algorithm - AlphaGo self 提升

Question

我读过几篇关于 AlphaGo 的新闻文章，它们都提到 AlphaGo 从先与人类对弈，然后与自己对弈，变得更好。我很好奇的一件事是，AlphaGo 是如何改进自己的？它会修改代码中的变量吗？或者它会完全改变它自己编写的代码吗？还是创作者添加的？它实际上是如何学习的？笼统的答案很好，因为它只是我的常识。

也许我误解了整个概念，新闻文章往往会给出广泛的、有时是错误的理解。一些清晰度或指向有用信息的链接会很好。

Answer 1

AlphaGo 使用机器学习。

在机器学习中，您有一个函数(比如 ax +b)可以给您一个结果，您可以调整该函数的参数(a 和 b ) 以便结果匹配越来越多的示例。就 AlphaGo 而言，他们有 2 个函数，一个用于选择下一步，另一个用于说明谁获胜，两者都非常复杂，有数千个参数。

当他们在 AlphaGo 的两个实例之间进行对弈时，他们会记录结果并将其作为示例来训练函数，以便下一个版本的下棋效果更好。

如果您想了解更多信息，网上有很多关于机器学习如何工作的很棒的教程。