通过自我对弈掌握国际象棋和将棋的通用强化学习算法

国际象棋是人工智能历史上研究最为广泛的领域。最强的程序基于复杂的搜索技术、特定领域的适应方法以及由人类专家经过数十年精心调整的手工评估函数。相比之下，AlphaGo Zero 程序最近通过从自我对弈中进行“白板”（tabula rasa）强化学习，在围棋游戏中达到了超人的水平。在本文中，我们将这种方法推广为一种单一的 AlphaZero 算法，该算法可以在许多具有挑战性的领域中实现“白板”超人性能。从随机游戏开始，除了游戏规则外没有任何领域知识的情况下，AlphaZero 在国际象棋、将棋（日本象棋）和围棋这三种游戏中仅用了 24 小时就达到了超人的水平，并且在每种游戏中都以令人信服的优势击败了世界冠军级别的程序。