IT资讯 DeepMind 第四代：不学规则就能下棋玩游戏

近日，谷歌 DeepMind 人工智能已进化到第四代，名为 MuZero，最突出的能力是无需提前学习规则就可以下棋玩游戏。

谷歌称 MuZero 可以未知环境中计划获胜策略，无需学习规则，便能掌握 Go（围棋）, chess（国际象棋）, shogi（日本将棋）和 Atari（电子游戏）。这和 MuZero 的前几代——AlphaGo，AlphaGo Zero，AlphaZero 有很大的区别。

第一代 AlphaGo 早在 2016 年就可以击败世界围棋冠军，但需要先输入游戏规则和大量人类实战的数据进行训练。AlphaGo Zero 只需事先输入规则，无需学习人类实战的数据。到了第三代 AlphaZero，除了可以自主学会围棋，也通过事先了解规则，掌握了国际象棋和日本将棋。其原理是通过强大的前瞻性树搜索功能，基于超前搜索，依赖环境动态知识，如游戏规则或精确的模拟器来应对变化。但因为现实中的许多问题复杂且难以提炼简单规则，所以这种模型实际上很难被应用在更广泛的领域中。

MuZero 则是通过基于模型的计划来做决策，学习环境中的精确模型，并做出规划以解决问题。此外，MuZero 并没有尝试对整个环境建模，只是对代理商决策过程中的重要方面进行建模，以便在复杂要素环境中更快作出决策。其环境建模三要素为：

• The value: 当前位置的价值有多高？
• The policy: 采取哪种行动最好？
• The reward: 最后一个动作怎么样？

在谷歌的测试中，MuZero 在 Atari 游戏中的表现优于此前所有算法，并与 AlphaZero 在围棋，象棋和将棋上的超人类水平性能相匹配。

发布详情：https://deepmind.com/blog/article/muzero-mastering-go-chess-shogi-and-atari-without-rules