吾看书

第1997章 硬件条件受限的情况下，“蒸馏”的重要性（第3页）

其一是，将历史比赛数据转化为知识，投喂给它。让它基于“规则”和“知识”，通过 MCTS算法和神经网络组合自我训练。

其二是不断给他找对手，它的深度卷积网络会在对局中基于胜率，自动捕捉高阶模式。

听着很美好，但也导致参数空间扩张和外部数据资产的不断积累。

简单的说，数据量越来越大。

而计算机的算力、总线、内存、外部存储器和磁盘阵列控制器的吞吐、读写速度都是有限的。数据量越来越大，就意味着调用、比对、决策的时间越来越慢。

而国际象棋的时间规则又那么严苛，这几乎是无解的矛盾……

谁也没想到，这个问题在曲卓上次来时，所有人都没留意的情况下，就被初步解决了。

虽然他只待了大半天，其中很大一部分时间还用在了开会和闲聊上。

闲聊过程中，得知参数量越来越大，不但占用了大量宝贵的硬盘空间，甚至为了保证读取速度，不得不将数据分配到不同磁盘阵列里。

确定了问题后，曲卓只用了两个小时左右，就编辑了一个知识库蒸馏程序。随后用蒸馏程序对现有数据进行清洗、去重，还修改了标注规则。

“蒸馏”的过程非常慢，分布在四个磁盘阵列下，已经累积到接近3G的专项知识库，用了二十多个小时才完成。

等蒸馏结束后，实验室的人惊讶的发现，新的智能体数据包，居然只有两百三十多兆，参数量从亿级骤降到了百万级。

没有人知道如此夸张的脱水比，在提升知识密度的同时，会损失多少有效知识。但毫无疑问，运算速度重新回到了丝滑流畅的水平。

呃~~

只能说，不同的时代，对“丝滑流畅”这一评价的阈值，是不同的。

然后，就是不断的惊喜。

大概从去年年底诺贝尔颁奖前后开始，参数进行过深度优化的“悟空”，进入了连胜状态。

消息传开后，之前那些体验后便失去了兴致的国际象棋高手们，有人起了再次体验的兴趣。

今年一月中，“悟空”在所有人都毫无准备的情况下，突兀的赢了一位继去年夏天后，第二次至牛津体验与“悟空”对弈的国际象棋大师大卫?古德曼。

大卫?古德曼国际棋联认证，Elo 2380-2400，世界排名290至300的IM级职业选手。