AlphaZero

AlphaZero是DeepMind所開發的人工智能軟體[1]。

簡介

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将棋與國際象棋上。AlphaZero與AlphaGo Zero不同之處在於[1]：

AlphaZero基於蒙特卡洛树搜索，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]。

AlphaZero使用了5,000顆第一代的TPU進行訓練。

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}。

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}。

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}。

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.