人工智慧的發展就是要讓電腦具備獨立思考的能力，而強化式學習(ReinforcementLearning)就是訓練AI如何決策的一套方法，是最具產業發展潛力的熱門技術，可以有效解決生活中許多難以突破的問題，包括產業自動化、自動駕駛、電玩競技遊戲以及機器人等。
Deepmind將強化式學習應用於開發圍棋AI上，打造出AlphaGo，並連續擊敗李世乭、柯潔等世界第一流的圍棋高手，這段情節想必你並不陌生。而接續發展出來的AlphaZero不僅實力更強大，而且不侷限於單一棋類，可以從零開始訓練、不需要人類棋譜，被視為是AGI通用式人工智慧，震撼了整個AI產業界。
以強化式學習為主幹的AlphaZero雖然備受矚目，但對於多數讀者而言，要讀懂AlphaZero的論文並不容易，而且論文中並未公開程式碼，紙上談兵就要了解相關細節實在難如登天，本書將透過實作帶您揭開AlphaZero神秘的面紗。不用棋譜(訓練資料)怎麼進行訓練？強化式學習在AlphaZero扮演甚麼角色？為甚麼一套演算法可以適用不同規則的棋類或遊戲？論文沒有講清楚的都在這裡！
在這本書中，你將學到：
●從深度學習開始，打下紮實基礎，包括ArtificialNeuralNetwork、CNN、ResNet。
●各類強化式學習演算法的精髓，包括：ϵ-Greedy、UCB1、PolicyGradient、Q-Learning、SARSA、DeepQ-Network(DQN)。
●理解人工智慧中做出最優決策的方法-賽局樹演算法，包括MinimaxAlgorithm、Alpha-betaPruning、MonteCarlomethod、MonteCarlotreesearch。
●用Python實作AGI通用演算法-AlphaZero，只需修改規則就能稱霸井字遊戲、四子棋、黑白棋、動物棋等不同遊戲。
本書特色:
強化式學習有多強，用Python實作見真章！
AlphaZero結合了深度學習、強化式學習和賽局樹演算法，背後涉及了許多相關技術，網路上雖然可以找到不少討論或教學文章，但內容多半只是原始論文的隻字片段，實作細節也交代不清楚，對於有心了解AlphaZero核心技術的讀者來說幫助很有限，往往只是越看越模糊，也不知道誰說得對。
本書以大量圖說、實例詳細說明AlphaZero各種相關的演算法，在實作的過程中，你可以親自與AI互動，實際體驗AI從零開始逐漸累積實力的過程，確實了解強化式學習跳脫人類思維所做的每一步決策，釐清演算法的每一個細節。全書內容經過施威銘研究室監修，只要遇到比較複雜的演算法或程式邏輯，小編都會額外補充，講不清楚就加上圖解，再不清楚就手算一遍，一頁一頁秀給你看，保證一定讓你看得懂、做得到。
●以大量圖說、實例、示意圖帶你高效學習書中的演算法，程式碼都有詳細的註解說明
●深度學習、強化式學習、賽局樹等各種相關演算法逐一解析、詳細說明
●活用Google免費的Colab雲端開發環境，並提供線上更新操作手冊，包括連線時間限制的處理以及GPU/TPU的使用說明
●從AlphaGo、AlphaGoZero到AlphaZero，原始演算法和模型架構剖析
●一步一步解說如何將遊戲規則轉換為程式邏輯，學習賽局資料的預處理程序
●提供預訓練好的現成模型，立即套用、馬上對戰，幫你節省動輒20小時以上的訓練時間
訓練 GOOGLE 論文 深度學習 學習 演算法 PYTHON 遊戲 AI 圍棋 產業
