AlphaGo 在圍棋上碾壓人類後又學習玩遊戲，已具有人類通關水平

自從在圍棋上成功碾壓人類（主要是李世石）之後，Google 旗下深度學習產品團隊 DeepMind 又開始讓 AlphaGo （以下成為阿爾法狗）學習怎麼玩遊戲，而且在極具挑戰性的三維迷宮遊戲 Labyrinth 中都取得了人類水平。

據 Google 黑板報介紹，DeepMind 的目標是「創造出一個能通過自我學習去制定戰略，並最終取得出色的成績的人工代理（artificial agents）。而在玩遊戲的背後，是對於機器學習中深度強化學習的不斷探索。」

所謂「深度強化學習」是「深度學習」加上「深度強化」，也就是説就是在經過無數次試驗、在錯誤和正確中不斷鍛鍊的強化學習的過程中再加上深度學習的過程，其中，深度學習則是直接通過原始輸入，自行構造並學習只是的過程。
早在兩年前，DeepMind 在《自然》上發表的文章中就已經讓阿爾法狗有很厲害的遊戲水平了，在讓訓練阿爾法狗玩遊戲的時候用了名叫 DQN (Convolutional Neutral Network + RL) 的深度強化學習算法，通過 50 種不同的雅達利遊戲 (Atari) 來訓練阿爾法狗的能力，結果表明 Google 的人工智能軟件在雅達利 2600 的測試中，在 49 個遊戲中有 29 個遊戲獲得了75％ 的專業測試的成績，已經到了人類的水平。


雅達利 2600 是美國的一個經典遊戲機，當中經典的遊戲包括Adventure、碰碰彈子枱、爆破彗星和Pac-Man等。

現在 Google 又通過穩定學習動態等多種方式改進了 DQN 算法，使該算法在雅達利遊戲的平均得分提高了 300%。現在人工代理已經在幾乎所有雅加達遊戲中取得了人類水平，單一神經網絡甚至可以被培訓去掌握多種雅達利遊戲。
據 Google 介紹，與此同時，名為 Gorila 的大型分佈式深度強化學習系統也誕生了，這個系統利用 Google Cloud 平台，使代理的學習速度提高了一個等級。這讓阿爾法狗的遊戲水平更加深了一步，可以挑戰極具挑戰性的 3D 導航和迷宮環境，通過直接視野裏觀察到的像素輸入，代理依此畫出地圖以發現並找到遊戲的通關法則。

迷宮 (Labyrinth) 就是阿爾法狗最新徵服的遊戲，Google 會在未來幾個月以開源的形式發佈。


資料來源：TECH2IPO