Bazı nedenlerden ötürü, AlphaGo Zero, inanılmaz sonuçlarına rağmen orijinal AlphaGo kadar tanıtım yapmıyor. Sıfırdan başlayarak, zaten AlphaGo Master'ı dövdü ve diğer birçok kriteri geçti. Daha da inanılmaz, bunu 40 gün içinde yapıyor. Google bunu "tartışmasız dünyanın en iyi Go oyuncusu" olarak adlandırıyor .
DeepMind bunun "yeni bir takviye öğrenimi biçimi" olduğunu iddia ediyor - bu teknik gerçekten yeni mi? Ya da bu tekniğin kullanıldığı başka zamanlar oldu mu - eğer öyleyse, sonuçları ne oldu? Sanırım bahsettiğim gereksinimler 1) insan müdahalesi yok ve 2) tarihsel oyun yok, ama bunlar esnektir.
Bu benzer bir soru gibi görünüyor, ancak tüm cevaplar AlphaGo Zero'nun türünün ilk örneği olduğu varsayımından başlıyor gibi görünüyor.
Takviye öğrenimi yeni değildir. Google hangi tekniklerin ilk olduklarını iddia etti?
—
HelloWorld
Bağlantılı web sitesinde bir alıntı var ve makalede "AlphaGo Zero'daki sinir ağı, yeni bir takviye öğrenme algoritması ile kendi kendine oyun oyunlarından eğitilmiş" ifadesini kullanıyorlar.
—
Dubukay
Kendi kendine oynamak kesinlikle yeni bir şey değil. Google'dan önce vardı. Algoritmalarında onları "yeni" yapan detaylar var. Belki başka biri cevap verebilir.
—
HelloWorld
Anlıyorum- Sanırım yaklaşımlarını inanılmaz derecede iyi yapan şeyin ne olduğunu ve bunun diğer alanlarda görmeyi beklememiz gereken bir şey olup olmadığını anlamaya çalışıyorum. Yeni bir felsefe mi yoksa gerçekten iyi bir kod mu?
—
Dubukay
Makalenin bir kopyasını burada buldum: nature.com/articles/… (bunu paylaşan blogdan olan paylaşım erişim belirtecini içerir, bu yüzden kamuya açık yasal AFAICS'dir). Açıklamayı okuduktan sonra bile gerçek yeniliği bulmak zor - tüm bireysel fikirler önceden mevcut RL / oyun oynama teknikleri gibi görünüyor, sadece bunların spesifik bir kombinasyonu olabilir
—
Neil Slater