|
ELF OpenGo
ELF OpenGo是Facebook AI Research團隊（FAIR）所開發的電腦圍棋軟體及所釋出的資料[2]。 簡介ELF OpenGo是Facebook AI Research團隊（FAIR）依照DeepMind在科學期刊《自然》上對於AlphaGo Zero所發表的論文《Mastering the game of Go without human knowledge[3]》與AlphaZero的論文《Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm[4]》所實做出的開源電腦圍棋程式[5]，也就是不使用人類棋譜與累積的圍棋知識，僅實做圍棋規則，使用單一類神經網路從自我對弈中學習（不像AlphaGo以人類角度思考，設計了Policy Network與Value Network）。 訓練網路使用20 blocks x 224 filters，在2000個GPU下訓練兩週[5]，相較AlphaGo Zero使用的20 blocks x 256 filters版本略小一些（AlphaGo Zero另外還有40 blocks x 256 filters）。 由於Facebook所擁有的計算資源，產生出高品質的訓練網路資料與對局棋譜[6][註 1]，許多基於相同演算法或是AlphaGo相關論文內容的圍棋軟體都積極測試ELF OpenGo所提供的訓練資料[7][8]。 成績對電腦Leela ZeroLeela Zero是目前少數有公開程式碼並公開訓練網路資料的圍棋軟體，且仍然有志願者持續投入資源計算演化，故經常被當作其他圍棋軟體的基準。 由Facebook自行測試，ELF OpenGo與Leela Zero對戰的成績為198:2[2][註 2]。在Leela Zero的進度網站上也經常會比較現有訓練網路與ELF OpenGo的比較[9]。 CGOS志願者在CGOS上使用Leela Zero的程式引擎以及由ELF OpenGo公開的訓練網路（v0）轉換成Leela Zero格式的訓練網路（即Hash值 對人Facebook與韩国棋院合作，以中國規則與韓國的世界頂尖棋手對弈（貼目7.5目），在電腦每步限制50秒（使用單機單張NVIDIA Tesla V100），人類不限時間的前提下，每個人至少下兩局，達到14:0的成績[6]，對弈對手包括金志錫、申真谞、朴永训以及崔哲瀚[2]。 相關連結
參考資料
註解外部連結 |