谷歌DeepMind的研究人员开发了一种全新的基于AI的国际象棋系统,可以达到grandmaster级别的水平,而不依赖于传统的搜索和自我对弈技术。相反,这个系统通过分析150亿个棋局状态和Stockfish(一个强大的手工制作的国际象棋引擎)做出的相应走法,从中学习。

所得到的模型非常高效,只有2.7亿个参数,比GPT-4小约3000倍。尽管体积很小,但该模型在配备200美元显卡的个人电脑上每秒可以生成20个走法,在标准CPU上每秒可以生成2个走法。这种性能远远优于体积大3000倍的GPT-4在国际象棋方面的表现。

有趣的是,这个系统运行在两个可能看起来违反直觉的关键假设之上。首先,它只接受单一的棋局状态作为输入,而不是一系列棋局位置。其次,它只看一步ahead,选择获胜概率最高的走法。这些假设可能不会导致最强大的国际象棋引擎,但这是有意为之的,因为这项工作的主要目标不是创造最强大的国际象棋AI,而是证明基于transformer的神经网络可以通过简单地观察专家的行为来学习专业知识。

这一成就很重要,因为它代表了创造可以学习逼近算法而不仅仅提供答案的AI系统的一步。研究人员将其与之前的神经程序员解释器工作联系起来,后者旨在创造可以生成可读程序的AI。同样地,这个国际象棋系统有潜力揭示其神经网络中的潜在国际象棋算法,这可能对开发能够为诸如自动驾驶汽车、光线追踪等任务创造有用算法的AI产生更广泛的影响。