帶來勝利。
Alpha Go Zero在這方面的執行較簡單、有效率且具彈性。在判斷的一開始，其將挑揀網絡（move- picking）與預測網絡合而為一，並以新型設備交疊出比初代AlphaGo 更多層的可調式人工神經元（tunable artificial neurons）。經過不斷訓練，神經網路與搜尋樹的資訊逐漸一致且相輔相成，除可以跳過從人類身上學習的步驟、也能省略過程繁瑣的部屬階段。
希爾佛（David Silver）偕同團隊比較AlphaGo Zero 與其他電腦程序的能力、建立評量表「Elo」來比較前後代的差異。初代程序經一個月訓練才打敗韓國好手李（Lee Sedol），新一代的Zero僅花36小時便達標，且評量成績由初代3739分成長到5185分。此外，即便僅4個處理器運行、AlphaGo 亦能在近百種遊戲中輕鬆應戰。阿爾伯塔大學計算機科學家穆勒（Martin Muller）表示，AlphaGo Zero 各項表現相較於初代更加完整。
如此卓越的表現還能有更多可能嗎？巴黎大學科學家卡山納（Tristan Cazenave）指出，即便與人類對戰耗時較長，AlphaGo Zero卻能發現更多未知的排列與走法。而DeepMind的執行長哈瑟畢斯（Demis Hassabits）認為，或許在某些人類花上數千年還未必能有新發現的領域裡，自學系統很快就能理出一條路，更甚者可能發現新的元素或物質。然而穆勒也提到，該程序仍蒙受規則與限制，如何面對未知、混亂又低結構的世界，值得進一步探討。
Matthew Hutson, This computer program can beat humans at Go—with no human instruction, Science, 2017/10/18