細思極恐︱AlphaGo再進化　MuZero不知規則卻精通十款電玩與棋類

2016年，AlphaGo戰勝韓國棋王李世乭，向全世界宣示了AI在遊戲領域的強悍實力。如今DeepMind又更上一層樓，向公眾介紹不必知曉規則，也能精通各式遊戲的AI模型MuZero，並可望用於降低YouTube的營運成本。

MuZero懂得遊玩數十款雅達利（Atari）電玩遊戲、西洋棋、圍棋及日本將棋，不過與它的前輩不同的是，以往沒有一款AI能夠同時精通電玩與棋盤類遊戲，且即使不告知它遊戲規則，也能在過程中自行領悟。

DeepMind曾於2019年首度披露MuZero的存在，但直到本周才正式於《自然》期刊上，發表論文介紹這項AI技術的細節。DeepMind指出，MuZero在各式遊戲中都有頂尖表現，並展現出對未知環境的掌握能力。

▼▼▼還記得AlphaGo先後擊敗李世乭、柯潔兩位世界級棋手？▼▼▼

懂得自行學習遊戲規則，MuZero能以有限資訊做出最佳決策

「我們只是告訴系統說，用你自己建構的認知，去了解這個世界怎麼運作。」DeepMind電腦科學家大衛．西爾弗（David Silver）表示，「只要內部的理解成功對上了某個現實事物，那我們就滿意了。」

根據DeepMind披露的資訊，MuZero的運作方式是為它所遊玩的遊戲建立一個模型，然後依照模型規劃出遊戲中最好的策略、下一步，然後透過遊玩不斷優化這個模型。

MuZero的設計理念是考慮到現實應用環境，演算法不必全盤了解所有規範、準則，並建立一個100%準確的模型，而是需要在有限的資訊下，達到「夠用」的程度。

例如，在瞬息萬變的電玩遊戲中，AI沒有充足時間解析所有可能性，但在小精靈這類遊戲中，即使只從6、7種選擇中找出最佳路徑，MuZero依舊能取得非常好的成績；而在下圍棋時，MuZero也能以較少的運算量，達到比AlphaZero更好的結果。

DeepMind解釋，具體來說MuZero會對依照三種環境要素建立模型，一是當前位置、狀況的好壞，二是最好的下一步是什麼，三是最後的結果如何。如同繪製一幅樹狀圖般，AI利用深度學習理解各個行動最後會有怎樣的結果。

西爾弗指出，「現實世界非常複雜混亂，沒有一本手冊告訴我們他是怎麼運作的，但人類卻可以規劃出接下來該怎麼做。」若以DeepMind的舉例來說，當看到烏雲密佈的天空，預測有下雨的可能性，就會決定攜帶雨傘出門。

「這是我們首次擁有一個有辦法建立自己對世界的見解，據此做出複雜前瞻性決策的系統。」西爾弗提到，「（AI）可以從完全沒有先備知識的條件下開始，經由反覆測試學習世界規則，並展現出超越人類的表現。」

壓縮影片比當代技術更厲害，MuZero可望用於降低YouTube營運成本

由於是如此突破性的AI技術，DeepMind也持續尋找它適合擔綱的工作，目前表現最好的是影片壓縮，用類似MuZero的演算法實驗後發現，它的表現比以往最好的壓縮法節省5%網路流量。

西爾弗解釋，網路上資料流量絕大部分是由影片貢獻，倘若能夠有效壓縮影片，便可縮減經營成本。根據思科的資料，預估到2022年時，影片將佔據全球82%的網路流量。

英國媒體《BBC》指出，MuZero找到的新影片壓縮方式，也有望用於降低YouTube的營運成本，不過DeepMind暫時不願透露Google何時會利用這項技術，僅聲稱明年會有更多細節公佈。

不單用於影片壓縮上潛力無窮，MuZero也被認為有助於打造虛擬管家、機器人，甚至強化前陣子DeepMind宣佈取得突破性進展的蛋白質摺疊預測能力。

DeepMind一直渴望利用AI對世界做出貢獻，MuZero能夠依照有限資訊做出最佳判斷的能力，是AI走出螢幕踏入現實的重要里程碑。就如他們提到的，「知道撐傘能讓你免於淋濕，比分析空氣中的雨滴模型更有價值。」

+21