社群去年开源了能完败职业围棋高手的人工智能ELF OpenGo，现在更进一步开源经两千万次自我对战的模型与数据集等相关研究成果。ELF OpenGo的前身原为DeepMind开发的围棋软件AlphaGo Zero，社群将其重新实作发布ELF OpenGo，能以一颗GPU就打赢排名前30的4位围棋高手，还是皆以20比0完胜。ELF是社群在2017年发布的游戏研究平台，讲究可扩充、轻量与灵活的特性，ELF让研究人员能在各种游戏环境中测试算法，包括棋盘、街机与实时战略游戏，而在2018年，社群开源了基于ELF平台的OpenGo。现在社群进一步释出ELF OpenGo相关的新功能和研究成果，开源经过2千万次人工智能自我对战训练的模型。社群提到，由于训练模型需要有大量的计算资源，因此即便他们在2018年释出ELF OpenGo到原始码，但多数研究人员仍无法重现社群的研究成果。所以社群决定从头训练开始训练ELF OpenGo，并释出其所有的研究成果，对外公开人工智能能够打败玩家的原因，同时也详述了技术的局限，社群特别举例，人工智能在学习招式的速度比人类慢得多，像是下图的梯子招式，人工智能就花了很多时间才学到。
社群开源的ELF OpenGo是目前最新的模型以及最佳程序代码版本，包括2千万次自我对战的模型以及1,500个中介模型数据。社群还以模型分析职业围棋棋士的赛局，发现模型的预测能力，约在总训练时间的10％就已经达到稳定水平，并随着训练的时间增加，ELF OpenGo的技能强度随之提升。这个最新版本的ELF OpenGo，能以60％以上的胜率打赢ELF OpenGo雏形。社群表示，即使是ELF OpenGo雏形，其围棋能力也早就超越人类，社群以模型证明，即便是最优秀的围棋棋士，下的棋步也不一定是最高超的。这次开源的内容，还包括超过300年的8.7万场专业围棋历史对战资料，该数据集收集了跨越1700年到2018年的围棋赛局，社群的系统透过机器人和人类之间的棋步预测，评估了这些历史赛局棋步的水平。社群同时释出工具，让使用者能深入每一场围棋对战的细节，研究特定比赛特定棋士的棋步。该互动工具提供可视化功能，方便用户能更轻易地检视历史数据存挡
社群提到，对于人工智能的研究人员来说，ELF OpenGo是丰富的研究资源，而对于围棋的爱好者而言，其专业的赛局分析能力，可以成为新型训练辅助工具，就是有一位超强棋艺大师能与玩家对战练习。社群发布了Windows版本应用程序，可以让玩家下载使用。不过，研究还没结束，社群表示，即便ELF OpenGo能够打赢人类，也是因为进行了数百万场对战以后的结果，但显然人类的学习更有效率，社群接下来的目标，就是让人工智能学习的效率提升。图片及信息提供来源：http://www.cafes.org.tw/info.asp