知识卡片
自我对弈把搜索变成老师
用现有策略先验和价值估计启动树搜索,把搜索计算得到的访问频率作为更强的策略目标,同时以真实自我对弈结果更新价值目标。更新后的网络再次生成棋局。这个闭环仍依赖合法动作、终局定义、探索和算力;没有人类棋谱时依然需要规则。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
AlphaGo ZERO通过一开始的随机下子作为开局,只是通过自我对弈的强化学习,就实现了无人类数据的自我训练。
参考来源
- 位置:《AI游戏开发和深度学习进阶》第5章 5.1 来自AlphaGo的震撼(book-source,`extracted/AI游戏开发和深度学习进阶/_epub-src/OEBPS/Text/0042.xhtml`)
- 结论依据:原文比较 Zero 与人类棋谱初始化的早期系统,并列出强化策略迭代与改良的树搜索。
- 原始内容:AlphaGo ZERO通过一开始的随机下子作为开局,只是通过自我对弈的强化学习,就实现了无人类数据的自我训练。