“阿尔法狗”进化到第四代，无需告知规则 MuZero算法自学成“棋”才

MuZero成为DeepMind最先进的AI算法。（图片来源：DeepMind公司网站）

科技日报记者冯卫东

据最新一期《自然》杂志报道，DeepMind公司开发的一种人工智能（AI）算法MuZero，可以在不告知其游戏规则的情况下掌握围棋、国际象棋、日本将棋和视频游戏，这是谷歌人工智能部门获得的又一重大突破。

DeepMind公司表示，研究人员多年来一直在寻找一种方法，既可以学习建立用于解释当前环境的模型，也能够利用这个模型来进行最好的决策。到目前为止，大多数方法都难以在Atari这种游戏中进行有效规划。

MuZero最初在2019年推出，通过只关注环境中最重要的一个方面，来学习建立模型并解决问题。通过将这种方法与“阿尔法狗”强大的搜索树技术相结合，MuZero的能力实现了重大飞跃。此外，MuZero还利用了前瞻搜索、基于模型的规划来解决问题。

MuZero不会使用规则来找到最佳情况（因为事先不被告知），而是学习考虑游戏环境的各个方面，自己观察它是否重要。在数百万场比赛中，它不仅学习规则，而且学习位置的通用价值、成功的通用策略以及事后评估自己行为的方式。后一种功能可帮助其从自身的错误中学习、回忆和重做游戏，以尝试各种不同方法来进一步优化位置和策略价值。

MuZero不仅在国际象棋、围棋和日本将棋上达到了与提供完善规则的“阿尔法狗”一样的超人水平，在Atari游戏这样的杂乱感知输入环境中，也创造了新纪录。研究人员将MuZero描述为“在追求通用算法方面迈出的重要一步”。

“阿尔法狗”进化到第四代，无需告知规则 MuZero算法自学成“棋”才相关推荐

CSDN开发者周刊第 22期：谷歌 DeepMind 第四代：不学规则就可以玩游戏；图灵奖得主 Edmund Clarke 因感染“新冠”逝世；
CSDN开发者周刊:只为传递"有趣/有用"的开发者内容! 本周热门项目 1.红帽为杀死 CentOS 发行版辩护红帽公司的高级社区架构师.CentOS 董事会成员卡斯滕-韦德(K ...
一种改进的进化模型和混沌优化的萤火虫算法-附代码
一种改进的进化模型和混沌优化的萤火虫算法文章目录一种改进的进化模型和混沌优化的萤火虫算法 1.萤火虫算法 2. 改进萤火虫算法 2.1 基于混沌优化策略的种群初始化 2. 2 基于惯性权重的进化计 ...
2016，解密百度排名规则与算法
身为一名优秀的SEOer,其实最想掌握的就是百度算法,只有清楚百度算法之后,才能找到快速排名的优化方案.今天给大家深度解析百度算法原理,纯干货,无广告. 收录基本规则首先,我们都清楚: ...
【论文深度研读报告】MuZero算法过程详解
深度强化学习实验室官网:http://www.neurondance.com/ 论坛:http://deeprl.neurondance.com/ 作者:饼干Japson(DeepRL-Lab研究者 ...
DeepMind | 手撕MuZero算法「AI核心算法」
注:耕智能,深耕AI脱水干货作者: 饼干Japson 报道:深度强化学习实验室转载请联系作者前言 1 算法简介 1.1 背景 1.2 理解算法思想 2 模型图文讲解 2.1 MuZero中模 ...
计算机应用研究潜规则,基于相容矩阵计算的不完备决策系统规则获取算法
基于相容矩阵计算的不完备决策系统规则获取算法针对不完备信息决策系统问题,引入相容关系下条件属性矩阵和决策属性矩阵的相关概念,并由此提出一种基于矩阵计算的不 (本文共6页) 阅读全文>> ...
差分进化算法_基于差分进化的水泥烧成系统动态优化算法
基于差分进化的水泥烧成系统动态优化算法郝晓辰, 冀亚坤, 郑立召, 史鑫, 赵彦涛燕山大学电气工程学院,河北秦皇岛 066004 [摘要]针对水泥烧成过程的资源浪费以及难以建立有效数学机理模 ...
银行卡校验规则(Luhn算法)
当你输入信用卡号码的时候,有没有担心输错了而造成损失呢?其实可以不必这么担心,因为并不是一个随便的信用卡号码都是合法的,它必须通过Luhn算法来验证通过. 该校验的过程: 1.从卡号最后一位数字 ...
NeurIPS'18 | 种群进化随机梯度下降深度神经网络优化算法框架
,欢迎关注公众号:论文收割机(paper_reader) 因为排版问题,很多图片和公式无法直接显示,欢迎关注我们的公众号点击目录来阅读原文. 原文点击 ↓ 种群进化随机梯度下降深度神经网络优化算法框架 ...

“阿尔法狗”进化到第四代，无需告知规则 MuZero算法自学成“棋”才

“阿尔法狗”进化到第四代，无需告知规则 MuZero算法自学成“棋”才相关推荐

最新文章

热门文章