Facebook 开源 AI 围棋源代码，击败职业棋手只需一块GPU

雷锋网 AI 科技评论消息：5 月 2 日，Facebook AI Research(FAIR)官网博客中宣布开源其 AI 围棋机器人 ELF OpenGo(包括源代码和一个训练好的模型)，该机器人是基于 ELF 平台研发而成，曾击败了 4 位世界排名前 30 的围棋棋手。

据雷锋网了解，该工作主要是受启于 DeepMind 的工作。今年早些时候 FAIR 启动了该项工作，期望基于其进行强化学习研究而开发的可扩展、轻量级框架(Extensible Lightweight Framework，ELF)再现 AlphaGoZero 最近的结果。其目的则是创建一个开源实现的系统，该系统能够自学围棋进而达到人类职业棋手的水平或更高水平;同时他们也希望通过发布的代码和模型，激励更多的人去思考这项技术新的应用和研究方向。

据这个项目的负责人田渊栋介绍，他们用了两千块 GPU 训练该模型，约两到三周后得到当前版本的围棋 AI模型，该模型基本上超过了强职业棋手的水平。ELF OpenGo 在与世界排名前 30 的四位职业围棋棋手(金志锡，申真谞，朴永训及崔哲瀚)的对弈中，OpenGo 以 14：0 的成绩赢得了所有的比赛;在比赛中OpenGo使用单块 GPU 每步 50 秒的搜索时间(每步搜索 8 万个局面)，而人类棋手可以有任意长时间的思考。

另外，ELF OpenGo 在与目前公开可用的、最强的围棋机器人 LeelaZero 的对一种，后者采用了除ponder外的缺省配置，以及公开权重(192x15，158603eb， Apr. 25， 2018)，结果 OpenGo 赢得了全部 200 场比赛。

田渊栋博士随后在知乎上发表的一篇感想文章中提到，OpenGo 这个项目「不是为了做最好的围棋程序，不是说要打败谁」。之所以做这个项目有三个目的：

(1) AlphaGoZero/AlphaZero 算法很有意思，我们想知道为什么它有效果，是怎么会有效果的，是不是如同宣传的那样是百试百灵的通用算法，是不是只要堆机器，强人工智能马上就来了?还是说其实这个算法有什么问题和弱点?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。我之前写过 Blog 讨论过，但是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。

(2) 今年年初我重写了 ELF 的核心代码，另外也加了分布式训练，需要找个具体应用来测试一下。站在这个角度上，AlphaGoZero/AlphaZero 是个完美的选择，再说之前也有 DarkForest 的代码和围棋程序的经验，所以把它们拼起来不用花太多力气。

(3) 不管是通用算法还是分布式平台，都可以用来干很多别的事情，不一定是围棋，不一定是游戏。如果我们去看 ELF OpenGo 的代码，会发现其实很大一部分和围棋一点关系也没有，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。

田渊栋博士表示，随着今天 ELF OpenGo 的发布，这三个目的都已达到。当然，他们更希望的是能够借此机会推广一下 ELF 平台和 PyTorch 深度学习框架，让更多的人使用和完善它。

代码见：https://github.com/pytorch/ELF

模型见：https://github.com/pytorch/ELF/releases

英文 blog 见：https://research.fb.com/facebook-open-sources-elf-opengo/

ELF 平台是一个可扩展、轻量级且非常灵活的游戏研究平台，尤其适用于实时战略(RTS)游戏的研究，于 2016 年 6 月首次发布。

在 C++端，ELF 与 C++线程同时托管多个游戏;而在 Python 端，ELF 可以一次返回一批游戏状态，这使得其对现代的强化学习非常友好。相比之下，其他平台(例如 OpenAI Gym)则只是使用一个 Python 界面封装一个单一的游戏，这种情况使得并发游戏(许多现代的强化学习算法都有此要求)的执行就变得比较复杂。

ELF 具有以下特征：

端到端：ELF 为游戏研究提供了端到端的解决方案。它提供微型实时策略游戏环境、并行模拟、直观的 API、基于 Web 的可视化，并且还具有由 Pytorch 授权的强化学习后端，资源需求最少。

可扩展性：任何具有 C / C ++接口的游戏都可以通过编写一个简单的包装器插入到这个框架中。

轻量级：ELF 运行速度非常快，开销很小。在一台 MacBook Pro 上，基于 RTS 引擎构建的简单游戏(MiniRTS)使用 ELF 平台，能够单核每秒运行 40K 帧;而只使用 6 块 CPU+1 块 GPU 从零开始训练 MiniRTS，也只需要六天。

灵活性：环境和参与者之间的配对非常灵活。例如单个 agent 与单个环境(例如 Vanilla A3C)、多个 agent 与单个环境(Self-play/MCTS)，或者单个 agent 与多个环境(BatchA3C、GA3C)等。而且，任何构建在 RTS 引擎之上的游戏都可以完全访问其内部表示和动态。

随着这次 OpenGo 的开源，FAIR 也对 ELF 平台进行了改进，升级了更高效、更友好的 API 以及支持对数千台计算机进行分布式计算的框架。作为 PyTorch 的一部分，ELF 能够是研究人员能轻松地尝试不同的强化学习思想，并进行快速、灵活的实验。

雷锋网原创文章，未经授权禁止转载。详情见转载须知。