最近，Facebook的人工智能研究所（以下简称FAIR）宣布，他们开源了自研的围棋AI训练模型和代码。这意味着，你可以随时随地和Facebook的人工智能下围棋了，而且此围棋AI程序重现的是名噪一时的AI高手AlphaZero。
去年5月，FAIR发布了ELF Open GO，ELF OpenGo是FAIR依照DeepMind在《自然》上发表的和AlphaGo Zero以及AlphaZero相关的论文，做出的开源计算机围棋程序，也就是说，ELF OpenGo不使用人类棋谱与累积的围棋知识，仅使用单一类神经网络从自我对弈中学习。
该围棋AI之前在和韩国棋院的专业围棋选手对弈中，都取得不错的成绩。据悉，OpenGo 的最新版本使用2000块GPU训练了15天后，在一块GPU的情况下与4个排名前30的职业选手进行比赛时，取得了20：0全胜的战绩，可谓是战无不胜。
在这次开源的论文中，FAIR研究人员全面披露了ELF OpenGo的训练过程，包括取得的是三个突破。
一是为ELF OpenGo训练了一个超人类棋艺的模型，他们在2000个GPU上运行类AlphaZero的训练软件9天后，有20个模块的模型超越了人类水平。
二是提供了模型在训练过程中的行为分析，包括和其他模型的对比、学习速度、学习难度等等。
三是通过实施ablation实验，以研究AlphaZero风格算法的性质，他们发现对于最终模型而言，对局中加倍rollout水平大约提升200 ELO，AI的发挥会受到模型容量的限制。
最后，此次论文的主要作者为田渊栋，他一直负责Facebook的围棋AI相关研究，在此前的一篇知乎文章中，他提到：DeepMind不开源也不透露细节，文章里面一些地方也没有写得很清楚。没有第一手经验总不是很踏实。所以本着研究目的，我们需要复现一下，先有复现，才有创新，这个是做研究的习惯。而且如果我们去看 ELF OpenGo 的代码，会发现其完全适用于其它方向的工作。而围棋对我们来说，只是一个把算法和平台做好的手段。在这一点上，花点时间把围棋做好是值得的。
最后，关于ELF OpenGo最新训练模型的具体数据可以阅读原文获取论文链接了解。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
