王然

【摘要】2017年10月19日，人工智能阿法元（AlphaGo Zero）第一次为人所知晓。它在围棋学习之路上从零开始，自娱自乐，自己参悟，用极短的时间以100比0的成绩打败了“哥哥”阿法狗（曾战胜围棋世界冠军李世石轰动全世界）。以深度强化学习为核心技术的阿法元，是人工智能领域的最前沿成果，也是发展趋势。合理发展、应用本技术，将对各领域均有极大的推动作用，甚至改变整个工业界的面貌。基于此，其对于公安系统中的信息化侦查领域同样具有跨时代的里程碑意义。

【关键词】人工智能 阿法元 深度强化学习

一、阿法元的概念及发展背景

（一）概念

阿法元（AlphaGo Zero），是谷歌2017年目前为止最新一代的人工智能。这一代算法被项目负责人Deepmind命名为阿法元，“元，含有起点，创世之意。，意思是从零开始。一方面说，这个算法是不需要人类数据指导，也不需要它哥哥（Alpha60）指导，就自己演化出来。另一方面也可以理解为它可以开启新纪元。

阿法元仅拥有4个TPU，大大节省了材料成本，效益却成倍增长。以深度强化学习为核心技术，其发展趋势充满无限可能性。

（二）发展背景

人工神经网络在上世纪四十年代就出来了，却无法解决“异或问题”，而且训练起来太麻烦。到了上世纪七十年代，神经网络的算法得到更新，提高了效率，用多层神经网络把异或问题解决了，也把神经网络带入一个新纪元。上世纪八九十年代，人工神经网络的研究迎来了一场大火，学术圈发了成千上万篇关于神经网络的论文，从设计到训练到优化再到各行各业的应用。……