下一代AlphaGo,裸考也能拿满分

来源:极客公园

如果说AlphaGo确立了AI的“围棋霸权”,那懂得自己思考的MuZero,可能会在更多领域确立“霸权”。

Google母公司Alphabet旗下的DeepMind,在这一个月里大动作频出。

先是在月初推出了蛋白质结构预测AI——AlphaFold2,这个AI在CASP竞赛中拔得头筹,解决了困扰了学界50年的难题:生物学家Andrei Lupas本人花了十年时间,用尽各种实验方法也没能弄清楚一种蛋白质折叠后的形状,但借助AlphaFold2后,他在半个小时内就得到了答案。

接着,在月底,DeepMind在《自然》杂志上发布论文介绍“进阶版AlphaGo”——MuZero。简单来说,MuZero更“通用”了,它精通国际象棋、围棋、将棋,还能在数十款Atari游戏上全面超越过去的AI算法和人类。但更具革命意义的是,MuZero不像它的前辈们,它在下棋和游戏前完全不知道游戏规则,完全是通过自己的试验和摸索,洞悉棋局和游戏的规则,形成自己的决策。换句话说,AI会自己“动脑子”了。

MuZero就像是Netflix热剧《女王的棋局》里的贝丝·哈蒙,在完全不知国际象棋规则的情况下,凭借几次观察就把棋盘“画”在自己的心里,并通过不断复盘棋局强化自己的直觉,最终所向披靡。

不知道规则,怎么赢棋?

2016年,AlphaGo横空出世,以4:1击败韩国顶级棋手李世乭,并在2017年的乌镇围棋峰会上击败了世界第一棋手柯洁。中国围棋协会甚至当即授予AlphaGo职业围棋九段的称号。

AlphaGo依赖的还是DeepMind输入的专家棋法数据集,然后它的继任者Alpha Go Zero开始摆脱对“人类数据”的依赖,开始通过多次自我对弈积累所需数据。2018年底问世的AlphaZero更是在前两者的基础上迭代,除了围棋,它还学会了将棋和国际象棋。让人叹为观止的是,从第一次见到棋盘,到成为世界级棋类大师,AlphaZero只用了24小时。

“但你不能像下棋一样,只顾着往前看。你必须学习这个世界如何运作。”DeepMind的首席研究科学家David Silver告诉《连线》,按照这个思路,他们决定不提前告诉AI该怎么赢了,“这是我们第一次打造这种系统”。

上面提到的“Alpha”家族,最早需要“人类数据”、“领域知识”和“游戏规则”,至少也还需依赖“游戏规则”。而刚面世的MuZero则没有这些知识储备,就像是下棋被蒙着眼,玩游戏背着手。

既然MuZero连怎么赢棋都不知道,那它又是如何学习世界运作原理的呢?先以AlphaZero为例,由于它已经知晓棋局的规则,所以它知道一个动作后的下一个棋步是什么样的,运用深度学习中的“蒙特卡洛树搜索”(MCTS)就能评估不同的下棋可能性,并从中选出最优的动作。在这个过程中,AlphaZero只需要利用“预测网络”这一神经网络。

而MuZero不知道现有的规则,那么只能从零开始构建一个内部模型,形成自己对棋局的理解。

首先,MuZero会利用“表征网络”将自己观察到的棋步收集起来,转化为专属于自己的知识;

接着,利用“预测网络”形成策略(即最好的“下一步”是什么),判断价值(即当前决策“有多好”);

最后,借助“动态网络”判断“上一步有多好”,回收此前做出的最佳棋步,不断完善自己的内部模型。

也就是说,MuZero并没有具体的“行事准则”,它就像是一个小孩,在有了一定思考能力的基础上,正在不断完善自己的行事准则。在此之前,“AlphaGo”虽能轻松击败人类,但也只限于围棋等专精领域,却无法“触类旁通”,每遇到新的游戏都需要更改框架,重新学习。而掌握了“思考方式”的MuZero显然能做得更多了,也就是,更通用了。

“知道雨伞能让人不被淋湿,比能对雨滴建模更有用。”DeepMind用这句话表示,对AI来说,它们会的本领看起来越笨,越有实际意义。

在游戏方面,以研究AI打扑克出名的FAIR研究科学家Noam Brown这样评价MuZero:“当前人们对游戏AI的主要批评是模型不能对现实世界中相互作用进行准确建模。MuZero优雅而令人信服地克服了这个问题(适用于完美信息游戏)。我认为,这是可以与AlphaGo和AlphaZero相提并论的重大突破!”

这个会思考的AI,能做什么?

DeepMind研究表示,MuZero在不具备任何底层动态知识的情况下,通过结合MCTS和学得模型,在各种棋类种的精确规划任务中可以匹敌AlphaZero,甚至超过了提前得知规则的围棋版AlphaZero。

在实验中,只要为MuZero延长每次行为的时间,它的表现就会变得更好。随着将每次行动的时间从十分之一秒增加到50秒,MuZero的能力会增加1000Elo(衡量玩家的相对技能),这基本相当于熟练的业余玩家和最强的职业玩家之间的区别。

开始自我思考的MuZero就像人一样。现实世界混沌、复杂,人们也没有具体的行事手册,只能摸着石头过河,慢慢形成自己的规划能力,进而制定下一步该怎么做的策略。

那么,MuZero能做什么?

《连线》记者提到了在生化界做了件“大实事”的蛋白质结构预测AI,接着问起了MuZero的实用价值。David Silver表示,MuZero已经投入实际使用,用于寻找一种新的视频编码方式,从而完成视频压缩。考虑到大量不同的视频格式和众多的压缩模式,能节省5%的比特已经是极具挑战的任务。“互联网上的数据大部分是视频,那么如果可以更有效地压缩视频,则可以节省大量资金。”由于Google拥有世界上最大的视频共享平台YouTube,因此他们很可能将MuZero其应用到该平台上。

David Silver想得更远,“一个真正强大的系统,它能看到所有你看到的东西,它有和你一样的感官,它能够帮助你实现目标。另外一个变革性的,从长远来看,(MuZero的“强化学习”思路)是可以提供个性化的医疗解决方案的东西。有一些隐私和伦理问题必须解决,但它会有巨大的价值,它会改变医学的面貌和人们的生活质量。”

目前,“Alpha家族”这种规划算法也已经在物流、化学合成等诸多现实世界领域中产生影响。然而,这些规划算法都依赖于环境的动态变化,如游戏规则或精确的模拟器,导致它们在机器人学、工业控制、智能助理等领域中的应用受到限制。

而不再“循规蹈矩”的MuZero,先摸索规则、建立内部模型再精通的思路,显然具有更强的可塑性。会自己思考的AI,离通用AI会更近一些。

“我不想给它设定一个时间尺度,但我想说,人类能实现的一切,我最终认为机器都能实现。大脑完成的只是一个计算过程,我不认为那里有什么神奇的东西。”David Silver对它的造物有足够的自信。

如果说AlphaGo确立了AI的“围棋霸权”,那懂得自己思考的MuZero,可能会在更多领域确立“霸权”。

题图来源:Netflix|责任编辑:于本一

发表评论

邮箱地址不会被公开。 必填项已用*标注

友情链接:沙龙会体育| 美高梅体育