Peluncuran AlphaZero
Ringkasan
DeepMind mempublikasikan paper AlphaZero pada 5 Desember 2017 — algoritma reinforcement learning yang belajar dari nol (self-play) dan menguasai catur, shogi, dan Go — mengalahkan champion dunia komputer (Stockfish, Elmo) dan program Go terkuat.
Cara Kerja
- Self-play — tidak butuh data manusia
- MCTS (Monte Carlo Tree Search) untuk search
- Deep neural network — policy + value
- Single algorithm untuk semua game
Pencapaian
| Game | Lawan | Hasil | Training |
|---|---|---|---|
| Catur | Stockfish 8 | 28-0-72 (100 game) | 4 jam |
| Shogi | Elmo | 90-2-8 (100 game) | 2 jam |
| Go | AlphaGo Lee (2016) | 89-11 (100 game) | 8 jam |
Signifikansi
- General algorithm — satu algoritma untuk 3 game berbeda
- No human knowledge — hanya aturan game
- AlphaGo Zero (pendahulunya) memenangkan Go dari nol tanpa data manusia
Era Pasca
- MuZero (2019) — belajar tanpa model aturan
- AlphaStar (2019) — StarCraft II
- AlphaProof (2024) — matematika
- AlphaGeometry (2024) — geometri
- OpenAI Five (2018) — Dota 2
AlphaZero adalah momen AGI paling dekat — algoritma umum yang menguasai game kompleks tanpa data manusia.