自我對弈（self-play）
/ SELF-play /
自我對弈是一個優雅的想法：讓智能體透過與自己的副本對弈來學習，既無人類對手，也無人類對局可供模仿。它破解了一個先有雞還是先有蛋的難題：要變強，你需要一個強勁的對手，可在任何強者出現之前，你又上哪兒去找這樣一個對手？答案是，拿你自己當對手。隨著你進步，你的對手（也是你）也跟著進步，於是挑戰的難度自動與你同步——就像永遠在跟一個恰好與你同等水平的人對弈，兩人一道，永無止境地一寸寸向上攀。
正是這道自動的爬坡，讓自我對弈如此強大。智能體面對著一架沒有盡頭的對手之梯，每一級都比上一級略強，由此生成一套沒有任何人類能手工設計出來的訓練課程。DeepMind 的 AlphaGo Zero 與 AlphaZero 把這個想法推到了最純粹的形態：僅從圍棋、西洋棋或將棋的規則出發——零份人類棋譜——它們與自己對弈了數百萬局，超越了此前所有的程式和人類冠軍。那些知識，完完全全來自自我對弈這個循環。
要把它「證明了什麼、沒證明什麼」說精確。自我對弈在那種「雙人、定義完美、零和」的遊戲裡光彩奪目——那裡規則被精確知曉，「贏」也毫不含糊。這是一個狹窄而特殊的場景。它無法直截了當地遷移到那個一團亂麻的現實世界：那裡規則未知、目標模糊、沒有一個乾乾淨淨的對手，你也無法免費地模擬上百萬次試驗。自我對弈還可能崩塌——它會去追逐自己的怪癖，忘了該如何打敗更老的策略——這正是為什麼真實系統會小心地留著一池過往版本來對弈。它是一件出色的工具，而非通向通用智能的配方。
AlphaZero 起初只知道西洋棋的規則——沒有開局定式、沒有人類對局、沒有任何戰略。它與自己對弈了數小時，便自行重新發現了人類幾個世紀積累的棋理，進而創造出連特級大師都感到震驚的新穎思路，並乾淨俐落地擊敗了當時最強的西洋棋程式。
靠與自己對弈從零學起——在乾淨的零和遊戲裡耀眼奪目，卻不是一條直通現實世界的路。
自我對弈那些超越人類的戰績，活在一個特殊的世界裡：雙人、規則精確已知、勝負訊號清晰、且能無限地免費模擬。一旦剝去這些條件——幾乎所有現實任務都是如此——這個把戲便無法乾淨地遷移，甚至可能因過度擬合自己的習慣而退化，除非你刻意地讓它持續與自己更老的版本對弈。