Em 18 de outubro de 2017, a DeepMind descreveu na revista Nature o AlphaGo Zero, versão que aprendeu Go apenas jogando contra si mesma, a partir das regras e sem partidas humanas. Segundo a empresa, ele venceu a versão anterior do AlphaGo por 100 a 0, e Demis Hassabis o chamou de a versão mais forte do programa.
Em 18 de outubro de 2017, a DeepMind, do Google, apresentou na revista científica Nature o AlphaGo Zero, uma nova versão de seu programa de Go. Diferentemente das versões anteriores, que aprenderam com milhares de partidas disputadas por humanos, o AlphaGo Zero começou jogando de forma aleatória e melhorou apenas jogando contra si mesmo, sem dados humanos, orientação ou conhecimento além das regras do jogo, segundo o resumo do artigo citado pelo KurzweilAI. Segundo a DeepMind, o novo programa venceu o AlphaGo por 100 partidas a 0. Demis Hassabis, CEO da DeepMind, afirmou que o AlphaGo Zero era a versão mais forte do programa.
O resultado veio pouco mais de um ano e meio depois de o AlphaGo vencer o sul-coreano Lee Sedol por 4 a 1, em março de 2016.
O que havia de diferente no AlphaGo Zero?
Segundo o Future of Life Institute, que repercutiu o anúncio no mesmo dia, as principais diferenças em relação às versões anteriores eram:
| Aspecto | AlphaGo (versões anteriores) | AlphaGo Zero (2017) |
|---|---|---|
| Ponto de partida | Partidas humanas | Jogo aleatório, apenas com as regras |
| Forma de aprender | Dados humanos e treino adicional | Somente partidas contra si mesmo |
| Redes neurais | Duas | Uma única rede |
| Características de entrada | Mais numerosas | Menos características |
| Método | Aprendizado com exemplos humanos e reforço | Novo método de aprendizado por reforço combinando rede neural e busca |
Quanto tempo o programa levou para aprender?
As fontes descrevem números um pouco diferentes, conforme a versão comparada:
- Três dias de autoaprendizado: segundo o Future of Life Institute, o treino durou três dias, com 4,9 milhões de partidas contra si mesmo, até vencer o AlphaGo por 100 a 0.
- Nível humano em cerca de três dias: o KurzweilAI registrou que o programa alcançou desempenho de nível humano nesse prazo.
- 40 dias: o KurzweilAI também mencionou que, após 40 dias, o programa venceu a versão anterior por 100 a 0.
A diferença decorre das várias versões do AlphaGo usadas como comparação no artigo científico. O ponto comum é que, em poucos dias, um sistema sem exemplos humanos superou a versão que havia derrotado um campeão mundial.
Por que o resultado chamou atenção?
- Menos dependência de dados: o programa aprendeu sem bases de exemplos humanos, um gargalo comum em projetos de IA.
- Estratégias novas: segundo o Future of Life Institute, o AlphaGo Zero jogou lances e estratégias que não eram conhecidos entre jogadores humanos.
- Arquitetura mais simples: uma única rede neural, com menos características de entrada.
- Ambição além do jogo: Hassabis disse que a equipe queria aplicar avanços semelhantes a problemas como o dobramento de proteínas e o desenho de novos materiais.
Qual o limite dessa abordagem?
O Go tem regras completamente definidas, e o sistema pode jogar milhões de partidas simuladas contra si mesmo. A maioria dos problemas de negócio não funciona assim: regras são incompletas, simulações são imperfeitas e erros têm custo real. Por isso, o feito de 2017 deve ser lido como avanço em aprendizado por reforço em ambientes bem definidos, não como prova de que qualquer problema pode ser resolvido sem dados.
O que isso significa hoje para quem contrata projetos de IA?
O AlphaGo Zero mostrou o potencial de sistemas que aprendem por tentativa e erro em ambientes simulados. Para empresas, a lição é avaliar se o problema tem regras claras e se é possível simular resultados com segurança, como em otimização logística ou planejamento. Ao contratar uma consultoria de IA, vale perguntar qual abordagem de aprendizado será usada, que dados ou simulações ela exige e como o desempenho será validado antes de chegar ao ambiente real.
Fontes
Compare nota, avaliações verificadas e score, e fale direto com a empresa pela Citeo.
Perguntas frequentes
O que é o AlphaGo Zero?
É uma versão do programa de Go da DeepMind, descrita na revista Nature em 18 de outubro de 2017, que aprendeu a jogar apenas contra si mesma, a partir das regras e sem partidas humanas. Segundo a DeepMind, venceu a versão anterior do AlphaGo por 100 a 0.
Qual a diferença entre o AlphaGo e o AlphaGo Zero?
As versões anteriores aprenderam com partidas humanas e usavam duas redes neurais. O AlphaGo Zero partiu do jogo aleatório, usou uma única rede neural, menos características de entrada e um novo método de aprendizado por reforço.
Em quanto tempo o AlphaGo Zero aprendeu a jogar?
Segundo o Future of Life Institute, em três dias de autoaprendizado, com 4,9 milhões de partidas contra si mesmo, ele venceu o AlphaGo por 100 a 0. O KurzweilAI registrou também uma marca de 40 dias para superar a versão anterior, conforme a comparação feita no artigo.