David Silver

Entwickelte einen Reinforcement-Learning-Algorithmus, der eine übermenschliche Spielstärke im Go erreicht, ausgehend von zufälligem Spielen ohne menschliche Daten, Anleitung oder Domänenwissen über die Grundregeln hinaus.

Erzielt eine 100-0-Bilanz gegen die AlphaGo-Version, die den Weltmeister geschlagen hatte.

Ersetzte getrennte Policy- und Value-Netzwerke durch eine einzige neuronale Netzwerkarchitektur mit vielen Residualblöcken aus Konvolutionsschichten mit Batch-Normalisierung und Rectifier-Nonlinearitäten.

Implementierte eine vereinfachte Baumsuche, die auf ein einziges neuronales Netzwerk für Positionsbewertung und Zugauswahl setzt, ohne Monte-Carlo-Rollouts durchzuführen.

Integrierte eine vorausschauende Suche in die Trainingsschleife, um schnelle Verbesserungen und stabiles Lernen zu erreichen.

Entdeckte grundlegende Elemente menschlichen Go-Wissens neu, darunter Joseki (Eckenabfolgen), Fuseki (Eröffnungsstrategien) und Leben-und-Tod-Konzepte aus ersten Prinzipien.

Optimierte das System so, dass es auf einer einzelnen Maschine mit 4 Tensor Processing Units (TPUs) in der Google Cloud läuft.

Besiegte im März 2016 Lee Sedol, den Gewinner von 18 internationalen Titeln.

Implementierte ein verteiltes System über mehrere Maschinen und setzte dabei 48 Tensor Processing Units (TPUs) ein, um neuronale Netze während der Suche zu evaluieren.

Trainierte das Value-Netzwerk mit Ergebnissen schneller Selbstspiel-Partien von AlphaGo.

Verwendete eine größere Policy- und Value-Netzwerkarchitektur im Vergleich zu früheren Versionen mit 12 Konvolutionsschichten.