最近，Facebook的人工智能研究所（以下全称FAIR）宣告，他们开源了自研的棋士AI训练模型和代码。这意味著，你可以随时随地和Facebook的人工智能下围棋了，而且此棋士AI程序再现的是名噪一时的AI高手AlphaZero。去年5月，FAIR公布了ELFOpenGO，ELFOpenGo是FAIR依照DeepMind在《大自然》上公开发表的和AlphaGoZero以及AlphaZero涉及的论文，作出的开源计算机棋士程序，也就是说，ELFOpenGo不用于人类棋谱与积累的棋士科学知识，仅有用于单一类神经网络从自我对局中自学。
该棋士AI之前在和韩国棋院的专业棋士运动员对局中，都获得不俗的成绩。据报，OpenGo的近期版本用于2000块GPU训练了15天后，在一块GPU的情况下与4个名列前30的职业运动员展开比赛时，获得了20：0全胜的战绩，堪称是战无不胜。在这次开源的论文中，FAIR研究人员全面透露了ELFOpenGo的训练过程，还包括获得的是三个突破。
一是为ELFOpenGo训练了一个超强人类棋艺的模型，他们在2000个GPU上运营类AlphaZero的训练软件9天后，有20个模块的模型打破了人类水平。二是获取了模型在训练过程中的不道德分析，还包括和其他模型的对比、自学速度、自学可玩性等等。
三是通过实行ablation实验，以研究AlphaZero风格算法的性质，他们找到对于最后模型而言，对局中加倍rollout水平约提高200ELO，AI的充分发挥不会受到模型容量的容许。最后，此次论文的主要作者为田渊栋，他仍然负责管理Facebook的棋士AI涉及研究，在此前的一篇知乎文章中，他提及：DeepMind不开源也不透漏细节，文章里面一些地方也没写出得很确切。没第一手经验总不是很做事。
所以本着研究目的，我们必须复现一下，再行有复现，才有创意，这个是做到研究的习惯。而且如果我们去看ELFOpenGo的代码，不会找到其几乎限于于其它方向的工作。而棋士对我们来说，只是一个把算法和平台作好的手段。在这一点上，花上点时间把棋士作好是有一点的。
最后，关于ELFOpenGo近期训练模型的明确数据可以读者原文提供论文链接理解。
本文来源：澳门威斯尼斯wns888入口-www.tzssjj.com
