才国际象棋和日本将棋的DeepMind AlphaZero，登上了最新一期《科学》封面。
论文描述了AlphaZero如何快速学习每个游戏，如何从随机对弈开始训练，在没有先验知识、只知道基本规则的情况下，成为史上最强大的棋类人工智能。
《科学》评价称，能够解决多个复杂问题的单一算法，是创建通用机器学习系统，解决实际问题的重要一步。
DeepMind说，现在AlphaZero已会了三种不同的复杂棋类游戏，并且可能学会任何一种完美信息博弈的游戏，这“让我们对创建通用学习系统的充满信心”。
实际上，国际象棋是计算机科学家很早就开始研究的领域。1997年，深蓝击败了人类国际象棋冠军卡斯帕罗夫，这是一个人工智能的里程碑。此后20年，国际象棋的算法在超越人类后，一直还在不断地进步。
这些算法都是由强大的人类棋手和程序员构建，基于手工制作的功能和精心调整的权重来评估，并且结合了高性能的alpha-beta搜索。
而提到游戏树的复杂性，日本将棋比国际象棋还难。日本将棋程序，使用了类似国际象棋的算法，例如高度优化的alpha-beta搜索，以及许多有针对性的设置。
AlphaZero则完全不同，它依靠的是深度神经网络、通用强化学习算法和通用树搜索算法。除了基本规则之外，它对这些棋类游戏一无所知。
其中，深度神经网络取代了手工写就的评估函数和下法排序算法，蒙特卡洛树搜索（MCTS）算法取代了alpha-beta搜索。
AlphaZero深度神经网络的参数，通过博弈的强化学习来训练，从随机初始化的参数开始。
随着时间推移，系统渐渐从输、赢以及平局里面，学会调整参数，让自己更懂得选择那些有利于赢下比赛的走法。
围棋的对弈结局只有输赢两种，而国际象棋和日本将棋都有平局。其中，国际象棋的最优结果被认为是平局。
此外，围棋的落子规则相对简单、平移不变，而国际象棋和日本将棋的规则是不对称的，不同的棋子有不同的下法，例如士兵通常只能向前移动一步，而皇后可以四面八方无的移动。而且这些棋子的移动规则，还跟密切相关。
尽管存在这些差异，但AlphaZero与下围棋的AlphaGo Zero使用了相同架构的卷积网络。
AlphaGo Zero的超参数通过贝叶斯优化进行调整。而在AlphaZero中，这些超参数、算法设置和网络架构都得到了继承。
系统需要多长时间去训练，取决于每个游戏有多难：国际象棋大约9小时，将棋大约12小时，围棋大约13天。
只是这个训练速度很难复现，DeepMind在这个环节，投入了5000个一代TPU来生成对弈游戏，16个二代TPU来训练神经网络。
训练好的神经网络，用来一个搜索算法，就是蒙特卡洛树搜索 (MCTS) ，为每一步棋选出最有利的落子。
比如，在国际象棋里，它每秒搜索6万种排布。对比一下，Stockfish每秒要搜索6千万种排布，千倍之差。
AlphaZero下棋时搜索的更少，靠的是让神经网络的选择更集中在最有希望的选择上。DeepMind在论文中举了个例子来展示。
上图展示的是在AlphaZero执白、Stockfish执黑的一局国际象棋里，经过100次、1000次……直到100万次模拟之后，AlphaZero蒙特卡洛树的内部状态。每个树状图解都展示了10个最常访问的状态。
经过全面训练的系统，就和各个领域里的最强AI比一比：国际象棋的Stockfish，将棋的Elmo，以及围棋的前辈AlphaGo Zero。
因为AlphaZero自己学习了每种棋类，于是，它并不受人类现有套的影响，产生了独特的、非传统的、但具有创造力和动态的棋。
在国际象棋里，它还发展出自己的直觉和策略，增加了一系列令人兴奋的新想法，改变了几个世纪以来对国际象棋战略的思考。
国际象棋世界冠军卡斯帕罗夫也在《科学》上撰文表示，AlphaZero具备动态、的风格，“就像我一样”。他指出通常国际象棋程序会追求平局，但AlphaZero看起来更喜欢风险、更具侵略性。卡斯帕罗夫表示，AlphaZero的棋风可能更接近本源。
国际象棋大师马修·萨德勒（Matthew Sadler）和女性国际大师娜塔莎·里根（Natasha Regan）即将于2019年1月出版新书《棋类变革者（Game Changer）》，在这本书中，他们分析了数以千计的AlphaZero棋谱，认为AlphaZero的棋不像任何传统的国际象棋引擎，马修·萨德勒评价它为“就像以前翻看一些厉害棋手的秘密笔记本。”
国际象棋特级大师马修·萨德勒说：“它的棋子带着目的和控制力包围对手的王的方式”，最大限度地提高了自身棋子的活动性和移动性，同时最大限度地减少了对手棋子的活动和移动性。
与直觉相反，AlphaZero似乎对“材料”的重视程度较低，这一想法是现代游戏的基础，每一个棋子都具有价值，如果玩家在棋盘上的某个棋子价值高于另一个，那么它就具有物质优势。AlphaZero愿意在游戏早期棋子，以获得长期收益。
“令人印象深刻的是，它设法将自己的风格于各种各样的和空缺，”马修说他也观察到，AlphaZero以非常刻意的方式发挥作用，一开始就以“非性化的坚定目标”开始。
“传统引擎非常强大，几乎不会出现明显错误，但在面对没有具体和可计算解决方案的时，会发生偏差，”他说。 “正是在这样的，AlphaZero才能体现出‘感觉’，‘洞察’或‘直觉’。”
这种独特的能力，在其他传统的国际象棋程序中看不到，并且已经给最近举办的世界国际象棋锦标赛提供了新的见解和评论。
“看看AlphaZero的分析与国际象棋引擎甚至大师级棋手的分析有何不同，这真是令人着迷，”女棋手娜塔莎·里根说。 “AlphaZero可以成为整个国际象棋圈强大的教学工具。”
在比赛期间，AlphaGo发挥出了许多极具创造性的胜利步法，包括在第二场比赛中的37步，这了之前数百年的思考。这种下法以及其他许多下法，已经被包括李世石本人在内的所有级别的棋手研究过。
他对第37步这样评价：“我曾认为AlphaGo是基于概率计算的，它只是一台机器。但当我看到这一举动时，我改变了想法。当然AlphaGo是有创造性的。“
DeepMind在博客中说AlphaZero不仅仅是国际象棋、将棋或围棋。它是为了创建能够解决各种现实问题的智能系统，它需要灵活适应新的状况。
这正是AI研究中的一项重大挑战：系统能够以非常高的标准掌握特定技能，但在略微修改任务后往往会失败。
AlphaZero现在能够掌握三种不同的复杂游戏，并可能掌握任何完美信息游戏，解决了以上问题中重要的一步。
他们认为，AlphaZero的创造性见解，加上DeepMind在AlphaFold等其他项目中看到的令人鼓舞的结果，带来了创建通用学习系统的信心，有助于找到一些新的解决方案，去解决最重要和最复杂的科学问题。
它能根据基因序列来预测蛋白质的3D结构，还在有“蛋白质结构预测奥运会”之称的CASP比赛中夺冠，力压其他97个参赛者。这是“证明人工智能研究驱动、加速科学进展重要里程碑”，DeepMInd CEO哈萨比斯形容为“灯塔”。
梦见亲人生病