AlphaZero

Один алгоритм без жодних людських партій навчився шахів, сьоґі та го з нуля і переміг найсильніші програми в кожній грі.

Чому це важливо

Знання людей виявилося не просто непотрібним, а гальмівним: без нього система за години перевершила десятиліття напрацювань.

AlphaGo вчилася на партіях людей; AlphaZero отримувала лише правила. За чотири години вона перевершила Stockfish у шахах. Це дало найчистіший доказ тези, що для замкнених задач із чіткою метою людський досвід не є необхідним.

Відомості про подію

Дата події

грудень 2017 р.

Дата на часовій осі

Дата події

Перевірка

Джерела зібрано автоматично · 17 вересня 2026 р.

Лінії

ID

evt-0235

Препринт від 5 грудня 2017 року.

Джерела

першоджерело Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm
arXiv · Опубліковано грудень 2017 р.
першоджерело A general reinforcement learning algorithm that masters chess, shogi and Go through self-play (Silver et al.), author preprint
DeepMind authors; preprint hosted at starcraft.ai (not the publisher)

Пов’язані події

Раніше

Розвиває AlphaGo проти Лі Седоля 2016
Прибрано останню людську складову: жодних партій людей у навчанні.
- Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm · arXiv
Пов’язано Дошка оголошень HEARSAY-II 1980
Гра сама проти себе, доведена від нардів до шахів і го одним алгоритмом.

Пізніше

Спирається на AlphaStar у StarCraft II 2018посилається на цей запис
DeepMind виводить AlphaStar із лінії самонавчання, у якій AlphaGo й AlphaZero досягли надлюдської гри в го, шахи й сьоги.
- AlphaStar: Grandmaster level in StarCraft II using multi-agent reinforcement learning (DeepMind blog) · Google DeepMind
Розвиває MuZero: план без правил гри 2019посилається на цей запис
MuZero досягає рівня AlphaZero в го, шахах і сьоги, не отримуючи правил, які AlphaZero давали.
- Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model (Schrittwieser et al., arXiv:1911.08265v1) · arXiv (DeepMind)
Пов’язано AlphaDev 2023посилається на цей запис
Той самий підхід гри сама проти себе, перенесений на пошук у просторі інструкцій процесора.
Пов’язано AlphaGeometry 2024посилається на цей запис
Той самий підхід пошуку під керунком навченої моделі, перенесений із гри у формальну математику.
Спирається на Срібло Міжнародної математичної олімпіади 2024посилається на цей запис
AlphaProof навчається грою проти себе в просторі формальних доведень.
- AI achieves silver-medal standard solving International Mathematical Olympiad problems · Google DeepMind