深入浅出看懂AlphaGo Zero - PaperWeekly 第51期

作者丨刘遥行学校丨圣何塞州立大学研究生研究方向丨AI与现实生活的工业结合AlphaGo Zero = 启发式搜索 + 强化学习 + 深度神经网络，你中有我，我中有你，互相对抗，不断自我进化。使用深度神经网络的训练作为策略改善，蒙特卡洛搜索树作为策略评价的强化学习算法。1. 论文正文内容详细解析先上干货论文：Mastering the Game of Go without Human Knowledge [1]，之后会主要以翻译论文为主，在语言上尽量易懂，避免翻译腔。AlphaGo Zero，从本质上来说完全不同于打败樊麾和李世石的版本。算法上，自对弈强化学习，完全从随机落子开始，不用人类棋谱。之前使用了大量棋谱学习人类的下棋风格）。数据结构上，只有黑子白子两种状态。之前包含这个点的气等相关棋盘信息。 ………………………………